Согласен, подход рабочий. Но здесь есть важный момент: при таком подходе специалист фактически превращается в оператора ИИ. И требования к этому оператору по уровню близки к сеньору, нужно уметь быстро ревьюить, понимать логику, держать модель в голове, знать подходы и шаблоны.
Возникает вопрос: как в такой модели расти новичкам? Вчерашний студент просто не обладает этим багажом, и без него он не сможет эффективно управлять ИИ.
Мне кажется, текущая ситуация не даёт ответа, как выстраивать карьерный путь в такой новой реальности.
бизнес видит что с ИИ можно доставлять быстрее. бизнес сам им пользуется для валидации идей, для постановки задач, для контроля. очень заманчиво ввести промпт:
Сформируй недельный отчёт по всем инициативам, за которые я отвечаю как BusinesRole. Используй только данные из TaskTracker, CorpWiki,GitLab. Период последние 7(30) дней.
Добавь анализ пробелов, слабых звеньев, узких мест: где не хватает информации, где отсутствует прогресс, где есть организационные или технические провисания.
Согласен, вместе с тем всех не отревьюишь, запретить использовать тоже сложно - соответственно необходимы механизмы контроля, я думаю что это один из векторов развития
Думаю, индустрия неизбежно придёт к строгим механизмам контроля агентов. Отказаться от их использования уже невозможно, но запускать их в продакшн без оконтроля, в ряде областей очень рискованно.
с тестами есть еще история про то что, пытаясь их пофиксить макака все чаще стала принимать решение - тест не проходит - отключу тест - линтер не проходит - отключу
и даже явный запрет в инструкциях не всегда помогает.
по поводу детализации промптов - согласен, времени уходило очень много. Работа с промптами напомнила мне ситуацию когда я осваивал TDD в 2008. Тогда написание тестов требовало очень много времени, и тесты получались такими что рефакторинг делать с ними было очень сложно, приходилось тесты отключать и по новой писать. Но ничего, эта инвестиция времени была полезной
да, здесь согласен. идея spec driven очень близка. сейчас тестирую этот подход в том числе. однако вопрос с качеством кода все также остается. ревьюить все изменения утомляет и на редактирование кода достаточно быстро выдаешь право делать это автоматом.
по ощущениям, Google с Gemini сильно отстаёт от OpenAI и Anthropic. Ответы - менее точные, UX - не разобрался еще. Пока ощущается как догоняющий, а не ведущий.
Кстати, форматирование в стиле GPT - постепенно становится привычным. Читать по шаблону быстрее, чем линейный текст. Это не просто удобно - это ответ на повышающийся объём поступаемой информации.
да да да, сделал я портирование списка контактов из Агента в Жабер,
в Агенте список пропал — «Спасибо жаберу! Все собирался почистить контакт лист!»
вот только не думал что хочу избавится от всего списка сразу )
Согласен, подход рабочий. Но здесь есть важный момент: при таком подходе специалист фактически превращается в оператора ИИ. И требования к этому оператору по уровню близки к сеньору, нужно уметь быстро ревьюить, понимать логику, держать модель в голове, знать подходы и шаблоны.
Возникает вопрос: как в такой модели расти новичкам? Вчерашний студент просто не обладает этим багажом, и без него он не сможет эффективно управлять ИИ.
Мне кажется, текущая ситуация не даёт ответа, как выстраивать карьерный путь в такой новой реальности.
для бизнеса.
бизнес видит что с ИИ можно доставлять быстрее. бизнес сам им пользуется для валидации идей, для постановки задач, для контроля.
очень заманчиво ввести промпт:
Сформируй недельный отчёт по всем инициативам, за которые я отвечаю как BusinesRole. Используй только данные из TaskTracker, CorpWiki, GitLab. Период последние 7(30) дней.
Добавь анализ пробелов, слабых звеньев, узких мест: где не хватает информации, где отсутствует прогресс, где есть организационные или технические провисания.
Согласен, вместе с тем всех не отревьюишь, запретить использовать тоже сложно - соответственно необходимы механизмы контроля, я думаю что это один из векторов развития
Думаю, индустрия неизбежно придёт к строгим механизмам контроля агентов. Отказаться от их использования уже невозможно, но запускать их в продакшн без оконтроля, в ряде областей очень рискованно.
с тестами есть еще история про то что, пытаясь их пофиксить макака все чаще стала принимать решение
- тест не проходит - отключу тест
- линтер не проходит - отключу
и даже явный запрет в инструкциях не всегда помогает.
по поводу детализации промптов - согласен, времени уходило очень много. Работа с промптами напомнила мне ситуацию когда я осваивал TDD в 2008. Тогда написание тестов требовало очень много времени, и тесты получались такими что рефакторинг делать с ними было очень сложно, приходилось тесты отключать и по новой писать. Но ничего, эта инвестиция времени была полезной
предпочитаю plantuml, однако в последнее время в чаще и чаще начинаю использовать mermaid
да, здесь согласен. идея spec driven очень близка. сейчас тестирую этот подход в том числе. однако вопрос с качеством кода все также остается. ревьюить все изменения утомляет и на редактирование кода достаточно быстро выдаешь право делать это автоматом.
учту
по ощущениям, Google с Gemini сильно отстаёт от OpenAI и Anthropic. Ответы - менее точные, UX - не разобрался еще. Пока ощущается как догоняющий, а не ведущий.
Кстати, форматирование в стиле GPT - постепенно становится привычным. Читать по шаблону быстрее, чем линейный текст. Это не просто удобно - это ответ на повышающийся объём поступаемой информации.
Спасибо, классная статья.
Освежил некоторые моменты.
скачал Psi
взял инструкцию и сделал step by step
Результат:
в Mail.Ru агенте список контактов пропал
(видимо руки кривые ))) )
жаббер тут не причем
но первое закомство не особо произвело впечатление
в Агенте список пропал — «Спасибо жаберу! Все собирался почистить контакт лист!»
вот только не думал что хочу избавится от всего списка сразу )