Архив рубрики ‘coding agents’

Мы искали, куда coding agents тратят токены. Дело оказалось не в промптах

Мы много разрабатываем с помощью coding agents: веб‑приложения, MCP‑серверы, пайплайны обработки данных, системы из нескольких агентов. И чем лучше становилась инфраструктура вокруг агентов, тем больше в ней появлялось инструкций, проверок, субагентов и автоматики. По идее, разработка должна была становиться дешевле. А расход контекста рос. Первое подозрение было очевидным: слишком раздутые промпты. Мы искали не там. 38 килобайт текста со смыслом «всё хорошо» Агент закончил […]

Экономика клиентской разработки с AI

С AI в клиентской разработке стало выгодно делать то, что раньше технически было несложно, но экономически бессмысленно. Какой‑нибудь специфический фильтр, дополнительный экран в админке, сценарий обработки данных… Раньше смотришь на задачу и понимаешь, что руками это несколько часов работы. Клиенту функция не настолько нужна, сколько она стоит в хорошей реализации, поэтому либо от неё отказываемся, либо ищем готовый плагин, который умеет нужное и подгружает ещё семьдесят свистелок.

Агент пишет быстрее, команда релизит медленнее: 30 дней с coding agent на реальном проекте

Первые несколько дней с AI агентом легко создают ощущение, что разработку наконец‑то «сломали». Даёшь задачу, через несколько минут получаешь diff на несколько файлов, тесты и уверенный отчёт о том, что всё готово. Если мерить производительность от момента, когда ты сформулировал prompt, до появления кода, результат действительно впечатляет. Примерно через неделю я заметил другую вещь: код стал появляться заметно быстрее, а задачи не начали с той же скоростью […]

+240% коммитов, +30% релизов: агенты упёрлись в SDLC

В сентябре NBER опубликовал работу о влиянии AI-инструментов на разработку. Авторы сопоставили публичную активность более 500 тысяч разработчиков на GitHub с телеметрией этих инструментов. У пользователей автономных агентов оценённый накопительный эффект на число коммитов достиг 240%. На уровне проектов он составил 80%, на уровне релизов — 30%. Разрыв важнее самой большой цифры. Агент может быстро […]

Что делает разработчика ценным, когда код всё лучше пишут AI‑агенты

За последний год я почти перестал писать код руками. Не буквально, конечно. Если пару строк быстрее поправить самому, я так и сделаю. Но исследования, варианты архитектуры, план реализации, тесты, миграции, разбор существующего кода и большую часть самой реализации я всё чаще отдаю агентам. Инженерной работы у меня от этого меньше не стало. Код появляется быстрее. При этом агенты уже помогают не только с реализацией. Они могут […]

Как я настроил общий AI-harness для команды разработки на Pi

Один Git-репозиторий с контекстом всей экосистемы, skills для рабочих инструментов и два интерфейса: терминал и Telegram. Инженерная задача начинается со сбора контекста Требования находятся в таск-трекере, код — в нескольких репозиториях, история изменений и pipelines — в GitLab, ошибки — в логах и мониторинге, данные — в PostgreSQL. Обычно разработчик знает, в какой системе искать […]

ИИ в масштабе: как управлять внедрением, метриками и трансформацией команды из 500+ разработчиков

За год экспериментов мы выяснили, что традиционное обучение почти не повышает adoption, а количество пользователей ещё ничего не говорит о бизнес-эффекте. Агенты могут написать от 80 до 99% кода, а могут за 12 часов разрушить архитектуру проекта. Мини-команда из двух разработчиков и бизнес-эксперта с помощью ИИ может сделать интеграционный сервис так же быстро, как команда […]