Журнал Wired опубликовал результаты опроса 730 разработчиков разных уровней по поводу того, как они используют нейронки. Большинство делают это регулярно, многие (но пока далеко не все) используют ИИ для написания кода.

Любопытно, что мнения по поводу будущего ИИ (включая влияние нейросетей на трудоустройство респондентов) разделились примерно на 3 равные группы: "ИИ-оптимисты", "ИИ-агностики" и "ИИ-пессимисты".

Мой опыт с этим совпадает: среди многочисленных айтишников из моего круга общения есть как те, кто уверен, что в ближайшие годы их профессия почти полностью исчезнет из-за ИИ, так и те, кто убеждён, что полностью всё автоматизировать никогда не выйдет. Что ж, время покажет!

Материал Wired: https://www.wired.com/story/how-software-engineers-coders-actually-use-ai/

#ИИ_мастрид #тренд_мастрид

🖥 Как быстро починить код, который присылает нейронка

Если создаете приложения в Cursor, Windsurf и подобных и часто получаете нерабочий код, отправляйте в нейронку промпт ниже:

Reflect on 5-7 different possible sources of the problem, distill those down to 1-2 most likely sources, and then add logs to validate your assumptions before we move onto implementing the actual code fix

С ним нейросеть:

1️⃣ Выделит 5–7 вариантов, из-за которых может возникать ошибки

2️⃣ Проанализирует возможные проблемы и сузит круг потенциальных проблем до 1–2 наиболее вероятных

3️⃣ Добавит логи, что проверить свои предположения перед исправлением кода

4️⃣ Не будет вносить исправления до конца анализа, чтобы не сделать новую ошибку

Нейросети | Маркетинг

Google готовит Sec-Gemini v1 - специализированную модель для кибербеза

Модель натренирована на данных о уязвимостях и может анализировать исходный код, обнаруживать баги и создавать эксплойты.

Уже тестируется внутри Google – инженеры используют её для поиска уязвимостей и защиты инфраструктуры.

Внешним пользователям доступна в Trusted Tester Program.

#Cybersecurity #SecGemini #безопасность #Google
———
@tsingular

Google запустил Firebase Studio для генерации приложений

Агентская среда Firebase Studio использует Gemini для генерации прототипов приложений.

Инструмент способен выполнять такие задачи как тестирование, рефакторинг, объяснение кода и написание документации. Кроме генерации с нуля, Firebase Studio может работать с кодом из ваших репозиториев.

Попробовать можно здесь: https://studio.firebase.google.com/

В телеграм-каналах на техническую тематику появляется всё больше информации про использование AI для прикладных задач: про требования при приёме на работу, про отбор кандидатов, которым разрешено выполнять тестовые задания с использованием AI.

Нравится, не нравится — терпи, моя красавица нужно привыкать к новой реальности, где AI становится ещё одним инструментом в вашем арсенале, который помогает быть сверхэффективным.

Вы можете стать гораздо продуктивнее с AI, если будете понимать, как он работает, и просто делегировать ему часть задач. Пока что эти инструменты требуют контроля и проверки, но в будущем ситуация может сильно измениться — и уже они будут контролировать и проверять нас 🙂

За последние несколько дней с помощью AI я:

- Насоздавал dbt-моделей (SQL, YAML) в нескольких проектах — это сотни строк кода, написанных за меня;

- Конвертировал 15 таблиц из SQL Server в Snowflake и создал Snowflake Stored Procedures с MERGE;

- Контрибьютил в репозиторий с Protobuf и Go, имея минимальные знания по этим технологиям;

- Разрулил проблемы с PyTest в Dagster;

- Участвовал в двух хакатонах, где использовались хранилища данных и LLMs;

- Занимался troubleshooting’ом всего, что ломалось и не работало;

- И многое другое.

Физически всё это было бы невозможно сделать за такой короткий срок.

Каждый раз, когда работаю с Cursor AI, думаю: «Всё классно», — но пока Cursor не может сам выполнять запросы к базе данных «из коробки».

То есть, пока что еще много COPY-PASTE (ручного труда).

И вот тут бы отлично подошел бы MCP. Как раз про него свежая статья - MCP Protocol: a new AI dev tools building block

- MCP — это как USB-C для ИИ-инструментов: универсальный интерфейс для подключения внешних систем к LLM-интегрированным IDE.

- MCP делает возможным, например, обращаться к базе данных напрямую из редактора кода, без переключения на PgAdmin или другие GUI-инструменты.

- Используя MCP, IDE может автоматически обращаться к БД, находить нужные таблицы, строить SQL-запросы и интерпретировать результаты, помогая разработчику.

- MCP вдохновлён Language Server Protocol (LSP) от Microsoft, который сделал возможной легкую интеграцию поддержки языков программирования в IDE.

- MCP быстро набрал популярность: VS Code, Cursor, Windsurf, Zed, Claude Desktop, Neovim и др. уже поддерживают MCP или планируют.

- Разработчики могут “разговаривать” с базами данных, CI/CD, системами фич-флагов и т.п. на естественном языке прямо в IDE.

- Протокол ещё очень сырой, но потенциал — огромный: как для повышения продуктивности разработчиков, так и для развития ИИ-агентов.

🎯 Основная идея:
Разработчику больше не нужно переключаться между инструментами. Он может задавать вопросы на естественном языке прямо в IDE, а LLM, используя MCP, под капотом подключается к нужным системам (БД, тикетинг и т.п.) и возвращает результат.

