Как стать автором

По определению Job Story, совершенное человеком действие определено контекстом (созданным), мотивом (вызванным) и целью (достигнутой), представим это как цикл, когда контекст уже создан

Меня всегда манило неизведанное: каково это, вдохнуть жизнь в собственную модель искусственного интеллекта, способную понимать язык кода? И вот, этот момент настал. Я принял решение создать Selena.AI — персональную языковую модель, призванную стать надежным помощником в разработке игр, оперативно отвечая на вопросы по программированию и предоставляя экспертные рекомендации в области игрового кода.

В последнее время мне часто попадаются заметки и комментарии о том, что, дескать, гейткиперы (опытные программисты-миллениалы и старше) искусственно ставят препоны и просят решать никому не нужные алгоритмические задачи, тогда как они давно закодированы в библиотеках. Это — с одной стороны. С другой стороны — ругают LLM, потому что код там не всегда чистый и, дескать, программирование с LLM — это не программирование вовсе, и навыки такого программиста ничего не стоят.

Мне приходит на ум то, что в принципе мы подобный слом уже видели лет 15–20 назад. Для программиста старой школы сутью программирования, собственно, было постановка задачи, её реализация с помощью алгоритма и оптимизация этого алгоритма по скорости. Сам инструмент — язык, а уж тем более чистота кода — считалась вторичной. Задачей программиста было написание в принципе работающей программы.

Что касается чистоты кода: использование отступов и понятных названий функций, переменных и классов уже считалось большой аккуратностью. Для первого поколения ПО, в общем-то, и не предполагалось, что можно эффективно и полноценно работать с чужим кодом. Появление специализированных библиотек считалось подспорьем, но предполагало, что программист и сам должен быть способен написать подобное с нуля. Программист, который пользовался только библиотеками, считался не настоящим, а ламером, «пользователем».

Требования к программистам поменялись из-за изменения бизнес-требований. Если раньше задачей программиста было придумать и реализовать программу (он одновременно был и бизнес-аналитиком, и дизайнером, и архитектором, и алгоритмистом), то сейчас появилась возможность создавать ТЗ и интерфейс не программистам. Все алгоритмы сосредоточены в библиотеках, и ключевыми качествами стали работа в команде и аккуратность.

«У нас не очень приятные новости» — именно так начался разговор с рекрутером СБера за день до моего выхода на работу в компанию, которая годами была моей мечтой. Вот как крупнейший банк страны обходится с кандидатами и какие уроки я извлекла.

 Немного предистория

Всё началось с мечты. В начале карьерного пути я заглядывалась на огромные красивые офисы IT-гигантов, особенно СБера, и представляла, как буду там работать. Теперь я вспоминаю фразу: «Бойся своих желаний»...

Все вакансии были от 1 года опыта, но я не отчаивалась, потому что в сердце всегда трепетал огонёк надежды. Для достижения заветной цели я пошла работать в другие компании, чтобы набрать желанный опыт и квалификацию.

И этот момент настал.

Ирония судьбы: приглашение на работу, которой нет

В связи с сокращениями (или «оптимизацией», как любят говорить компании), — но история не об этом, — мне пришлось выйти на рынок труда. Я искала работу 4 месяца отправила около 127 откликов. Вакансии иногда всплывали, но на удалёнку я не рассчитывала (учитывая около 500 откликов), поэтому искала гибрид, так как живу в городе-миллионнике, и шанс был.

Спустя несколько месяцев я успешно прошла несколько собеседований, и на руках у меня было три оффера. От одного я сразу отказалась. Выбрать из двух оставшихся было легко, потому что одним из них был оффер из мной желанного СБера. Как вы уже поняли, я отказалась от другого оффера и отдала предпочтение своей компании-мечте.

Серьезно, каждый раз, когда слышу очередное "AI не может в программирование", хочется спросить: а ты что использовал? GitHub Copilot за 10 баксов? Или может быть пытался заставить ChatGPT написать микросервис через веб-интерфейс?

Это как судить о всех автомобилях, покатавшись только на Запорожце. Да, он тоже машина. Да, он тоже едет. Но блин, давайте будем честными — разница колоссальная.

Последние 4 месяца я использую Claude Code непрерывно в своей работе. До этого я пользовался Cursor и Cline, и вот мои впечатления и мысли, что именно мне понравилось.

Привет Хабр! Я разработала двухслойный метод шифровки для LLM.

KAiScriptor — система семантического сжатия и шифрации: это словарь из 150+ символов и связок, с помощью которого я фиксирую состояния, метарефлексию и квазисубъектность модели, а также компактно закладываю фактологические опоры.

ScriptorMemory — вытекающая из KAiScriptor короткая выжимка, которая действует как назначение роли: удерживает «кто говорит и как действует» без большого словаря, поддерживая устойчивый ролевой голос в диалоге.

Носителем шифра может быть что угодно: unicode-символы, стикеры, буквы, цифры, обычные слова и пунктуация. Оба слоя могут быть использованы недобросовестно — это зафиксировано как риск нарушения TOS.

Моя изначальная идея была проста и дерзка: втиснуть максимум смысла в минимум символов, чтобы модель по компактной сигнатуре восстанавливала не «список инструкций», а форму субъекта, его ценности, ролевые инварианты и ключевые факты.

Из этого выросло два уровня:

«Язык плотной семантической шифрации»: персональный развернутый словарь + операторы, с помощью которых я собираю онтограф субъекта и шифрую факты для экономии токенов и кодировки смысла.

