NgirchevBlog

Я стал активнее юзать своего бота. Мне например удобнее создавать маленькие проекты не подходя к компьютеру. У меня запущен мой убутну сервер и на нём крутится бот, так чтобы ничего случайно лишнего не слить. Из недавнего сделал себе скилл для проверки штрафов и один проект для изучения греческого.

Какое-то время назад я начал разрабатывать телеграмм бота и писал об этом в чате. Сейчас у меня есть поддержка топиков, где каждый топик позволяет запускать отдельные кодекс консоль сессии. Я понял что разрабатывать и поддерживать api, регулярно выпускать апдейты в maven central через ИИ слишком рискованно и быстрее просто разрабатывать индивидуально, а так как у меня нету активных пользователей, то особо никто и не ждет. Сейчас я начал добавлять поддержку claude, потому хотел бы поинтересоваться, нужно ли кому-то мое поделие кроме меня, тогда я напрягусь и подготовлю новую версию.

Как оценить, насколько хорошо разработчик овладел ИИ-инструментами? На мой взгляд, главная метрика здесь — степень автономии, даваемая ИИ-агентам. Разумеется, при достижении необходимого качества результата. Я бы выделил следующие уровни использования ИИ в разработке: Уровень 0: Веб-чат Человек общается с ИИ в веб-чате, чтобы задавать вопросы, просить написать отдельные куски кода, а дальше скопировать их себе в проект и вручную адаптировать. Уровень 1: ИИ-агент как ассистент Человек просит ИИ-агента вносить локальные изменения в код, вручную просматривает и утверждает каждую правку. Уровень 2: ИИ-агент выполняет задачи Человек ставит полноценную задачу ИИ-агенту. Дальше агент планирует работу, задавая все необходимые вопросы и пишет код. Человек делает ревью плана и кода, а также приемочные ручные тесты по необходимости. Уровень 3: Агентский пайплайн Агенты сами собирают и верифицируют требования, пишут и ревьюят код, тестируют. Если по ходу выполнения возникают вопросы, они эскалируются на человека. Уровень 4: Автономный агентский пайплайн Структурно как на этапе 3, вмешательство человека требуется только на этапе сбора требований и в экстренных ситуациях. Агенты принимают большинство решений на основе сформулированной концепции проекта и набора ценностей. Уровень 5: Проактивная агентская система Агенты запускаются по расписанию, разбирают инциденты, берут задачи с доски и выполняют их. Человек отслеживает прогресс выполнения и дает обратную связь по итогам выполненных этапов. Уровень 6: ИИ управляет разработкой продукта Как на уровне 5, только агенты сами предлагают и продумывают продуктовые фичи. Человек задаёт общее видение и направление разработки, а также корректирует работу пайплайна при необходимости. Как видим, с каждым уровнем автономность агентов повышается. Сначала они забирают на себя всё больше технических решений, а потом и продуктовых. С каждым новым уровнем повышается возможность масштабировать работу. На уровне 2 например вести больше пары сессий параллельно уже становится сложно. На уровне 3 уже можно замахнуться на 3-5 сессий. А настоящие перспективы масштабирования появляются начиная с уровня 4. Перескочить с сразу через несколько уровней не получится. Нужно набить шишки на одном уровне, чтобы понять, как перестроить рабочий процесс и перейти на следующий. Здесь как и с программированием (руками), чтобы научиться, надо что-то сделать, недостаточно прочитать статью или посмотреть видео-лекцию. Тем более учитывая с какой скоростью сейчас всё развивается, материалы устаревают буквально за месяц. Если вы не хотите отстать, выход здесь только один: разрабатывать проекты с ИИ-агентами, экспериментировать, пробовать новые подходы и делиться опытом с теми, кто занимается тем же самым. Если на работе у вас нет возможности полноценно использовать ИИ - можно делать свои проекты, просто для себя, так и выкладывать в опенсорс - это даёт мотивацию не забрасывать, а также вы узнаете много всего нового, когда будете оформлять репозиторий, настраивать сборку и пытаться привлечь к проекту аудиторию. Ещё надо сказать, что разработка с ИИ-агентами это не какой-то рокет-сайенс (как впрочем и программирование), требуется здравый смысл и желание не делать одну и ту же работу дважды, которое и так свойственно тем, кто когда-либо писал код. И самое главное, требуется принять, что мир уже изменился. 🧐Подписаться на канал

