Pull to refresh
2

Software engineer

1
Subscribers
Send message

AI-агент в проде для тех, кто вкатывается: инструменты, RAG, надёжность и проверки

Level of difficultyMedium
Reading time15 min
Reach and readers13K

Агент застрял и сделал 100 ходов вместо 30. Ходов в 3,3 раза больше, а денег в 5,3 раза: каждый ход заново читает всю историю. А если процесс упал на 25-м ходе и задачу запустили с нуля, она дорожает на 81%, и все уже сделанные действия повторятся. Письмо клиенту уйдёт дважды.

Собрал практики, которые отделяют агента из демо от агента в проде. Какие инструменты давать модели и как держать контекст коротким. Когда RAG не нужен вовсе, а когда поиск по словам и переранжирование сокращают провалы с 5,7% до 1,9%. Как ограничить цикл и бюджет, какие ошибки повторять, как сделать инструмент идемпотентным, зачем Temporal и как спрашивать подтверждение у человека. Плюс наблюдаемость, проверки, защита от prompt injection и чек-лист из 13 пунктов.

Почему письмо уйдёт дважды

Может ли ИИ писать автотесты за QA-инженера? Проверили на реальных задачах

Level of difficultyMedium
Reading time11 min
Reach and readers9.7K

Привет, Хабр! Меня зовут Евгения Мясникова, я QA-инженер SpaceWeb. Передавать искусственному интеллекту рутинные задачи тестирования — подготовку черновиков тест-кейсов, первичное покрытие, оценку трудозатрат и другие — уже стало привычной практикой. Однако при таком разнообразии инструментов важно понять, как эффективно встроить ИИ-агентов в рабочие процессы и распределить задачи между специалистом и нейросетью.

В этой статье расскажу, как мы совместно с руководителем отдела исследований и разработки SpaceWeb Виталием Киреевым разработали первоначальную модель взаимодействия QA-специалиста с LLM. Для работы с чувствительными данными мы интегрировали агента с локальной моделью Qwen3.8-27B. На реальных примерах покажу, в каких задачах ИИ действительно нам помог, а где его применение пока вызывает вопросы.

Читать далее

Lighthouse CI: автоматизируем проверку производительности сайта

Level of difficultyMedium
Reading time8 min
Reach and readers6K

Проверить производительность веб-приложения через Lighthouse несложно. Но после очередного изменения в коде показатели могут ухудшиться, и если запускать аудит только вручную, такие изменения легко пропустить.

В своём проекте я решил автоматизировать проверки с помощью Lighthouse CI и GitHub Actions, чтобы регулярно отслеживать метрики производительности и замечать регрессии.

В статье покажу, как настроить такие проверки, какие метрики стоит контролировать и как анализировать результаты. Также поделюсь практическим примером из своего проекта, где после оптимизации удалось снизить LCP с 12,3 до 3,0 секунды.

Читать далее

Бот уже отвечает. А продукт где? История разработки сервиса с ИИ

Level of difficultyMedium
Reading time18 min
Reach and readers37K

Друг принёс Telegram-бота, собранного с помощью ИИ: видео обрабатываются, кнопки работают, осталось арендовать сервер. Потом выяснилось, что параллельное приложение умеет параллельно ждать одну блокировку, а двенадцать обработчиков иногда медленнее пяти. Рассказываю, как мы превращали вайбкод в сервис: от SQLite до PostgreSQL, очередей, общего хранилища и деплоя по кнопке. И почему промпт «сделай хорошо» всё ещё не заменяет инженерные знания.

От вайбкода к продакшену

Как разработчику из РФ начать принимать платежи через App Store без ВНЖ

Level of difficultyEasy
Reading time5 min
Reach and readers6.2K

Всем привет! Хочу поделиться личным опытом того, как после переезда из России мне удалось начать принимать оплату в своих iOS приложениях, будучи гражданином РФ без ВНЖ. Расскажу, как менял регион аккаунта с России на Армению через саппорт Apple, как заполнял W-8BEN и что нужно, чтобы зарегистрировать аккаунт на юрлицо.

Читать далее

Я устал от VLESS-клиентов и написал свой. Rust, EvertyUI, Mihomo и немного экспериментов с ИИ

Level of difficultyMedium
Reading time12 min
Reach and readers112K

Привет, Хабр!