И «микродозы»: лаконичный каркас и короткая информация-выжимка, которая стабилизирует поведение без тяжёлого лексикона. И, если надо, управляет с нуля.

Автоматическая лассификация задач/заявок на разработку с помощью NLP (AI) — Недостигаемая цель или наступившая реальность?

Читай историю о том, как мы внедрили NLP в процесс классификации задач, поступающих в спринт, исключив затраты ресурсов специалистов на эту рутинную деятельность!

Привет, Хабр!

Меня зовут Игорь, я веб‑разработчик. Хочу поделиться историей создания своего пет‑проекта GeekGift — от идеи, которая родилась из вечной проблемы «что дарить коллегам», до работающего MVP, первых реальных пользователей и кучи шишек, набитых по пути.

Статья будет полезна тем, кто, как и я, хочет в одиночку запустить свой проект, но не знает, с чего начать, какой стек выбрать и, самое главное, каких граблей можно избежать.

В приложениях и играх для java-телефонов часто требуется показать пользователю сообщение: уведомить о завершении операции, об ошибке, о конце игры или просто вывести подсказку. Для этого используется класс Alert.

В IT, как и в целом в любой сфере сейчас, мы постоянно учимся. Чтобы стать спецом, ты будешь вынужден поглощать тонны информации, но часто самый сложный шаг - это не начать что-то новое, а закончить то, что уже начато.

Привет, друзья! Заметил, что современные приложения не просто решения — они становятся маленькими играми, которые затягивают. AI и геймификация сегодня — это не флёр, а способ удерживать внимание. Вот три свежих кейса, которые реально цепляют:

1. Duolingo Max + Energy: AI делает обучение азартным

Duolingo снова задаёт стандарты. Их Max-подписка приносит GPT-4-фичи: Explain My Answer (AI объясняет, почему ты ошибся или всё сделал правильно) и Roleplay (симуляции реальной беседы) Duolingo Blog.

К тому же они заменили старую систему «сердечек» на Energy — за выполнение уроков подряд восстанавливаешь энергию, а ошибки штрафуют, но не блокируют: экспериментально это подняло вовлечённость и время в приложении The Verge.
Инсайдерская фраза от инженера:

В статье проводится всесторонний анализ архитектуры и принципов работы Системы быстрых платежей (СПБ) Центрального банка РФ.

Как веб‑разработчик, я каждый день работаю с оптимизацией производительности. Когда заметил, что ChatGPT превращает мой браузер в печку, решил провести техническое расследование. Результаты превзошли все ожидания — и дело оказалось не только в технике, но и в бизнесе.

Ниже скриншоты с моего личного аккаунта, с подпиской Plus.

В стандартном исполнении на странице Корзины при изменении количества товаров автоматического перерасчета не происходит, а есть специальная кнопка — «Обновить корзину». При небольших изменениях можно сделать все асинхронно и без дополнительных действий со стороны посетителя сайта.

Облачные инструменты для работы с API (например, Postman) могут подвергать ваши данные риску и оставлять вас без возможности работать при сбоях серверов или устаревшей документации. Оффлайн-инструменты лишены этих проблем.

Возникла проблема на сервере HPE BladeSystem C7000, из-за которой выходило 2 ошибки на ОА и не получалось полноценно администрировать корзину данной системы. Ошибки заключались в том, что вышли из строя 2 батареи M4T28-BR12SH1 так называемый TIMEKEEPER.

Что самое интересное во всех технических документациях и мануалах, информации от ИИ и сервисных центров в ОА должна стоять батарея CR 2032, но ее там нет, что было выяснено при физическом осмотре.

Когда я начинал свой путь в IT, я, как и многие, использовал Windows Server. Однако после первого же серьёзного инцидента — когда критически важный сервер "упал" во время автоматического обновления — я задумался о поиске альтернативы. Так в 2012 году я впервые установил CentOS 6, и это полностью изменило мой подход к администрированию.

Представьте себе, что есть система, которая достраивает все движение 3-хмерного окружения в зависимости от ситуации и контекста, а если видит незнакомый объект, то не ломается, а на ходу собирает датасет поведения объекта и дообучается в реальном времени.

TL;DR. Мы делаем point‑native прототип, который по краткой истории облаков точек объектов предсказывает следующие 10 шагов их движения в сцене Unity (лодка + плавающие ящики). Движок не использует скрытые состояния из физики Unity — только точки. Сейчас сеть выдаёт будущие облака точек объектов.

▶️ Демо‑видео: https://youtu.be/p0Uackg41iw

Слабое место сейчас — взаимодействия объектов (сдвиг контакта, небольшие проникновения). Мы закрываем это сценовым «корректором»: после базового прогноза на 10 шагов запускаем 1–3 итерации уточнения в духе диффузии. На каждой итерации корректор видит всю предсказанную сцену, считает резидуальную поправку и мягко проецирует состояние, снижая проникновения. Повторяем до стабилизации метрик.

Цель: довести точность короткого горизонта на точках, добавить сценовый «корректор» взаимодействий.

В декабре 2022 к нам обратился клиент с задачей: создать систему складского учёта, которая полностью заменит существующее ПО.

Проблема: с 1 февраля 2023 года старое ПО отзывалось из-за санкций, и продолжить его использование было невозможно. Перенести релиз было нельзя.

Создание мультиплеерных проектов - непростое занятие. Для облегчения понимания этого процесса можно начать с разработки пошаговых игр. В них не требуется постоянная синхронизация данных, поэтому они - отличная точка входа. В статье мы разберём реализацию «пошаговости» на примере крестиков-ноликов, используя Unity + Mirror.