#windsurf.com https://windsurf.com/

#perplexing: https://www.perplexity.ai/search/4b1aa96a-6047-4850-80c7-33471d056426

[Перевод] Обзор 4 новых инструментов AI для программирования: v0, Bolt.new, Cursor, Windsurf

#ии #ai #frontend #backend

https://habr.com/ru/articles/866336/

[Перевод] Cursor vs Windsurf vs GitHub Copilot

Искусственный интеллект уже давно перестал быть лишь трендом и стал важным инструментом для разработчиков. В этой статье мы сравним три популярных AI-помощника для программирования: GitHub Copilot, Cursor и Windsurf. Каждый из них предлагает уникальные возможности для автоматизации рутинных задач, таких как автозаполнение кода, его генерация и улучшение рабочих процессов в IDE. Мы подробно рассмотрим, как эти решения помогают ускорить разработку и какие особенности отличают их друг от друга, чтобы вы могли выбрать подходящий инструмент для своих задач.

Читать далее

#github_copilot #cursor #windsurf #ии_помощники #разработка | @habr_ai

Мы не просто «внедряем ChatGPT». Мы расширяем пайплайн и часть инструментов разработчика, IDE, например. LLM теперь не фича — это часть toolchain. Такой же как Git, Docker и kubectl. Ты не просто пишешь код — ты ведёшь диалог с моделью, которая умеет генерировать паттерны, валидировать бизнес-логику, резюмировать PR, устранять циклические зависимости, даже подсказывать, где у тебя state leaking.

Выглядит как магия — по сути, это новый runtime. И ты, как инженер, должен это осознавать как инженер, а не как юзер. Раньше attack surface был:
— network layer
— open ports
— exposed S3
— слабая авторизация в GraphQL

Теперь — новая плоскость: prompt layer. Ты бахаешь в LLM свой main.py, .env, фрагмент SQL-дампа, кусок docker-compose с кредами. И всё. Запрос уехал

Ты шифруешь данные, а потом тебе DevOps заливает в GPT конфиг Vault с root-токеном, чтобы «понять, почему не деплоится». Поверхность атаки — это уже не сеть. Это VSCode + привычка “спросить у ИИ” без башки.

О чём я в последнее время думаю, так это о promt-ops и промптах в репе, как код. ИИ — это уже не тулза. Это dependency. У него latency, side effects, и его тоже надо дебажить

——————
Менеджер? Давай сюда!
Ищи работу здесь
Технологии и архитектура

Новые AI стали ошибаться чаще, чем их предшественники.

Недавно американская технологическая компания OpenAI представила новейшие большие языковые модели искусственного интеллекта, получившие названия o3 и o4-mini.

Однако, как показали тесты o3 и o4-mini, по-видимому, сделали значительный шаг назад: они склонны придумывать - или галлюцинировать - сильнее, чем их более ранние версии.

По данным издания TechCrunch, новые модели OpenAI противоречат исторической тенденции, согласно которой каждая новая модель давала все меньше галлюцинаций, чем предыдущая, что позволяет предположить, что OpenAI теперь движется в неверном направлении.

Согласно результатам внутреннего тестирования OpenAI, o3 и o4-mini склонны к галлюцинациям чаще, чем старые модели, включая o1, o1-mini и даже o3-mini. Модель o3 выдала 33% ошибок на тесте точности компании. Это примерно вдвое больше, чем у предыдущих моделей OpenAI. Тогда, как o4-mini показала еще более худший результат - 48%.

Хуже того, специалисты компании, похоже, не до конца понимают, причины проблем. Согласно их техническому отчету, необходимы дополнительные исследования, чтобы понять причину этих ошибок.

А вы замечали, что модели чаще стали выдавать не правильные ответы?

Vibe Coding: The Future of Programming

Искусственный интеллект трансформирует разработку программного обеспечения, переводя программистов от написания кода к совместной работе с ИИ в рамках интент-ориентированного подхода - это и есть vibe coding. Книга «Vibe Coding: Будущее программирования» исследует, как ИИ-ассистенты, такие как GitHub Copilot и OpenAI Codex, меняют процесс создания ПО, автоматизируя рутинные задачи программирования и влияя на архитектурные и дизайнерские решения.

Вот и книга по вайб-кодингу подъехала, термин только появился, а уже книги пишут.

Вайб-чтение:
Когда ты не читаешь книгу, LLM делает это за тебя, сохраняя знания в векторной базе данных.

Тем, кто увлечён вайб-кодингом, нет смысла читать эту книгу. Вы все можете сгенерировать эмбеддинги за пару шагов.

Что такое MCP и почему это прорыв для LLM и агентов?

Представьте: вы подключаете к ChatGPT новые функции так же легко, как флешку к компьютеру.
Звучит фантастично?
С протоколом MCP (Model Context Protocol) это реальность!

MCP - это USB-интерфейс для AI-приложений. Он разделяет возможности моделей (LLM) и их интеграцию, позволяя подключать любые сервисы без переобучения модели или переписывания кода.

Как это работает?
В основе MCP - три компонента:
1. Host - приложение, с которым вы работаете (например, Claude Desktop или ChatGPT).
2. Client - посредник между Host и Server, который изолирует задачи.
3. Server - сервер с конкретными функциями (например, работа с почтой, Slack или вашим API).

Хотите, чтобы модель отвечала на письма?
Подключите Gmail Server.
Нужно публиковать посты в соцсетях?
Добавьте Slack Server. Своё API? Оберните его в MCP-сервер и готово!

Что делать дальше?
1. Прочтите спецификацию MCP - она короткая и понятная.
2. Поэкспериментируйте: подключите Claude Desktop к существующим серверам (их тысячи!).
3. Создайте свой MCP-сервер - самый быстрый способ разобраться в системе.

MCP меняет правила игры, превращая LLM в швейцарский нож с бесконечными возможностями.

А в этом видео Егор Бугаенко очень класно раасказывает, о том, что такое MCP - сервера, какое будущее их ждет и почему фронтэнд будет больше не нужен.

@data_whisperer