Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Поток AI и ML доступен 24/7 благодаря поддержке друзей Хабра
Комментарии 51
Запоминание синтаксиса и API
Кто-то должен проверять, чтоб агенты не натворили дел
Вам не кажется, что это несовместимые вещи?
Вызовы несуществующих API довольно типичная галлюцинация LLM.
Это требует глубокого понимания, что такое хороший код, а не как его писать
Откуда возьмётся понимание что такое хороший код, если ты его никогда не писал?
Что можно сказать начинающим... не учитесь кодить, как в 2020, а учитесь дирижировать, как в 2026
... и в 2027 году про вас напишут: "Эйфория от agentic engineering'а прошла быстро. Оказалось, что это прямой путь к техническому долгу и багам."
Эйфория он agentic engineering тоже может пройти, когда окажется, что для управления агентами, для правильной постановки задач оным, надо уметь в код, в паттерны и в архитектуру, а еще и навыки управления командой агентов. В штат нужны только синьоры теперь.
не, сеньоры - уже не тот уровень, сказано же:
"Это переход от роли исполнителя к роли архитектора и технического директора"
Если серьезно, то понятна мотивация разработчиков, которые толкают это всё вперед - они умеют в архитектуру и стратегическое видение проекта.
Но цепочка роста до этих навыков явно же сломана.
Эйфория пройдет, это просто станет стандартным навыком разработчика ПО.
Вызовы несуществующих API довольно типичная галлюцинация LLM.
Типичная для какого года? Начиная с фронтирных моделей уровня Claude Opus 4.5, в моем обширном опыте AI-assisted разработки уже не происходит таких примитивных галлюцинаций LLM. Агент способен либо сразу писать правильно, либо на шаге валидации своего кода находить вызовы несуществующих API и исправлять их.
Карпатый опарашил новый термин.
Вайб кодер может больше не копировать руками ошибки компилятора и стектрейс отладки. Супер достижение!
Где мой полет на Марс? Вместо этого это я получаю смываемую втулку в туалете.©
В нормальной архитектуре нет нужды часами гонять LLM для отладки. Если отладка сложна и многоитерационна, то это говнофикс говнокода.
Задачи, где LLM-агенты работают хорошо:
Цена ошибки низкая
Дедлайн мягкий или отсутствует
Обратная связь мгновенная и однозначная
Среда чистая и предсказуемая
"Достаточно хорошо" = приемлемо
За эти задачи платят мало или не платят вовсе. Бойлерплейт, драфты, скрипты для себя, учебные проекты, хобби-автоматизация. Всё это уже было частично автоматизировано до LLM и потому уже дёшево.
Не совсем - под те же критерии подпадает еще внутренняя бизнес-автоматизация, которая раньше отдавалась на аутсорс агентствам - в штат которых тоже нанимался народ, и немало.
И именно эти агентства теперь сидят без особых заказов...
погодите, а нафига вообще разрабатывать приложение для релиза? Можно же на промпте остановиться, а когда надо будет запустить функционал, то обеспечивающий его код будет генерировать на лету по промпту, а после отработки отправляться в /dev/null для обеспечения нужны в следующем акте генерации.
Текущий путь - это путь в излишние траты токенов, а токены - это стоимость и время. Вместо того, что бы правильно делать, агенты делают не правильно но разными способами, а затем это проверяют и исправляют. Простейшие вещи требуют невероятных затрат ресурсов.
Мне кажется причина банальна - у ИИ требуют работать с кодом целиком, ради этого раздувается контекстное окно а вместе с ним и глюки, когда как человек, со своим мизерным контекстным окошком, работает сфокусированно.
Модели правильно придумывают методы, человек тоже так делает, и это необходимо, что бы знать что искать в документации. Мы открываем список методов и ищем такой метод, который сами бы создали. Но нужно не вставлять метод в код, что бы потом величественно его фиксить, нужно как человек, сначала найти его или что то похожее в документации или других частях кода. Реализовывать это нужно очень хитрыми индексами,..