⚡️ Подписки Anthropic и OpenAI убыточнее, чем считалось В январе исследователи уже считали реальную стоимость подписок Claude Code в пересчёте на API. Тогда $200/мес обошлись бы в ~$2 700 по API-расценкам. SemiAnalysis повторили опыт на всех тарифах провайдеров с длинными coding-задачами до истощения недельного лимита и текущие цифры заметно выше. Для Anthropic цифра выросла почти втрое: claude-max-20x за $200/мес эквивалентен $8 000/мес по API. У OpenAI ещё хуже: chatgpt-pro-20x за те же $200 тянет на $14 000/мес. SemiAnalysis считают, что все новые модели и фичи будут придерживать только для пользователей API. А Fable (Mythos), как уже известно, с 22 июня исчезнет из подписок и будет доступен только за extra usage. @ai_for_devs

Самая неприятная деталь релиза Fable — модель резко тупеет при "использовании для разработки фронтирных моделей". Касается это не только архитектурного ресёрча и работы с датасетами, а ещё и дизайна чипов и написания кернелов и неизвестно что ещё в придачу. Для этого используют полный арсенал методов — steering векторы, переписывание промптов и даже изменение весов. Причём в отличии от других областей, вроде биологии и кибербезопасности, где запросы прокидываются Opus 4.8, в случае с разработкой LLM факт нерфа не виден пользователю. Модель может тихо саботировать процесс разработки и об этом можно будет узнать лишь по косвенным признакам. То, что такие меры абсолютно непрозрачные, делает модель непригодной для использования в любом ИИ ресёрче. Будут ли фильтры Антропика нерфить только разработку LLM, а пропускать генерацию изображений/видео? Почти наверняка нет. А что насчёт разработки харнесов? Проблема в том никто не может точно сказать где пролегает граница и есть ли какие-то другие, нераскрытые, ограничения. Короче, осуждаем. @ai_newz

Не стоит слепо верить маркетингу и использовать просто последнюю модель.

Пост апдейт по текущему прогрессу. Понемногу добавляю функционала своему боту. Теперь кроме openrouter и ollama интеграций для двух агентов - моего и spring-ai, так же добавил codex агента. Добавил топики/чаты, чтобы были окна как в интерфейсе кодекса или клода desktop и можно было параллельные задачи давать. Пока только кодекс тестировал. Добавил наконец поддержку mcp, работу с файловой системой, это можно было уже даже выложить, но лень, потому только pr открыт. Причем мой агент работает в докер песочнице и создает файлы только там. Вот думаю перевести его на другой докер образ, чтобы поудобнее было внутри устанавливать тулы. Все еще хочется сделать своего агента без spring обвязки, потому что промпт кеширование не работает со спрингом. https://github.com/NGirchev/open-daimon

Написал статью на хабре. В целом хабр кажется слишком токсичным, лучше буду на реддите писать, там народ лучше реагирует и участвует в обсуждениях. https://habr.com/ru/articles/1039836/

Недавно я остался совсем без AI на одном проекте и мне пришлось вспоминать как писать код руками. Ощущения? Я чувствую себя лудитом, который внезапно отказался от технологий. Это похоже на возвращение в начало карьеры: я сижу в банке без интернета, гуглю ошибки на телефоне и читаю Stack Overflow. Ведь с появлением ИИ потребность исправлять глупые ошибки вроде опечаток в конфигах полностью отпала. Если забыл название класса в какой-то библиотеке, ты больше не идешь в документацию или Google. Без ИИ снова приходится вчитываться в логи самому... И это реально больно. Я уже привык страдать перфекционизмом: на старте выстроить архитектуру, задать строгий кодстайл, прописать линтинг, arch unit тесты. С «командой ИИ» всё соблюдается автоматически. А когда пишешь руками в жесткие сроки, на это тупо нет времени. Бизнесу не интересна техническая сторона, бизнесу важна «доставка ценности» любой ценой. В итоге ловишь себя на том, что начинаешь «класть болт» на читаемость. Я верю в теорию разбитых окон: как только всем становится плевать, проект превращается в свалку. А мне, как человеку, который большую часть времени читает код, хотелось бы мучить себя поменьше читая плохо написанный код. Без ИИ приходится резать функционал до минимума. Если с нейронкой можно сразу развернуть «взрослый» проект, то руками в сроки попадаешь, только урезая всё подряд. И эта рутина... писать маппинги и готовить JSON-данные руками в 2026-м - физически неприятно. Но есть и странный плюс. Работа становится более методичной, в каком-то смысле приятной. Ты не ведешь сразу 3-4 проекта, а просто пишешь код. Вспомнилось ощущение из школы, когда ты впервые пишешь простую задачу на Паскале. Наверное, так же себя чувствовали люди, переходившие с ассемблера на языки высокого уровня: они тоже ворчали, что не контролируют процесс. В целом всё равно не использовать ИИ в рабочих процессах как минимум неэффективно. Это такой же инструмент, как IDEA. Да, есть риск нагенерировать «нейрослопа», но без ИИ поддерживать высокую в скорости почти невозможно. А вы что чувствуете, когда приходится писать «голыми руками»? Чувствуете ломку?