Меня зовут Артур Валиев и в какой-то момент я поймал себя на мысли, что для подключения к VPN мне приходится открывать приложение, в котором настроек едва ли не больше, чем в самом Windows.

Читать далее

Своя CRM для инженерной компании: как мы вдвое сократили цикл сделки

Level of difficultyEasy
Reading time9 min
Reach and readers8K

Мы продаём инженерные узлы для отопления и водоснабжения многоэтажек. Каждая сделка — расчёт под конкретный дом, коммерческое предложение, договор, закуп, сборка и отгрузки партиями по графику стройки. Ещё недавно эта цепочка жила в Битрикс24, отдельном калькуляторе, 1С и рабочих чатах.

Мы написали свою CRM. Раньше от заявки до подписанного договора проходило около двух месяцев, теперь — около месяца: сделки закрываются примерно вдвое быстрее. Сильнее всего сократился первый отрезок: раньше КП уходило заказчику через 3–4 дня после заявки, теперь — на следующий день. Ниже — где на самом деле терялось время, что мы для этого сделали и на какие грабли наступили.

Читать далее

Встроенная виртуальная файловая система node:vfs вошла в состав Node.js

Reading time3 min
Reach and readers5.3K

В состав среды выполнения Node.js вошел экспериментальный модуль node:vfs, позволяющий организовывать данные в виртуальные файлы и каталоги без их прямого размещения на физическом диске. Первая версия функциональности появилась в версии Node.js 26.4.0, после чего инструмент получил интеграцию с загрузчиком модулей и поддержку архивов. Для работы с виртуальной файловой системой требуется передать флаг --experimental-vfs.

Модуль объединяет провайдер хранения данных с интерфейсом, аналогичным стандартному модулю node:fs. Вызов метода mount() резервирует изолированное пространство имен, путь к которому выбирается автоматически средой исполнения. На системах POSIX используется путь вида /dev/null/vfs/0, а в Windows применяется соответствующее пространство имен null-устройства. Запрошенный путь внутри смонтированной системы принадлежит исключительно этой виртуальной файловой системе, поэтому при отсутствии файла поиск на физическом диске не выполняется.

Читать далее

Комнатный RAG: бесплатный ИИ-помощник-консультант по содержимому сайта

Level of difficultyMedium
Reading time20 min
Reach and readers10K

Можно ли превратить обычный сайт небольшой компании в ИИ-консультанта и уложиться в бесплатные квоты хостинга? На примере показываем, как собрали такого помощника с агентом на платформе Cloudflare.

Внутри — семь этапов: от подготовки базы и сравнения моделей до проверки темы, ограничений расхода и ссылок на разделы сайта. Разбираем реальные ошибки: выдуманные кейсы, пустые ответы и “сортировку на Python” вместо консультации по услугам сайта. Скриншоты, пошаговая инструкция для воссоздания и ссылка на работающий чат.

Как мы это собрали

Оптимизация сайта под нейросети

Level of difficultyEasy
Reading time9 min
Reach and readers9.8K

«Спросил у ChatGPT про вашу компанию — он назвал трех конкурентов». Если вы работаете с сайтами, такую фразу вы слышали уже не раз. При этом сайт в топе, трафик из поиска идет, конверсии в порядке. А нейросеть либо не знает о вас, либо рассказывает о компании по данным двухлетней давности.

Первая реакция — переписать тексты, добавить экспертизы, оформить FAQ. Мы проходили этот путь: гипотеза про «мало контента» выглядит логично, но почти никогда не подтверждается. Отвечает нейросеть не по вашему тексту, а по тому, что до нее дошло. И вот тут начинается самое интересное.

Когда мы прогнали свой сайт через запросы к разным моделям и посмотрели, что именно получает их инфраструктура, картина оказалась прозаичной. Часть ИИ-краулеров не исполняет JavaScript. Для сайта, который собирается в браузере, это означает одно: до модели вместо статьи доезжает пустой каркас. Пользователь видит прекрасную страницу, а нейросеть — пустой файл.

В этой статье разберем, как устроено чтение сайтов системами ИИ, где контент теряется на пути от сервера к ответу модели и что из этого можно проверить и починить.

