Первая пенсия 5000 рублей.
А теперь, как я это хорошо умею делать, накладываю на всех причастных к расчетам, начислениям и кражам моей пенсий твёрдое проклятие и долг в 20 миллионов рублей на каждого из них и членов их семей в свою пользу. Имена называть не буду — они всем известны. Аминь.
Принимайте в свои ряды, товарищи пенсионеры!
Главным трендом предыдущего года стал переход от простой генерации к полноценным ИИ-агентам — но не все так гладко, как кажется. Я Михаил, ведущий инженер по разработке и приглашенный эксперт Пикабу. В этой статье поделюсь своим опытом внедрения ИИ в рабочие процессы. Расскажу, где получилось оптимизировать работу — а где наоборот, пришлось все отдать человеку.
В эпоху ИИ получается даже так, что некоторые разработчики даже гордятся тем, что могут навайбкодить полноценный микросервис, не написав ни строчки самостоятельно. Однако нейросеть не всегда повышает продуктивность. Более того, при неумелом использовании проект быстро превращается в макаронный код.
Нейросеть — это junior-разработчик, который знает синтаксис языка, но очень плохо понимает в проектировании и ничего не подозревает о вашем legacy-коде. Поэтому я начал изучать, как правильно писать ТЗ. Четкая документация для каждой задачи поможет избежать макаронного кода и запутанных решений с неявными зависимостями.
В идеале рабочий процесс должен выглядеть так:
Выбираем задачу, например создать микросервис авторизации и аутентификации. Делим ее на несколько мелких шагов.
Для каждого шага прописываем детальное ТЗ, в котором указано: какие нужны API, методы и структуры данных.
Отправляем это ТЗ в ИИ и просим его написать код.
Дополнительно в ТЗ добавил сценарии использования по методу Behaviour-Driven Development. Это методология разработки, в которой функции системы описываются на простом языке. Обычно используется Gherkin, который включает:
начальное состояние системы;
действие или событие, которое происходит;
ожидаемый результат этого действия;
важные «И» / «Но» — дополнительные условия для уточнения шагов.
Однако ИИ не всегда понимает, как использовать эту методологию, поэтому я стал применять несколько агентов. Первому задавал роль DevOps, второму — тестировщик, третьему — программист и т. д. Получилось неплохо: одна модель на пару со мной писала ТЗ, а остальные его критиковали и вносили правки. Иногда нейросети вносили по десять правок только для одного пункта.
Каждый день после основной работы я занимался внедрением ИИ в рабочий процесс: брал небольшую задачу, генерировал для нее ТЗ, а затем писал код. В итоге получилось собрать небольшой мессенджер с авторизацией по логину и паролю, базой данных и простым веб-интерфейсом. От нейросети даже удалось добиться досконального тестирования frontend с прокликиванием всех сценариев. Также ИИ написал полное покрытие тестами кода.
Результат работы за две недели. Backend написан ИИ, HTML-шаблон взял с GitHub
Кажется, что все хорошо: приложение работает, код пишется сам — можно увольнять всех специалистов и ставить ИИ-агентов. Но мне все еще приходится править ТЗ и быть внимательным на каждом этапе. Кроме того, у меня есть хорошая экспертиза в архитектуре современных веб-сервисов. Если бы я не имел опыта в коммерческой разработке, ничего бы не получилось.
Осознав все детали технологии и набив руку, я решил, что нейросеть все же стоит использовать в рабочих процессах. Для реального проекта выбрал Claude Code, в который отправлял подробное ТЗ, частично написанное мной, а частично через популярные языковые модели. Агент подготавливал код, я делал его ревью — и уже через три итерации получилось готовое решение. Если же задача была внутри уже существующего кода, тогда применял Cursor.
Весь процесс занимал два-четыре часа каждый рабочий день. За две недели получилось закрыть 14 задач — это в два раза больше, чем нашей команде удавалось сделать ранее.
Собрать ИИ-агента под свои рабочие задачи, чтобы сэкономить время и автоматизировать рутину, поможет онлайн-курс «ИИ-агенты и автоматизация» — проходите бесплатную вводную часть, знакомьтесь с программой и форматом обучения и уже потом решайте, хотите ли продолжать.
Все было хорошо, но уже через неделю начали появляться первые баги. Например, нужно было сделать новый модуль авторизации. Я загрузил в ИИ код, попросил написать unit-тесты — и через несколько минут получил результат. Все выглядело отлично: проверки есть, покрытие выросло, CI проходит. Однако после отправки в производство мы получили жалобы от пользователей: некоторые не могли войти в систему после смены пароля.