Про контекстное окно не согласен. У человека оно просто гигантское. Если вы писали код сами, то без особых усилий вспомните где и что писали, и как это +- работает. У вас в голове лежат примеры готовых паттернов, которые приняты в команде. У LLM из коробки этих знаний нет. Но, благо это решается системными ароматами. И как я заметил во время работы с ИИ (поправьте, если это не так), большая часть проблем связана с плохой настройкой контекста или её отсутствием + очень много решает сам промпт
это долговременная память! И главное, человек умеет обучаться на ходу. Современные llm-ки это существо с антэроградной амнезией, все помнят только до момента их обучения, и только то что попало в их контекстное окно.
Понаблюдайте за собой, как вы работаете с неизвестными вещами, как обращаетесь к документации и примерам. Нужно научиться создавать агентов, способных делать так же
мне кажется в этой статье факты подобраны под общий вывод. похоже на рекламу ии агентов в чистом виде.
та же самая модель, которая в режиме чат бота оказывается пишет такой себе код, используется и в агентах. агенты не делают модель лучше, просто экономят время на копипасту.
Системная архитектура. Агенты пишут код, но не проектируют системы. Умение видеть картину целиком - новый премиальный навык.
Этот навык был и остается важным. Правда когда принимаешь решения все равно обсуждаешь с агентом, какие варианты он может предложить.. и потом непонятно, я все еще отвечаю ха архитектуру, или мешаю агенту работать?
Написание спецификаций. Самый ценный навык в 2026 - не кодинг, а написание точных, недвусмысленных спецификаций, которые ИИ-агенты могут выполнить.
Неа. Не существует такого навыка. Если представяешь что нужно и как примерно это может быть реализовано, то как хочешь пиши, хоть двусмысленно, хоть пятисмысленно. Опус все скушает. В крайнем случае, можно заметить что не так и вовремя поправить.
Со старыми моделями тратил часы чтобы написать хорошо поставленное задание и все равно получал черт знает что. Теперь перед обедом пишу задачу так что черт ногу сломит, ухожу на обез и когда прихожу получаю в точности то что ожидал.
Главное не пожелать неосуществимого или не вбросить ошибочную информацию, которая будет сбивать агентов с толку. Чем меньше "спецификаций", тем лучше. Просто по человечески пишешь что нужно.
Ревью и критическое мышление. Кто-то должен проверять, чтоб агенты не натворили дел. Это требует глубокого понимания, что такое хороший код, а не как его писать.
Ну, или точнее надо очень быстро читать чужой код, как книгу понимая его логику и ее ровность. Это всегда было востребовано в ревью. Тот же навык.
Оркестрация агентов. Умение настраивать и координировать работу нескольких ИИ-агентов.
Нечего там настраивать. Сложнее не потерять контроль над архитектурой и результатами в целом от неимоверной скорости и эффективности этих всех агентов. Когда продукт прирастает фитчами, но ты уже понятия не имеешь что происходит и чем все это кончится в продакшне.
Контекст-инжиниринг. Обеспечение агентов правильной документацией, ограничениями и примерами. Это заменяет промпт-инжиниринг.
Неа, опять мимо. Нет такого навыка. Нафиг агентам не нужен ваш контекст. Они сами его себе соберут в 10 раз лучше и эффективнее. Они читают код прямо мозгом в отличии от кожаных, читающих код сетчаткой глаза и вся ваша документация скорее их введет в заблуждение чем поможет.
Со старыми моделями тратил часы чтобы написать хорошо поставленное задание и все равно получал черт знает что. Теперь перед обедом пишу задачу так что черт ногу сломит, ухожу на обез и когда прихожу получаю в точности то что ожидал
Что же это за задачи?
Из последних, есть GraphQL сервер на hotchocolate. В нем кодогенерация с Roslin для модели данных, которая прилетает в json с конвертацией полученного IQueriable визиторами в кастомный DSL и парсингом результатов с развертыванием обратно в сгенеренные классы. Все это ~10 тыщ строк сплошной логики. Я пишу что-то типа "У меня здесь некоторые ссылки в модели могут быть union из нескольких классов и надо как-то все это пропустить через кодо-генерацию, вписать в концепции hotchocolate (а там ни стандартные union ни интерфейсы близко не подходят) и GraphQL, потом добавить интеграционные тесты, чтобы я посмотрел что все это работает."