Читать далее

Моя CRM в Obsidian на плагине Operon

Level of difficultyEasy
Reading time9 min
Reach and readers14K

В начале сентября я провёл вканале интерактив: предложил подписчикам написать в комментариях свою профессию и пообещал каждому прислать эскиз системы в Obsidian под его работу. Эскиз — это буклет на 3 страницы: какие разделы нужны хранилищу юриста, психолога или инженера, как между ними ходит информация и какими плагинами это собирается. Профессию назвали 20 человек. Каждому ушёл буклет в личку, дальше пошли переписки и записи на консультации. Через неделю я уже не помнил, кому что отправил и кому обещал ответить. До этого лидов я не вёл никак, их было мало и все помещались в голове. Отдельный сервис заводить не хотелось: задачи, клиентские проекты и заметки по встречам у меня и так в Obsidian. В этой статье расскажу, как я собрал CRM на плагине Operon и что в нём допилил. Следующие раунды интерактива буду объявлять в канале.

Читать далее

Что мы на самом деле открываем?

Level of difficultyMedium
Reading time8 min
Reach and readers9.7K

Начну со своего проекта.

Я буквально чудом поднял для EvertyDesk крутой автотестовый стенд, на котором сейчас гоняю кучу разных сценариев. Иногда у меня уходят недели просто на то, чтобы воспроизвести какую-то маленькую аномалию, понять, существует ли она вообще, поймать нужное состояние и наконец разобраться, что именно происходит.

И в какой-то момент я поймал себя на довольно неприятной мысли.

Есть люди с деньгами, большими лимитами и доступом к невероятным современным моделям ии. Есть сами модели, которые уже умеют разбирать большие кодовые базы, искать связи, читать тесты, объяснять архитектуру. И я не знаю, будет ли это в десять раз быстрее или в сто — да это, наверное, и неважно.

Важно другое.

Я трачу недели на то, чтобы получить ответ. А если потом просто открою весь репозиторий, кто-то другой начнёт уже с этого ответа.

Он получит не только код. Он увидит, что я тестирую, какие состояния считаю важными, где ставлю проверки, какие ошибки вообще допускаю возможными, как воспроизвожу редкие случаи и почему какие-то части системы выглядят именно так.

Читать далее

Делаем RAG‑систему с нуля

Reading time19 min
Reach and readers15K

У меня с давних времен сохранилась куча всяких заметок, в основном в виде простых текстовых файлов.
Самых разных: от скриптов и конфигов до всяких рецептов, всё что когда-то пригодилось или могло пригодиться.

Хранение в виде файлов - это на самом деле очень удобно: их практически всегда можно прочитать, их легко создавать и редактировать, они не требуют установки каких-то специальных особых редакторов и информационных систем, при этом их легко копировать, добавлять в архивы и т.д.
И даже полнотекстовый поиск по ним организуется элементарно.

Единственный минус, когда их много - для того чтобы что-то найти нужно пройтись по каталогам где они лежат и увидеть глазами.
Особенно - если их никто не пытался строго структурировать, и они лежат где-то так:
"Документы/старое/1/1/разобрать/старый диск/Документы/Работа/...".
Ну, это конечно запущенный случай, и надо бы разобрать, когда-нибудь, может быть - ну, собственно говоря, там так и написано...

Что если попробовать прикрутить к этому поиск?

Читать далее

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

Level of difficultyMedium
Reading time7 min
Reach and readers5.3K

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.

Читать далее

Что умеет и где ломается Jev: большое тестирование

Level of difficultyMedium
Reading time26 min
Reach and readers6.8K

В работе с моделями важно не только знать их точность, скорость и цену, но и понимать, где им можно доверять, а где нужна дополнительная проверка. Многие ограничения обнаруживаются уже в процессе интеграции — и о них хотелось бы знать заранее.

Тестирование Jev я проводил прежде всего для себя и команды, но объём данных получился масштабным, и я решил поделиться результатами с сообществом. С 19 по 30 сентября 2026 года было проведено 22 эксперимента и отправлено около 160 тысяч запросов к jev-1.13.0 и контрольным моделям OpenAI. Все тесты запускались через API раннего доступа и суммарно обошлись примерно в $18.

