У меня две основные модели для кодинга - GLM-4.6 и Qwen3-code. Недавно мне стало интересно насколько модели могут осознать сами себя и я решил начать с простой рефликсии - скажи свое имя. Результат в видео.

Активно работаю с ИИ агентами, постепенно "высушиваю" промпты и описание сабагентов до минимально работающих функций. Заметил, что в моих промптах чаще всего используются ASCII деревья.

Это происходит потому что почти все программирование это структуры и операции над ними. А самая популярная структура - дерво. Есть ощущение, что любая декомпозийия в конечном итоге - дерево.

Далее, как ни странно, в описаниях лидируют "стек" и "очередь".

А завершает цепочку рекурсивное описание.

А вот условия встречаются крайне редко.

Получается, что я работаю с агентами в функциональном стиле - и основная задача декларативно описать результат, который хочу получить, а дальше пусть сам думает.

Пришло время полезных тредов. Давайте обсудим какие llm вы запускаете локально, на каком железе и какие модельки вам нравятся. Заходите и делитесь опытом в комментариях, думаю всем будет полезно 👇👇👇

Попросил DeepSeek сделать таблицу истиности для конъюнкции, используя язык JavaScript и битовые операции, вот что получил:

console.log("Таблица истинности для a && b (битовые операции)");
console.log("a\tb\ta & b");
console.log("---------------");

// Используем битовые операции с числами 0 и 1
for (let a = 0; a <= 1; a++) {
    for (let b = 0; b <= 1; b++) {
        // Битовая операция И
        const result = a & b;
        console.log(`${a}\t${b}\t${result}`);
    }
}

На собесах, идея использования вложенных циклов - это самое популярное решение. Тем временем мне больше нравится такой вариант:

for(let i = 0; i < 4; i++) {
    const a = i & 1;
    const b = i >> 1 & 1;
    console.log(`\t${a} & ${b} = ${a && b} (${Number(!(!a || !b)}))`);
}

Здесь я добавил иллюстрацию закона Де Моргана, пока не обращайте на него внимание.

Интересно, что многие программисты жалуются на излишнюю сложность второго варианта, мол нет насмотренности на битовые операци, сложно быстро понять код.

В целом с булевой алгеброй тоже возникают сложности, часто люди не могут применить закон Де Моргана, чтобы упростить свои условия. Я, конечно, по-стариковски думаю "Да, были люди в наше время, Не то, что нынешнее племя", но понимаю, что код должен быть понятен всем участникам проекта и первый вариант имеет в этом смысле явное преимущество, но при этом я хотел бы работать с ребятами, которые легко читают второй вариант, в целом это будет совсем другой "средний уровень команды".

Поэтому, интересно ваше мнение какой из двух вариантов кода вам нравится больше и почему? Пишите в комментариях 👇👇👇

Есть мнение, что микросервисы сильно переоценены. Хочу сказать пару слов на эту тему.

Вчера на созвоне разбирали архитектурный ландшафт сервисной архитектуры. Традиционно ребята уперлись в тонкое место SOA — общую шину предприятия. Попытались использовать API-gateway и вместо оркестрации уйти в хореографию. Нетрудно догадаться, что решение сразу стало не в SOA-стиле, а обычными микросервисами.

Мне кажется, что исторически именно раздутые ESB заставили уходить организации в микросервисы. И это остро чувствуется, когда сам сталкиваешься с задачей и ощущаешь всю неповоротливость шины.

Один такой практический созвон заменяет сотни споров, потому что в теории все просто, а практика показывает обратное.

Поэтому очень важно для усвоения материала пройти путь от монолитов через сервисы к микросервисам, без этого нет понимания "болевых" точек, которые привели индустрию к текущему состоянию. Микросервисы получились не случайно, они являются закономерным результатом многолетнего набивания шишек.

Интересно получается — одним ИИ даёт буст производительности, возможности для роста и развития, другие упираются в энтропию и тонут под грузом ошибок.

Мне кажется, что современный мир разработки как никто нуждается в компетентных инженерах, иначе будет как на скрине выше.