Когда начал разбираться, выяснилось, что проблема была в одном неочевидном сценарии. В нашей системе после смены пароля старые cookie пользователей должны удаляться, но в коде это было реализовано через отдельный сервис, а не внутри самого модуля авторизации. ИИ-агент же засунул эту функциональность в сам модуль.
Человек, который хоть немного знаком с продуктом, скорее всего спросил бы: «А что происходит с уже активными сессиями после смены пароля?» Однако агент лишь выполнил задачу по ТЗ. Тут я понял: контекстное знание разработчика о продукте нельзя заменить ИИ-запросом, по крайней мере пока.
ИИ-агенты теперь стали не просто помощниками, а частью рабочего стека. Если раньше от новичка требовали знаний по языку и фреймворку, то сейчас к этому добавляется осознанное использование нейросетей для генерации кода.
Чтобы избежать ошибок в продакшене, я стал четче прописывать требования в запросе ИИ, заранее обдумывал возможные ошибки нейросети, а также проводил детальный ревью-кода. С таким подходом на задачу, которая раньше требовала один-два часа, могло уходить до четырех-пяти часов.
К этому добавилась еще одна проблема: агент терял контекст с течением времени. Пришлось завести дополнительный txt-документ на несколько сотен строк и постоянно поддерживать его в актуальном состоянии.
Через месяц работы я обнаружил, что большую часть дня обслуживаю интересы ИИ, а не занимаюсь своими обязанностями. При этом наша команда действительно стала делать больше: мы закрыли фичи, которые висели год, и весь код покрыли тестами. Руководство это видело и ставило еще больше задач.
Спустя два месяца я сделал вывод: часть работы автоматизируется, но высвободившееся время тратится или на поддержание этой автоматизации, или на решение новых задач.
На одной из планерок я поднял тему: нам нужен дополнительный человек в команду. Руководство компании согласилось и выделило бюджет на новичка. Спустя месяц наняли начинающего разработчика, на которого я переложил свои обязанности по управлению нейросетью. Конечно, мне потребовалось потратить время, пока сотрудник вникнет в контекст и изучит продукт. Однако результат себя оправдал.
В следующем месяце благодаря грамотной интеграции ИИ в рабочий процесс и новичку, который взял на себя управление нейросетью, у нас получилось поставить рекорд по количеству выполненных задач.
Мой опыт и крупные исследования показывают: нейросети не заменят программистов. Однако эта технология способна сильно изменить подход к работе. Чтобы не остаться без нужных навыков в будущем, развивайтесь как специалист.
В Практикуме есть ИИ-курсы под разные цели. Например, освойте вайбкодинг и научитесь с нуля собирать IT-продукты только с помощью нейросетей. Или создавайте ИИ-агентов, обученных конкретно под ваши нужды. Или просто овладейте нейросетями для работы и на профессиональном уровне генерируйте идеи, проводите исследования и ставьте задачи другим специалистам.
У всех наших курсов есть бесплатная вводная часть — пробуйте и изучайте только то, что полезно для вас.
Реклама. ООО «Яндекс», ИНН: 7736207543
В предыдущих постах я рассказывал, как появилась идея автоматической печати номера ячейки.
Сначала мы сделали её... для себя.
Не было цели создать большой IT-проект или открыть новый бизнес.
Была обычная рабочая задача.
Нужно было избавиться от ошибок, которые возникали, когда сотрудники вручную писали номера ячеек маркером на коробках.
Мы сделали небольшую программу.
Она автоматически печатала номер ячейки на термоэтикетке.
Попробовали в работе.
Оказалось - удобно.
Ошибок стало значительно меньше.
Поиск заказов ускорился.
Но самое интересное мы заметили во время приёмки товаров.
Сотруднику больше не нужно было каждый раз писать номер ячейки маркером или сразу относить каждый принятый заказ на своё место хранения.
Достаточно было отсканировать заказ, получить готовую этикетку с крупным номером ячейки, наклеить её на коробку и продолжить приёмку следующих товаров.
Разнести все заказы по ячейкам можно было позже - спокойно, без спешки и без риска что-то перепутать.
На большом потоке это экономило уже не секунды, а вполне ощутимое рабочее время.
Тогда появилась мысль:
"А ведь с такой проблемой сталкиваемся не только мы."
В 2023 году мы решили сделать сервис доступным для других ПВЗ.
Честно говоря, тогда сложно было представить, что из этого получится.
Никто не знал, будет ли вообще кому-то нужна такая, на первый взгляд, небольшая программа.
Постепенно начали подключаться первые пользователи.
Они рассказывали о своих проблемах, предлагали идеи, просили добавить новые функции.