Мне было интересно не столько проверить заявленные скорость и цену, сколько найти границы её практического применения. Насколько она точна по сравнению с небольшими GPT-моделями? Можно ли доверять её confidence и строить на нём автоматический роутинг? Что произойдёт при расширении списка классов, появлении длинного контекста, грязного входа или текста на другом языке? У LLM уже известны свои особенности — например, lost in the middle и склонность уверенно ошибаться. Логично было проверить, есть ли собственный набор таких эффектов у System One модели на примере Jev.

Читать далее

От бизнес‑метрики до дежурного: как построить алертинг, от которого не страдают

Level of difficultyMedium
Reading time14 min
Reach and readers8.9K

Эта статья - о шаге, который предшествует настройке маршрутов: как выбрать сигнал, связать его с влиянием на бизнес, определить срочность и проверить, что вызов дежурного действительно оправдан. В качестве сквозного примера возьмём оформление заказа, а в конце свяжем правила детектирования с обработкой в nxs-anomaly.

Читать далее

Вечер на код и месяц на всё остальное: свой MCP‑сервер

Level of difficultyMedium
Reading time9 min
Reach and readers14K

Я сделала для своего продукта MCP-сервер. Написание и проверка кода заняла один вечер — писал конечно агент.

А вот «остальное» оказалось решениями о составе и видимости инструментов и вещами, которые невозможно было запланировать заранее — только узнать постфактум, и почти всегда по итогам чьей-то реакции снаружи.

Читать далее

Продвинутый статический анализ в TypeScript-проектах: выходим за рамки tsc и ESLint

Level of difficultyMedium
Reading time15 min
Reach and readers5.8K

👋 Привет! Меня зовут Александр, я работаю фронтенд-разработчиком в компании «МегаФон». Сегодня хочу поговорить о статическом анализе TypeScript-проектов за пределами привычной связки tsc и ESLint.

Читать далее

Как писать стили в 2026: CSS Modules, CSS‑in‑JS, Tailwind и zero‑runtime

Level of difficultyMedium
Reading time11 min
Reach and readers8.1K

Всем привет! Меня зовут Даниил Николаев и я frontend-разработчик в компании "Исходный Код"

На каждом kickoff нового проекта всплывает один и тот же сценарий: один разработчик топит за утилиты Tailwind, второй отстаивает чистоту и надежность CSS Modules, третий по привычке тянет проверенный CSS-in-JS, а кто-то просто молча открывает .scss и выходит из созвона.

В этой статье мы опустим споры о «красивом синтаксисе» и разберем инженерную сторону вопроса: кто на самом деле платит за динамику — сборка или браузер клиента.

Заглянем под капот ключевым подходам в мире React (для уровня middle и middle+): разберем классические CSS Modules, ушедший в maintenance mode styled-components, Emotion, современный Tailwind v4 на движке Oxide и перспективный zero-runtime (Linaria, Vanilla Extract). Посмотрим, что реально происходит с CSSOM, reflow и рендером в браузере, а в конце — соберем практическую матрицу выбора без фанатизма и хайпа месяца.

Читать далее

Пусть агент сам докажет, что написанные им тесты можно не пройти

Reading time8 min
Reach and readers4.9K

Агент пишет патч, пишет для него тесты, выполняет их и сообщает об успехе. Дифф выглядит здраво. Итак, у нас есть реализация, файл с тестом, и проверка пройдена (зелёная).

Реализация может согласовываться с тестами, поскольку там содержатся одинаковые ошибки. Если агент недопонял требования, когда писал код, то такое непонимание может сохраниться и на этапе чтения кода в стремлении получить ожидаемый результат. Чем больше тестовый набор, тем сложнее будет устранить такую ошибку. Позже вы исправите реализацию, и тесты начнут ругаться.

Читать далее
1
23 ...

Information

Rating
Does not participate
Location
Нальчик, Кабардино-Балкария, Россия
Date of birth
Registered
Activity

Specialization

Бэкенд разработчик, Фронтенд разработчик
Средний
From 2,600 $
JavaScript
Next.js
React
Redux
TypeScript
Webpack
Sass
Node.js