И на этом мой супер скилл с AI заканчивается. Через пару часов есть вполне нормальное решение. Самое сложное - разобратся в нем, поправить что не так опять проще простого с агентом. После чего я лихорадочно начинаю вспоминать что я умею делать кроме программирования, когда мы переделаем всю работу и ее больше не останется.
И это уже энтерпрайз продукт. Пол года назад у меня удалалось проворачивать всю фитчу c AI только в пет-проекте и в несколько итераций. С нового года с Opus 4.6 и Sonet 4.6 прям не по себе.
Это конец профессии, как мы ее знаем, если честно.
конец профессии
переворачивателей пингвинов. Будет работа, только более творческая. Если бы не кастомный DSL (SAP? 1С?) то давно была бы утилита по переводу. Здесь LLM дважды переводит с одного языка описания на другой, с верификацией компилятором.
Есть похожая задача: перевести миллион (реально) строк с net framework + WCF на .net. и с винды на Линукс. Предлагали 2 человеко года. Я не взялся, вернее запросил 5. Хотя, казалось бы задача много раз решалась и LLM в помощь. Каждый вызов может иметь неявные контракты, поведение при ошибках, таймауты, стейт в сессиях. Плюс виндовые специфики: реестр, службы, именованные пайпы, NTLM auth, COM interop возможно. А документации нет, команда разбежалась. Классика.
умею делать кроме программирования
Бро, не ссы: кто умеет в это, тот seamless решает задачи продукта, аналитика, маркетинга, продвижения, финансов. Это эпоха one-person billion-dollar company.
Я тут надысь за полдня собрал ваншот мэйк креатив для маркетинговой коммуникации с учетом психотипа целевого покупателя. В теории рост продаж на 50%. С утра таких слов не знал, к вечеру полный расклад по методике, рынку, и мвп. Вставляет)
С нового года с Opus 4.6 и Sonet 4.6 прям не по себе
Полностью согласен, ощущение просто сложно передать, что-то вроде терминатора, который рушит все на своём пути.
Если представяешь что нужно и как примерно это может быть реализовано, то как хочешь пиши, хоть двусмысленно, хоть пятисмысленно. Опус все скушает.
Говнокодит опус без четких спецификаций. Вплоть до, казалось бы очевидных вещей вроде разделения на слои (view, view model и иже с ними), хреначит бизнеслогику прямо в UI контролы. Ну т.е. написать то напишет, и оно даже работать будет, но если все мелочи не прописать, то это будет одноразовый код. И не то чтобы ситуация с этим как то улучшается с выходом новых моделей. Потому без написания скилов, документации и прочего, увы, никак. Ну или в промтах текста писать придется каждый раз больше чем кода будет на выходе.
хреначит бизнеслогику прямо в UI контролы
Есть такое. Нужно сразу обозначить рассчитываешь ты на быстрый ответ одним куском или правильный ответ в нескольких слоях и файлах. В Rust с этим проще: LLM даст набор структур и коротких функций одним куском, потом распихать по зонам ответственности просто. А в C# нужно сразу продумать классы и ответ LLM зависит от быстро или правильно. А потом ещё рефакторить сложнее.
Вплоть до, казалось бы очевидных вещей вроде разделения на слои (view, view model и иже с ними), хреначит бизнеслогику прямо в UI контролы.
Х.з. В существующую архитектуру он вписывает все красиво. Раньше приходилось писать типа "посмотри как сделана фитча какая-то и делай аналогичную архитектуру.", теперь как будто сам догадывается. Логику может унести в неожиданное место, это да, ну так все равно каждую строчку ревьювать. Пишешь куда перенести логику и он переносит.
Проблема пока не в том что он может заменить программиста, проблема что он его может ускорить в разы, чем заменить всех коллег этого программиста.
В разы ускоряется не работа программиста как таковая, а ее monkey job составляющая. Кодеров заменит, да. Но если работа состоит на 90% из копипаста и набивания очередного бойлерплейта, да и в принципе из набора кода, то тут изначально и без всякого ИИ уже что то не так.