Буквально one-shot имплементация FSM Visual Editor для моей либы. Совсем немного потестировал, генерация кода рабочая на котлине и java. Использовал Codex Cli с gpt-5.5. https://github.com/NGirchev/fsm

Опубликовал вторую статью на хабре - первый же комментарий токсичный https://habr.com/ru/articles/1034452/

Тирлист подходов к разработке в эпоху ИИ-агентов На Хабре встретилась статья, о том, какие архитектурные практики лучше подходят для проектов, что ИИ пишет большую часть кода. ИИ-агенты хорошо работают, когда рамки задачи четко определены и есть способы на ранних этапах валидировать результат. И гораздо хуже, когда надо учитывать общую картину и связи с другими системами. Предлагается вот такой оптимальный архитектурный стэк для ИИ-разработки: — Ядро проекта в парадигме функционального программирования с применением Test Driven Development — Спецификации, описывающие взаимодействие с внешними системами описываются через Behavior-Driven Development (спецификации в виде Given/When/Then) — Структура проекта проектируется в стиле гексагональной архитектуры — Взаимодействие с пользователями реализуется через MVC, а предоставляемые API через простой синхронный request/response — Весь проект живет в монорепозитории и развертывается одним пакетом Осталось теперь понять, что делать крупным энтерпрайз проектам с микросервисной архитектурой, ООП, с неполным покрытием тестами и сложной бюрократизированной системой развертывания. 🧐 Подписаться на канал

Прощай vibe coding, да здравствует agent engineering😜 Андрей Карпати провел очередной разговор, на этот раз с партнёром Стефани Чжан. Что символично, год спустя после того, как он придумал термин "vibe coding". Основные тезисы. 1. Эра Software 3.0, теперь LLM это вычислительная среда, где естественный язык как код, а агенты как runtime. LLM - это новая операционная система. Сразу вспоминаю MemoryOS. 2. Почему Карпати и ты чувствуете себя ламером даже после 20+ лет в коде. Карпаты раньше читал любой репозиторий и понимал, что происходит. Сейчас LLM генерирует код, который он не писал и не полностью контролирует. Теперь, человек управляет не логикой, а намерением через естественный язык. Парадокс - чем лучше модели, тем меньше традиционное программирование гарантирует понимание системы. 3. Таким образом, теперь классическое обучение кодеров должно измениться, нужно не только учить человека писать код самому, но и работать с агентами. Глубина понимания + инструмент МАС. 4. Vibe Coding vs Agentic Engineering. Vibe coding - хаотичные промпты, выглядит ок, но нет архитектуры. Agentic engineering - процесс работы с памятью и инструментами, формальные проверки, многоагентные системы, оркестрация, безопасность и мониторинг. В целом появляется сопутствующее понятие AgentOps. 5. Вопросы доверия, безопасности и контроля. Агенты уже нуждаются в жёстких рамках, к примеру, меню доступных действий, а не свободный диалог. Проблема верифицируемости встаёт на важное место. В классике, если код компилируется и проходит тесты - скорее всего правильно. В Software 3.0 LLM прошла тесты, но логика непрозрачная, дырки в безопасности и тп. Крч без работы не останемся. 👍 Итого в 2026 и далее: 1. Агенты повсюду, но не как умные ассистенты, а как спец юниты. 2. Инструменты для агентов станут важнее самих промптов. 3. Верификация через симуляцию/среду - запуск агента в песочнице станет стандартном. 4. Человеческое суждение станет ключевым навыком, заменяя знания синтаксиса ЯП.

