Григорий Добряков – Блог про IT+AI
Блог Григория Добрякова: управление проектами, менеджмент, разработка и тестирование
Одна и та же LLM за четырьмя интерфейсами ведёт себя по-разному. Различается не модель, а оркестрация вокруг неё — управление контекстом, детерминированность, кэш, роутинг.
Один и тот же промпт можно отправить в модель четырьмя способами: набрать в веб-чате, отдать консольному агенту, вызвать из кода через SDK или собрать HTTP-запрос руками. Ответ вернётся похожий. А вот система вокруг него получится разной по задержке, стоимости, предсказуемости и безопасности — и разница эта возникает не в модели, а в слое, через который вы к ней обращаетесь.
Continue reading “Чат, CLI, SDK или голый HTTP: какой слой доступа к LLM выбрать под задачу”
Бизнес никогда не хотел улучшать сотрудников — он хотел снизить зависимость от них. «Усиление» одного делает лишним другого.
«ИИ должен усиливать человека, а не заменять его!» — пишут мне сотни людей. Разумеется, среди них нет ни одного руководителя.
Помимо очевидной инфантильности этого тезиса — который звучит как плаксивое «позязя, ни заминяйте миня!» — давайте серьёзно разберём экономику процесса. Не эмоцию, не мораль, а арифметику, по которой на самом деле принимают решения о найме и сокращении.
Главный вопрос, который тут пропускают: с чего вы взяли, что кто-то вообще хочет вас усиливать?
Continue reading “«Усиливать, а не заменять» — а с чего вы взяли, что кто-то хочет вас усиливать?”
Компании не ограничивают токены LLM — их считают и оптимизируют, как любой счёт за инфраструктуру. Дефицит ИИ — миф, рождённый перепутанным глаголом.
— По всему миру компании ограничивают потребление токенов LLM! — кричат мне. — Ура, скоро мы снова вернёмся к ручной разработке!
Нет. Совсем не так.
Кто-то услышал слово «лимит», сложил его со словом «токены» и получил апокалипсис: доступ к ИИ по талонам, очереди за килобайтами, возвращение золотого века ручного кодинга. Красивая история — разваливается на первом же вопросе: что, собственно, вы собрались ограничивать?
Continue reading “Никаких талонов на ИИ: вы перепутали бюджет с дефицитом”
Минус 20% на очных экзаменах — не «цифровое слабоумие» молодёжи, а явка с повинной академической системы, которая измеряет обесценившийся навык.
Консерваторы от образования снова нашли виновника всех бед. Статистика непреклонна: школьники и студенты, привыкшие готовить домашние задания с помощью нейросетей, сдают очные экзамены без гаджетов в среднем на 20% хуже предыдущих поколений. Реакция системы предсказуема: крики о «цифровом слабоумии», призывы банить генеративный ИИ на корню и ужесточать прокторинг.
Семнадцать человек за неделю написали мне, что AI в руках заказчика бесполезен — потому что заказчик не сформулирует production-ready ТЗ. Семнадцать взрослых человек не додумались до простой вещи: заказчику не надо ничего формулировать. Клод сформулирует себе сам.
Аж целых 17 человек за неделю написали мне одно и то же: AI в руках заказчика не принесёт результата, потому что заказчик не способен сформулировать production-ready постановку задачи. Семнадцать взрослых людей среди моих активных подписчиков не смогли додуматься до простой вещи — той самой, которая рушит всю их конструкцию в один ход.
Ручная вычитка генерации глазами — не инженерная зрелость, а ставка на человека в критической цепи. Руководитель, который на неё полагается, проиграет тем, кто построил автоматический контроль.
Есть популярное утверждение: код и скрипты, которые сгенерировала модель, надо обязательно проверять вручную — вычитывать глазами то, что она выдала. Звучит как здравый смысл, как ответственность, как зрелая инженерная культура.
Само по себе это утверждение абсолютно безумно. Оно делает работу с ИИ более медленной и бессмысленной. Зачем тогда вообще нужна модель, если к ней ещё нужно приставить инженера — как рабочего к станку? ИИ придумали, чтобы заменить инженера, а не чтобы замедлить его ещё сильнее.
Continue reading “«ИИшный код надо вычитывать глазами» — и это диагноз вашему руководителю”
Автоматический сбор контекста без осознания смысла заливает в один промпт противоречащие версии правды. Решение — модель-арбитр, отдельный этап между скриптом сбора и целевой LLM.
Когда разработчики впервые открывают для себя контекст-инжиниринг, всё выглядит максимально прямолинейно: нашёл нужную информацию, засунул в промпт, получил адекватный ответ. Пока контекст умещается в пару параграфов или собирается руками — так оно и работает, вопросов нет.
Настоящий ад начинается в тот момент, когда сбор контекста отдаётся на откуп автоматике, которая парсит десятки файлов, баз данных и сторонних API.
Continue reading “Контекст превратился в мусоропровод: модель-арбитр между сбором и целевой LLM”
Исполнитель с Клодом в руках конкурирует не с другим исполнителем — он конкурирует с самой моделью. И проиграет, потому что модель обучена на всех человеческих навыках сразу.
Многие ищут, как зарабатывать, когда часть работы забирают AI-инструменты, — универсальной стратегии, похоже, нет: слишком быстро меняются инструменты, цены и ожидания заказчиков, — я раз за разом натыкаюсь на одно устойчивое заблуждение. Если обобщить, звучит оно так:
— Заказчик не сможет применять AI так же профессионально, как профессионал. Как я.
В этой логике есть слабое место. Вот где она ломается.
«Без знающего человека AI не работает» — это не свойство AI. Это либо признак плохой инженерии, либо заявка на регулярный счёт за присутствие.
Мне регулярно объясняют, почему без человека с AI никак. Нужно знать массу нюансов. Нужно проверять решения модели. Нужно разбираться в предметной области. Вывод подаётся как самоочевидный: значит, к каждому AI-контуру должен быть приставлен знающий инженер, и его участие — необходимое.
Я скажу честно, только вы не обижайтесь: в девяти случаях из десяти «необходимое участие» — это не про инженерию. Это про то, кто будет получать за присутствие.
Continue reading “Профессионал делает отчуждаемый инструмент. Остальное — рента за присутствие”
«Обязано» — не закон природы, а защита уютного кресла. Граница делегируемого суждения подвижна, а model-as-a-judge — рабочая практика.
Есть фраза, которую произносят с таким лицом, будто цитируют закон сохранения энергии:
— ИИ может быть отличным исполнителем, но суждение о результате должно оставаться за человеком!
Красиво. Уверенно. И всё время хочется спросить одно: а почему, собственно, ДОЛЖНО?
Не «удобно ли», не «привычно ли», не «страшно ли отпустить» — а именно это железобетонное «обязано». Кто выдал обязанность? Где она записана? Звучит не как вывод из практики, а как установка, которую очень не хочется проверять.