Практически каждое обновление рождалось не в нашем офисе, а после общения с реальными сотрудниками и владельцами пунктов выдачи.
Шаг за шагом сервис развивался.
Сегодня программу «Моя ячейка» используют уже более 4000 пунктов выдачи заказов по всей России и странам СНГ.
И, если честно, для нас это до сих пор немного удивительно.
Ведь всё началось не с грандиозного бизнес-плана и не с поиска инвестиций.
Началось с обычного вопроса:
"Как сделать так, чтобы сотрудники перестали ошибаться при размещении заказов и тратили меньше времени на рутинные операции?"
Наверное, именно так и появляются многие полезные продукты.
Сначала решаешь собственную проблему.
Потом оказывается, что точно такая же проблема есть ещё у тысяч людей.
Спасибо всем пользователям, которые за эти годы писали отзывы, сообщали об ошибках, предлагали идеи и помогали сделать «Моя ячейка» лучше.
Без вашей обратной связи этот проект точно не стал бы таким, каким он является сегодня.
Рисунок арфиста из гробницы Нахта, ок. 1422-1411 до н. э.
Следуй своему сердцу, пока ты живешь! Возлагай мирру на голову свою, одевайся в тонкие полотна, умащайся чудесными, истинными мазями царей! Умножай удовольствия, которые ты имеешь, и не давай поникнуть своему сердцу. Следуй желанию его и благу своему! Совершай дела твои на земле по велению своего сердца и не печалься до того, как придёт к тебе день оплакивания.
«Песнь из дома усопшего царя Антефа, начертанная перед певцом с арфой»
Если, гуляя по пляжу, вы нашли симпатичный камушек, не смогли пройти мимо и на всякий случай положили его в карман, то вы – выдра. Ну или калан. Вот только вы этим камнем, скорее всего, не воспользуетесь, а они – воспользуются, да ещё как!
В этом довольно известном видеоролике животина вообще проявила себя продвинутым дельцом, выменяв у дяденьки рыбку на красивый камень. Неизвестно, понимала ли она, что делает, или это всё же случайность, но отношения у выдр с камнями действительно исключительно трепетные, и это совсем не спроста.
Моя прелес-с-сть!
Камни выдры и каланы используют в качестве инструментов для добычи пропитания, поскольку основу их рациона составляют разнообразные моллюски, некоторые из которых открыть без помощи инструментов не то, что выдре – нам-то с вами бывает непросто. Для этих целей каланы собирают коллекцию: у них есть камни, играющие роль молотка, и камни, играющие роль наковальни. В зависимости от формы раковины, животины либо бьют камнем по моллюску, либо моллюском по камню.
Камни свои выдры и каланы где попало не разбрасывают, ведь подобрать правильный камень – это настоящее искусство, а главная большая удача. Оставишь вот так свою прелесть на бережке, а её и сопрут. Бескоготные выдры, например, свои камни как следует прячут, надеясь, что никто не найдёт, а вот каланы пошли дальше и всегда носят камни с собой. Но где? А в карманах. Карманы у них расположены подмышками и представляют собой глубокие складки шкуры. Влезают туда, кстати, не только камни, но и запасы провизии.
Ещё одно интересное наблюдение, которое сделали специалисты, заключается в том, что самки пользуются камнями для вскрытия моллюсков значительно чаще, чем самцы. Учёные полагают, что у дам просто рот поменьше и зубки более слабые, но, возможно, мужчинам-каланам банально лень лезть в карман за камнем. Зубами быстрее, а то, что парочку в процессе можно обломать, так не зубы красят джентльмена.
Впрочем, наевшаяся и наслаждающаяся послеобеденным отдыхом выдра о своих камнях тоже не забывает. В часы досуга они служат игровыми снарядами, которыми так весело играть как в одиночку, так и в компании. А ещё камень можно подарить в качестве символа привязанности родственнику или возлюбленной. Возможно, тот зверёк из видеоролика – вовсе не ушлый бизнесмен, а просто хотел подружиться с человеком?
Ещё больше интересного о живой природе на канале ЗУБ: записки учителя биологии: в Телеграм | в Макс
Это кошка абиссинской породы, строптивая
Спасибо работникам магазина, что придержали кошку и помогли поймать🥰
Кошка молодая и очень красивая
Кошка в глубоком загуле
Очень худая и голодная
Кошке нужен дом и новый хозяин, с пониманием породы.
Звоните, пишите 89117181858 Наталья https://vk.ru/nvmil
Пришёл вчера ответ на Русторе от разработчика:
Нотариально заверенный скриншот
Всего-то ждать пришлось три года и один телефон )).