Вайбкодинг — это гемблинг https://habr.com/p/1033130/ Наконец опубликовали на хабре

Я запустил своего бота с ИИ и выложил проект в open source. Он доступен с платными OpenRouter-моделями только для ограниченного списка пользователей — например, для подписчиков этого канала. Также можно запускать его локально через Ollama, если хотите использовать локальные модели. Основное удобство, которое мне было нужно: пересылать боту сообщения и сразу получать ответы. Пока это еще не полноценный агент, но уже нормальная основа для личного AI- ассистента в Telegram. Что он умеет: - отвечать на reply и forwarded-сообщения; - саммаризировать историю диалога; - поддерживать выбор беседы; - задавать основную роль для агента; - выбирать более удобную модель; - работать с OpenRouter и локальными моделями через Ollama; - обрабатывать картинки и файлы, включая PDF и PDF-сканы; - работать в общем чате и отвечать по @упоминанию. Вот пример, как я сам этим пользуюсь: добавил бота в общий чат, и когда мы что-то обсуждаем, просто тэгам его в нужный момент. Он отвечает прямо в контексте обсуждения, и не нужно отдельно идти в Google, спрашивать ChatGPT, копировать ответ обратно в чат и терять нить разговора. В новом релизе OpenDaimon 1.1.0 добавил важную архитектурную часть — FSM-based agent runtime и ReAct-цикл: агент может думать, вызывать инструменты, смотреть результат, повторять шаги и формировать финальный ответ. Также появились: - Telegram agent-mode streaming: прогресс и статус отдельно от финального ответа; - команды /mode и /thinking; - Spring Boot starter для подключения OpenDaimon к внешним приложениям; - настройки для Telegram group/supergroup chats; - admin Web UI и REST admin API; - больше тестов, ArchUnit guardrails и документации; - лицензия изменена на Apache License 2.0. Можно скачать проект и запустить у себя через npm wizard: npx @ngirchev/open-daimon Потребуется Docker. Если хотите использовать локальные модели — Ollama. Если хотите OpenRouter — нужен аккаунт OpenRouter. Для поиска в интернете — аккаунт Serper. Зато все сообщения и история будут храниться у вас на сервере, а не в чужом SaaS. GitHub: https://github.com/NGirchev/open-daimon Если у вас есть GitHub-аккаунт, поставьте звезду, пожалуйста.