Вышло видео, где Сэм Альтман отвечает на вопросы по ИИ. Некоторые мысли сильно коррелируют с моими собственными. Похоже, индустрия меняется гораздо быстрее, чем наша способность осознать эти изменения, и тренды довольно интересные:

- Бизнес вынужден бороться за «внимание». Раньше в цене была «сложность» решения задач, а теперь, как будто, сложности нет — все идеи, которые приходят в голову, можно быстро реализовать и продвинуть на рынок. Проблема в том, что другие участники тоже могут быстро выпускать новые продукты, реализующие другие идеи. В новой системе ограничением является внимание пользователей, бизнесу всё сложнее будет бороться за внимание, и чтобы преуспевать в этом направлении, на первый план выходит ценность, которую несёт продукт.

- Есть два направления дальнейшего развития ИИ — увеличение скорости работы моделей либо уменьшение стоимости. Здесь нужно искать баланс, потому что нельзя сделать быстро и дёшево одновременно, по крайней мере не сразу. Поэтому, скорее всего, сначала станет «дёшево»: в ближайший год-два цена может упасть в 100 раз.

- Была интересная мысль о том, что ИИ может нести большие угрозы в области биологии и создания новых патогенов. Это направление сложно контролировать через «запреты», нужно вырабатывать с помощью ИИ ответные меры, повышающие устойчивость.

Вывод из разговора простой - ИИ поможет писать код быстрее, продвнет возможности персонализации под конкретных людей (когда под каждого человека можно будет создавать свой софт), но процессы, борьба за внимание, ценность идей, человечиские отношения - те сферы, где ИИ пока не конкурент людям.

🚀 БАЗОВАЯ ЗАЩИТА LINUX СЕРВЕРА ЗА 10 МИНУТ

Самая частая причина взлома - открытый SSH и слабые настройки по умолчанию.
Сделай минимум: обнови пакеты, включи фаервол, запрети root-вход, отключи парольный SSH, включи Fail2ban и авто-апдейты безопасности.
Это 80% защиты для любого VPS.

sudo apt update && sudo apt -y upgrade

sudo adduser admin
sudo usermod -aG sudo admin

sudo sed -i 's/^#\?PermitRootLogin.*/PermitRootLogin no/' /etc/ssh/sshd_config
sudo sed -i 's/^#\?PasswordAuthentication.*/PasswordAuthentication no/' /etc/ssh/sshd_config
sudo systemctl restart ssh

sudo ufw allow OpenSSH
sudo ufw allow 80,443/tcp
sudo ufw --force enable

sudo apt install -y fail2ban unattended-upgrades
sudo systemctl enable --now fail2ban
sudo dpkg-reconfigure -plow unattended-upgrades

Выпустил видео "Дорожная карта по изучению ИИ (начало)" это видео сделал около месяца назад и пока оно было в монтаже некоторые вещи уже успели измениться, вышли новые модельки, появились новые инструменты, случился OpenClaw, но основная часть осталась актуальной, поэтому рекомендую посмотреть тем, кто в самом начале пути.

YouTube | VK | RuTube

Напоминаю, что у меня есть канал в Max

Выпустил ролик "Движение к цели короткими шагами". Сейчас часто стал слышать, что появление ИИ сильно изменило профессию и объемы новой заметно выросли, активно развиваются идеи, подходы, появляется новый софт и т.д. и т.п. из-за этого люди чувствуют себя в состоянии гонки и постоянного напряжения. Мне кажется, что это важная тема для разговора, поэтому решил снять короткое видео где изложил свои мысли как можно и нужно справляться с информационным потоком. Надеюсь вы найдете для себя что-то полезное, обсудить можно в комментариях к этому посту.

YouTube | VK | RuTube

21.02.2026 10:00 Мск

Проведу архитектурный стрим (только для платных подписчиков soer.pro)

В рамках встречи поговорим о том какое влияние ИИ оказывает на архитектуру программного обеспечения и как это в свою очередь влияет на нас программистов.

Темы:

- Разберём разницу между AI Ready и AI First с позиции архитектуры

- Поговорим про принципы построения новых систем:
→ Токены - Контекст - Оркестрация (три кита современных ИИ систем)
→ Почему SOLID и другие принципы уже не так важны.

