Category: AI-архитектура

«Если бы вайбкодинг работал, мы бы видели рост малого бизнеса» — поздравляю, вы луддит

Отсутствие вала навайбкоженных коммерческих продуктов — не доказательство того, что инструмент не работает. Это доказательство того, что вы не поняли, в каком мире оказались.

Я тут открыл для себя новую волну луддитов. На этот раз — не ткачи с кувалдами и не программисты, ноющие про «нейросеть отберёт работу». Продакт-менеджеры.

Аргумент у них один, и они повторяют его как мантру: «Если бы вайбкодинг реально работал, мы бы видели колоссальный рост новых успешных коммерческих IT-проектов во всех направлениях. А его почему-то нет. Зато каждый фаундер что-то пилит у себя в углу». Вывод, который они из этого делают: значит, вайбкодинг — пшик, маркетинговый пузырь, игрушка.

И вот тут хочется взять их за воротник и аккуратно потрясти.

Continue reading “«Если бы вайбкодинг работал, мы бы видели рост малого бизнеса» — поздравляю, вы луддит”

System One на входе пайплайна: дешёвый слой разметки между регэкспами и LLM

Модель System One — не замена LLM, а дешёвый классификатор на самом входе конвейера. Один вызов размечает сырую запись, и весь пайплайн дальше читает готовые факты из полей.

Любой пайплайн обработки данных начинается одинаково. На вход валится поток сырых записей, и первое, что нужно сделать, — понять, что это вообще такое. Какой тип, какой формат, какие атрибуты, стоит ли тратить на запись дорогие шаги ниже по течению. Обычно выбирают из двух плохих вариантов: отдать работу большой языковой модели — дорого и медленно на каждой записи, либо зашить в регэкспы и эвристики — дёшево, но хрупко и слепо к смыслу.

Между этими полюсами появился третий вариант — модели класса System One. Я поигрался с одной из них, Jev от TypeSafe, и зафиксировал вывод: самое ценное применение такой модели — не в середине пайплайна, а на самом входе, как слой разметки и обогащения.

Continue reading “System One на входе пайплайна: дешёвый слой разметки между регэкспами и LLM”

Ваш идеальный промпт — это поводок, на котором вы душите модель умнее себя

Длинный жёстко алгоритмизированный промпт не раскрывает возможности LLM, а запирает их в стенках вашего ограниченного разума. Диктуйте контекст, а не способ решения.

Промпт-инжиниринг — это вредный абсурд. Индустрия так долго внушала нам, что для работы с нейросетями нужны особые «заклинания», что мы начали принимать этот костыль за реальную потребность. Мы привыкли думать, что искусственный интеллект — это исполнительный, но туповатый джуниор, которому нужно разжевать каждый чих, иначе он обязательно свернёт не туда. Отсюда рождаются многоэтажные монстры: «представь, что ты гениальный маркетолог с двадцатилетним стажем, напиши текст в три абзаца, используй вот эти слова, не используй те, дыши через раз».

Continue reading “Ваш идеальный промпт — это поводок, на котором вы душите модель умнее себя”

«У бизнеса нет идей для AI» — нет, это он просто плюнул на вас

Если вам кажется, что у бизнеса мало идей, — у меня плохие новости. Он просто перестал вам их приносить.

Расхожий тезис про AI в разработке — что скорость разработки не нужна, потому что у бизнеса нет столько новых идей.

Если ты сидишь на уровне среднего тимлида, девопса или QA, и тебе кажется, что у бизнеса мало идей, — это может означать другое. Это не идей мало. Бизнес так задрала твоя низкая производительность, вечно проёбанные сроки и регулярные возвраты задач в багфиксинг с рефакторингом, что он плюнул на тебя и вбрасывает только неизбежные критичные задачи. Иначе невыносимо наблюдать, как ты медленно копошишься со своей архитектурой и паттернами — и всё равно на выходе косяки и переделки.

Continue reading “«У бизнеса нет идей для AI» — нет, это он просто плюнул на вас”

Архитектура протоколов ИИ-агентов: карта уровней стека

От N×M адаптеров к стандартизированным слоям: разбор десяти протоколов мультиагентных систем — от вызова функций до шлюзов безопасности.

За последние пару лет системы на больших языковых моделях прошли путь от «сгенерируй абзац» до автономных агентов. ИИ-агент в этом тексте — модуль, который получает задачу, хранит промежуточное состояние и вызывает внешние инструменты: API, файловую систему или другой сервис.

Continue reading “Архитектура протоколов ИИ-агентов: карта уровней стека”

Вы позавтракали

ИИ в руках людей с исполнительским типом мышления — катастрофа. Они обсуждают всё, кроме главного: задача решена или нет.

ИИ в руках людей с исполнительским типом мышления — катастрофа. Не потому что они плохо им пользуются, а потому что для них ценность лежит вообще не там, где результат. Она лежит в том, сколько ты личного опыта вложил, сколько усилий затратил, каким «правильным» способом шёл — и уже под конец, если останется место, какой там получился результат.

Это не акцентуация, не милая особенность характера. Это дыра в мозгу: фокус внимания намертво съехал с того, что задача решена, на процесс прикладывания усилий и на оценку — достаточно ли эти усилия были мучительны, чтобы засчитать.

Continue reading “Вы позавтракали”

Как построить на ИИ машину согласования стейкхолдеров

Согласование — это алгоритм диспетчеризации трафика между людьми. Даем агенту проектную информацию, роутер и список адресатов — и получаем счетчик открытых вопросов вместо хаоса в мессенджерах.

Согласование только выглядит как разговор. На самом деле это алгоритм диспетчеризации трафика между людьми: есть список открытых вопросов, есть список адресатов, есть правило, кому какой вопрос направить, и есть момент, когда всё сошлось. Человек делает эту работу давно и плохо — просто раньше её некому было отдать. Дальше — конструкция из нескольких агентов, которая гоняет согласование по проекту без вас.

Continue reading “Как построить на ИИ машину согласования стейкхолдеров”