Григорий Добряков – Блог про IT+AI
Блог Григория Добрякова: управление проектами, менеджмент, разработка и тестирование
Хайп говорит «нанимайте AI». JD показывают другой спрос: production agents с evals и guardrails, Applied AI leadership, partner architecture, evaluation harness как must-have. Метод — читать кластеры ролей как org chart под давлением.
Хайп говорит «нанимайте AI». В реальных JD покупают другое: специалистов, которые отвечают за production agents, evals, Applied AI и partner delivery. Дальше — метод чтения кластеров вакансий как org chart под давлением и пять ролевых кластеров из разобранного корпуса.
Continue reading “Спрос на AI-специалистов в 2026: кого ищут по вакансиям”
Demo-grade eval одобряет фичу на тех же примерах, что и питч. Дальше прод показывает длинный хвост. Три слоя — regression из инцидентов, distribution diff к снапшоту, human spot-check — и один named owner. Минимальный harness: github.com/dobryakov/eval-harness.
Сделайте качество AI-вывода release-критерием: фиксированный regression из прошлых инцидентов, distribution-diff к снапшоту прошлого релиза (20–50 реальных входов), human spot-check перед первым продом нового вида вывода — и один человек, который подписывает sign-off. Ниже — антипаттерн demo-grade, три слоя методики и минимальный harness, который падает в CI с понятным exit code.
Без предметной подложки агент выдаёт FTP и CSV и рапортует «готово». Book-as-context — книга как wiki в проекте (рядом с LLM Wiki и book-to-skill): с короткого промпта получаются outbox, очереди, идемпотентность и отказоустойчивость.
Подложите агенту авторитетную книгу по предмету как wiki в репозитории — целиком, с индексом и ссылками, а не разовым вложением файла в диалог. Тогда даже с короткого промпта он проектирует в понятиях первоисточника: очереди, гарантии доставки, идемпотентность, отказоустойчивость. Ниже — приём book-as-context, сквозной пример магазин→ERP и ограничения метода.
Continue reading “Как делать профессиональную архитектуру ПО с AI, даже не разбираясь в теме”
Три скилла — нормально. Тридцать — стиль публикаций разъезжается, shared state затирается, поведение меняется без стека и лога. Копировать markdown в `.claude/skills/` — это найм без собеседования. Онбординг нужен не ради процесса, а чтобы поймать конфликт до того, как он попадёт в ежедневную работу.
Потому что копирование markdown в каталог — это не установка пакета. Это найм: ассистент получает новый кусок поведения, который завтра столкнётся с уже стоящими скиллами. Скилл здесь — пакет инструкций для AI-ассистента (Claude Code / Cursor): frontmatter, правила, заявленные read/write/calls. Пока входной контур пуст, каждый новый файл в .claude/skills/ — скрытый найм без собеседования и без записи в личное дело.
Continue reading “Зачем AI-скиллам онбординг, если их можно просто скопировать в каталог”
«Не удаляй прод» в system prompt — это не защита. Ограничение работает, когда модель физически не дотягивается до файлов и шелла: без прямого API к хосту, с изоляцией, фильтром команд и аудитом. Пример — enterprise-code-bastion.
Чтобы вокруг AI-агента был периметр безопасности, одного system prompt мало. Модель не должна физически дотягиваться до файлов и шелла: штатные tools выключены, наружу только MCP, исполнение в Docker на пару «проект + задача», фильтр команд до запуска, audit trail. Ниже — рабочий референс и где схема ломается.
Continue reading “Как обеспечить периметр безопасности AI-агента без опоры на system prompt”