- Токены - новое золото
→ Проблемы долгосрочной памяти - как их решать
→ Контекстное окно - как его правильно использовать

- OpenClaw
→ Общая архитектура
→ Оркестрация, память, контекст и агент

Формат: доклад + круглый стол.

Пока не определился с площадкой, будет зависеть от того сколько человек решит подключиться. У нас есть группа Лаборатория ИИ подключайтесь, там будет голосование и примем решение где провести трансляцию.

Использование ADR в качестве источника правды при архитектурном ревью - идея отличная. Были споры, что это сработает, поэтому провели исследование: Evaluating Large Language Models for Detecting Architectural Decision Violations, которое подтвердило, что идея рабочая.

Стоит отметить что не все архитектурные задачи ИИ делает хорошо, но в целом с контролем решений он справляется.

Коротко:взяли около 100 репозиторев и почти 1000 adr, построили пайплайн из моделей, которые проводят анализ и оценивают результаты, используя ADR. Проверку поручили людям. Оказалось, что оценка людей в большинстве случаев совпадает с ИИ.

Нюансы: ADR были написаны людьми, код тоже людьми. Способность контролировать не значит, что ИИ смог бы грамотно спроектировать и поддерживать базу решений.

Что это значит? Скорее всего ревью кода и архитектуры в будущем будет делать ИИ, а архитекторам поручат исправление.

Выпустил ролик "Чему учиться программисту в первую очередь". Это ответ на вопросы подписчика о том как совместить изучение базовой теории, технички и новых реалий, связанных с изучением ИИ.
YouTube | VK | RuTube

Развитие систем разработки с помощью ИИ идет не только за счет увеличения мощности LLM. Одно из направлений — создание мультиагентных систем. Я запустил небольшой эксперимент, в рамках которого создаю небольшую LMS (это аналог NarisApp). Задача — проверить, можно ли доверить разработку небольших проектов искусственному интеллекту.
Первые результаты — в видео ниже.

YouTube | VK | RuTube

Мы вчера обсуждали, что далеко не каждая кодовая база готова к тому, чтобы ее смог сопровождать ИИ, вот статья, где больше конкретики

Коротко:
Проблема в том, что ИИ не умеет накапливать контекст. Все, что он получает на вход, он счтает достаточным для принятия решения. Причем, даже если ему дать инструкцию проверить хватает ли данных в контексте, он с высокой вероятностью не сможет качественно отличить ситуацию от "минимально достаточного" и "реально необходимого".

Люди в силу способности к самообучению, накоплению знаний и прочим когнетивным способностям, не так остро чувствуют эту проблему. Поэтому справляются даже со сложными кодовыми базами намного лучше.

Что можно сделать?
Чтобы ИИ начал лучше работать с кодом, в статье прделагается следующее:

- Перестраивайте компоненты так, чтобы они заканчивали работу, а не запускали цепную реакцию. В статье сказано дословно сказано "Sinks, Not Pipes" идея в том, что каждая функция должна завершать свою работу,а не порождать цепочку вызовов после себя. От себя добавлю, что это классическое разделение на main и утилитарные функции.

- Используйте разделение на модули, с понятным и непротиворечивым интерфейсом. Здест тоже все по классие - границы и обязанности

- Используйте "глубокие" модули, модуль может содержать сложную логику, но она должна быть полностью инкапсулирована и скрыта за небольшим интерфейсом, не надо делать кучу "мелких" зависимостей вокруг модуля.

- Файловая структура должна соответствовать модульной декомпозиции или принцип "честной архитектуры". Тут важно чтобы нейминг и логика были прозрачные и понятные.


Чтобы облегчить работу ИИ можно использовать тесты, как источник правды: тесты проходят, значит все ок.

Резюме:

• Организуйте папки так, чтобы архитектура читалась с первого взгляда
• Сделайте тесты границами - проходят, значитможно не лезть внутрь
• Проектируйте интерфейсы честно - никаких скрытых эффектов
• Регулярно проверяйте зависимости - отлавливайте "скрытые связи"
• Внедряйте прогрессивное раскрытие - от общего к частному