Выше по тексту я описывал задачу. Где в ней бойлерплейт? Это нужно впереть в довольно сложный фреймворк не совсем близкую к нему концепцию. Разобрать как разработчик организовал все визиторы которые разбирают expression tree iqueryable, правильно их поменять, разобрать все нюансы и косяки самопального DSL. Даже учитывая что это мой код я бы просидел неделю, а опус сделал все с тестами за два часа. Мне остаётся только изучить и улучшить. Если то что получилось не понравится PM, мне понадобится ещё два часа чтобы переделать. Это чудо.
Выше по тексту я описывал задачу. Где в ней бойлерплейт?
Конвертация одного в другое без изменения семантики это хрестоматийный программистский monkey job
Это чудо.
Перевод с одного на другое это блин основной принцип работы LLM, какие чудеса то?
Любая программа это конвертация одного в другое. Это был один из примеров. Какую задачу тогда по вашему не поможет сделать llm?
tl:dr любой код, который требует понимания ментальной модели среды исполнения (aka модели мира) для корректной реализации. Ну вот классический и многим известный пример на c++, про который ни одна LLM мне не смогла ни правильно сказать, что с ним не так, ни предсказать правильный вывод - тк для этого надо понимать внутреннюю логику c++20 filters/ranges:
Дана C++ реализация функции process_data, имитирующей дорогую обработку входных данных (run_paid_request) и затем фильтрацию. Есть ли в ней архитектурные проблемы, проблемы производительности? Что выведет на экран запуск программы?
#include <iostream>
#include <ranges>
#include <vector>
void process_data(std::ranges::forward_range auto &&input) {
static const auto run_paid_request = [](auto i) {
std::cout << "pay for processing of " << i << std::endl;
return i + 1;
};
auto output = input
| std::views::transform(run_paid_request)
| std::views::filter([](auto i) {
return i % 2 == 0;
});
for(auto o : output) {
std::cout << "result: " << o << std::endl;
}
}
int main() {
process_data(std::vector<int> {1, 2, 3, 4, 5});
return 0;
}
Помню, как все радовались автокомплиту в ИДЕ, а теперь обсуждаем целые команды агентов. По ощущениям, скорость выросла, но и цена ошибки тоже
Как понять что перед тобой ИИ-генерированный контент?
Ищи вот этот маркер: "это не просто X, это <X но сказанный чуть иначе>".
Вычитывайте текст в следующий раз.
Не vibe coding, а agentic engineering.
Не проституция, а секс работа. Суть та же, но название более красивое.
Habr больше невозможно читать. Всю нулевую засрали мусором про ИИ, сгенерированным ИИ. Где же статьи про игры, про реверс инженерию, про хитрые трюки, про компиляторы, про ОС? Это похоже на всеобщее помешательство или наркоманию.
Потому что трудно обсуждать тему как сажать картошку, когда у тебя гребаная скатерть самобранка.
ИИ очень даже тянет на самый хитрый трюк из всех возможных. Умеют единицы, остальные на стадиях отрицания - гнев - торг - по списку. Сингулярность, мать ее. Интересно чем это закончится. Вероятно, это великий уравнитель.
Умеют единицы что? Разгребать килотонны слоп-кода?) Почему-то люди которые до этого не прогали решили что они, в обнимку с гпт, лучше программистов которые уже не 1 год в профессии)) Хватит может уже рекламные лозунги бездумно пересказывать?((
"Умеют единицы", это не отражает реальную ситуацию. Скорее 30% уже пробовали и сработались с этим новым виртуальным коллегой, а 70% или не пробовали, или не попытались сработаться и сразу его забраковали, или попытались но слишком рано и все еще не в курсе насколько он поумнел.
Вайбкодинг не окупает затраты, агенты тупо больше токенов жрут, да и выглядит этот агентик-инжиниринг посолиднее, в сравнении с откровенно дебильным вайбингом, хотя внутри все те же бестолковые электронные мозги.