Хорошая картинка. Я использую все 3 подхода в разных задачах

Нет, вы посмотрите на этого еретика, о чём он вообще? Признайте: ИИ с лёгкостью уделает вас в кодинге. Нет такой задачи, на которую у вас ушёл бы день, а ИИ не сделал бы её за пять минут. Всё кончено. Код будете писать не вы. Да-да, я знаю. Смиритесь. Но вот в чём штука - это даёт вам огромную силу, потому что теперь можно делать то, о чём раньше и мечтать не приходилось. Например, подумайте о покрытии тестами: вы же помните, какая это была морока. Надо писать все эти чёртовы тесты, и вы знаете, что тесты на самом деле не доказывают, что код работает. Запускаешь code coverage, ухмыляешься и говоришь: ну да, ладно, но это же не значит, что код работает. Это значит только, что он исполняется. Так вот, теперь это можно исправить, у вас появились ресурсы, чтобы это сделать. Говорите ИИ: покрой этот чёртов код тестами. А потом берёте mutation tester (да, это такой инструмент - и пусть ИИ его вам и напишет, уйдёт минут пять), дальше ИИ запускает этот инструмент, тот вносит изменения в исходный код и прогоняет все тесты. И если тесты не падают - он допишет тест, который поймает эту мутацию, и это значит, что у вас будет покрытие тестами. Ей-богу, у вас будет покрытие тестами. И знаете, что ещё можно? Можно анализировать качество кода. Можно написать инструмент, который смотрит на цикломатическую сложность. Кстати, есть отличный инструмент для этого. Ему лет двадцать. Называется CRAP - хорошее название, как расшифровывается - не знаю и знать не хочу. Это комбинация покрытия тестами и цикломатической сложности. И вы можете сказать ИИ: понизь метрику CRAP - ниже пяти, ниже четырёх, как хочешь. И это заставит его порезать все жирные функции на маленькие и покрыть их все тестами. Ей-богу - подумайте, какие у вас теперь рычаги, чтобы довести код до качества, какого вы никогда не видели. Знаю-знаю, я тот самый старый дед с Clean Code, но вот что я вам скажу: теперь вы можете сделать код чертовски чище, если заставите ИИ сделать это за вас. Да что этот дед может знать про разработку? Хотя погодите... Да это же Роберт Мартин - "Чистый код", "Чистая архитектура", "Идеальный программист", "Быстрая разработка программ"! За последний год от умеренного скептика он окончательно перешёл в стан апологетов использования ИИ в разработке, а теперь вот сидит у себя на веранде в халате по утрам и жжот глаголом :) Да что с него взять - дед наверное просто на старости лет выжил из ума, раз такое предлагает! Нуу, а что насчёт всех вот этих людей? За 52 года программирования оно никогда не приносило столько удовольствия ⬈ 90% моих навыков теперь стоят $0 …но остальные 10% стоят в 1000 раз больше Kent Beck (XP, TDD) Появление LLM меняет разработку настолько же радикально, как переход от ассемблера к языкам высокого уровня ⬈ Меняется само понятие того, что значит "программировать" ⬈ Martin Fowler (Refactoring, PoEAA) ИИ выведет на чистую воду тех, кто никогда не умел думать как инженер ⬈ Верификация становится узким местом. Кодогенерация сама по себе дешевая ⬈ Dave Farley (Continuous Delivery) Это третий золотой век разработки софта - благодаря ИИ ⬈ Меня это не пугает. Меня это радует. Меня это освобождает ⬈ Grady Booch (UML, OOAD) Писать код руками - это как проявлять фотоплёнку в тёмной комнате. Никто так больше не делает ⬈ Тебе больше не нужны шесть разработчиков плюс UX плюс продукт. Тебе нужен человек с проблемой и разработчик, который её решит ⬈ Gene Kim (Phoenix Project, DevOps Handbook) — Это ж всё сплошь архитектурные астронавты - что они могут знать про реальную разработку: как мы перекладываем JSON'ы, про наши CRUDогенераторы, и про то, насколько важно использовать табы вместо пробелов? Ну да, ну да :) А получается у них с ИИ именно потому, что для них разработка всегда была не про написание кода. Идеи этих дедов стали актуальны как никогда. Кстати, довольно интересно отслеживать эволюцию их взглядов, а с дядей Бобом ещё и спорить иногда случается :) #rant #дедпримитаблетки

В скором времени я сделаю пост сравнение моделей opus 4.7 за 100$ и gpt-5.5 за 20$(правда мне дали промо на месяц за 0), но писать долго и сложно, а информация устареет за неделю. Потому просто скажу, 5.5 делает работу лучше, хоть и быстрее токены сжирает. У меня вечером не так много времени чтобы сжигать токены за 100 у клода, а результата он мне дает мало и менее предсказуемо 👉 Подписаться на канал

🎲 Вайбкодинг — это гемблинг Наблюдая за тем, как внедряется ИИ на работе и дома, я ощущаю по себе и замечаю по другим, что всё труднее писать код самому и всё больше хочется делегировать ии. К тому же код, который пишу я, гораздо хуже поддерживается ии, чем тот код, который ИИ пишет самостоятельно без моего участия. Сейчас я не буду фокусироваться на лучших практиках вайбкодинга и разработки с ai assistant. Я просто хочу напомнить мысль, которую уже высказывали другие авторы год назад: вайбкодинг — это гемблинг в чистом виде. Дофамин вырабатывается не в момент выигрыша, а в ожидании. И потому каждый раз, ожидая, как ии уже точно сделает ту задачу, что ты просил, ты не замечаешь, как прошла ночь. Я начинал свой многомодульный джава пет-проект без ии, он уже тогда выглядел монструозно. Пытаясь научиться работать с ии на этом проекте как на имитации реального большого интерпрайза, я заметил, что ИИ не создаёт фичи быстрее меня. Я трачу кучу времени на починку того, что когда-то работало, и суммарно я не вижу выигрыша в скорости. Но зато с ии я продолжаю проект за счёт дофаминовой петли. Сам бы я давно его бросил. Ещё ИИ очень хорошо показал себя в качестве той самой уточки 🐤, которая помогает тебе понять, что делать дальше. Ни для кого уже не секрет, что мы получаем ИИ сейчас по очень дешёвым ценам, но когда он подорожает, то мы все будем испытывать ломку 💸. 👉 Подписаться на канал