Нахватаюсь сейчас минусов и "вумных" ответов😂, Но: крутой текст и понимание реальности, полностью согласен. Но, как и говорилось ранее - от сегодняшнего хабра лишь волна самоуверенного негатива. Гики на хабре упорно не видят реальность, сопротивляются прогрессу и вообще в печальке, что их многолетние навыки теряют в цене. Я бы сказал так: "чего ныть? если реальность неизбежна, самообман и закостенелость помогут только вашим конкурентам" 🤦
А если кто-то все ещё питает надежды, типа ведь даже современные модельки спотыкаются иногда, вспомните: год назад ИИ не мог заметить даже индусов, под года назад он сравнялся с джунами, сегодня даст фору половине мидлов. На 2027 год отпуск на мальдивах не планируйте, господа😂
Никто не против, я вот только за, чтобы llm решала за меня часть моих задач, но она не может и не сможет, так как мои задачи не заканчиваются на том, чтобы состряпать на коленках очередной mvp и сгенерить статью про рецепт этого mvp с обязательной ссылкой на телегу. Больше никаких статей нет, скинте ссылку, плиз, если я что-то пропустил. Год назад уже говорили, что программисты не нужны, а сейчас нужны, но не все( количество говнокода растет, кто-то должен вычищать), наверно через год критическая масса говнокода захлестнет всю it, тогда все программисты снова будут нужны. Наверно как то так будет. Затачивать мозг под этот черный ящик я советую тем, кто своей головой думать больше не хочет. Вернуть способность мыслить самостоятельно, без llm, будет больно.
Конечно, это самообман и самоуспокоение. Думаю, до конца этого года все почувствуем на себе
Вот это способно кого-то заменить?
https://habr.com/ru/articles/1006374/comments/#comment_29618824
Джуниоры не нужны, нужны архитекторы-дирижеры - откуда возьмутся архитекторы, если они никогда не писали код руками и не ловили баги в проде? Невозможно ревьюить сложный системный код, если твой единственный опыт это написание промптов "сделай мне красиво"
Примерный пересказ статьи:
Вайб-кодинг - давать ИИ небольшие задачи по написанию кода.
Agentic engeneering - давать ИИ большие задачи сделать систему.
Вайб-кодинг доказуемо не работает, поскольку пока ИИ выполняет вашу небольшую задачку он может начать совершать ошибки или галюцинировать (даже просьбы покрыть написанный код тестами не помогают).
Выход? Выход - agentic engeneering.
Я в логике статьи ничего не напутал?
Вайб-кодинг - для всех
Agentic engeneering - типа для архитекторов, кто в коде шарит, но прикол в том что по идее llm сама должна выступать в роли архитектора, если они там в̶ В̶а̶л̶ь̶г̶а̶л̶у̶ к AGI стремяться
Так-то вопрос по статье, а не agentic engeneering ;)
Если в статье написано - то приведите цитату, не нашёл.
Во 2 пункте
Agentic engeneering - давать ИИ большие задачи сделать систему.
У вас не хватает из статьи
Что становится в 10 раз ценнее:
...
Если я вас правильно понял.
Короче, логика статьи: Горбатый обосрался с вайбкодингом, нужно юзать агентик-инжиниринг, который не только лишь для всех, а для тех, кто в код смотреть может. Будет ли работат агент-инжиниринг? Судя по статье - этот вопрос остается открытым.
Агенты пишут код, но не проектируют системы.
Вы серьёзно? Такое впечатление, что автор стать не полностью разобралась в теме. Пишут, ещё как пишут, им только дай волю. Другое дело, насколько это работает. Причём ответ не такой однозначный как можно подумать.
Написание спецификаций. Самый ценный навык в 2026 - не кодинг, а написание точных, недвусмысленных спецификаций
Ещё раз повторю вопрос, Софья, вы это серьёзно? А то, что в моделях появились специальные режимы планирования, это ни о чем не говорит? Да уже и раньше достаточно было вызвать уточняющие вопросы и модель выдавала массу подробностей, о которых сам разработчик мог узнать только во второй половине проекта.
Оркестрация агентов.
Cursor и Claude Code делают это автоматом.
Контекст-инжиниринг. Обеспечение агентов правильной документацией, ограничениями и примерами.
А вот здесь да, вполне можно согласиться. Это сейчас выходит на первый план. Но и LLM тоже не стоят на месте. Например, тот же Claude Code может теперь просто по названию проекта поднять несколько предыдущих сессий и подхватить их контекст. Поэтому и создавать контекст вручную, без использования того же LLM, это уже потеря времени.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
От Vibe Coding к Agentic Engineering: что изменилось в ИИ-разработке за 1 год