ИИшные будни и полный пятничный сумбур

Сегодня подводили итоги квартала и все команды дата офиса сейчас пишут контекст для своих помощников. И вот нонсенс - чем лучше ваша слоенная архитектура и чем больше у нее документации, тем сложнее ее запихать в RAG и тем хуже на ней работают модели. Спасибо умным людям (привет, Венера), которые начали подробно описывать метрики в компании в маркдауне в репке dbt еще в 22 году - это самый простой и потрясающий буст по контексту для простых потребителей. Но вернемся к тому, почему вроде работали,а получилась шляпа. Самый простой способ убедиться в этом без построениях всяких специальных рагов - поставить nao.

Кто не слышал про эту штуку (как я, например, и спасибо большое просвещающим коллегам) - это по сути самая простая обертка для агента, нацеленная на работу с dwh. С одной стороны вы подключаете любую модель (Claude, ChatGPT, локальные модели), с другой стороны у вас веб чат с аутентификацией и авторизацией, а посередине репа с текстовыми файлами контекста. На первом запуске, когда мы подключили локальную модельку я был в диком восторге - ответ получил за секунды и вроде похож на верный. Правда на следующий день мы выяснили, что он был полностью выдуманным и ни один запрос в бд не был сделан :) Но в общем и целом после тюнинга получается достаточно удобно.

Так вот, в эту репку можно прямо ссылкой отгрузить dbt проект. Плюс еще сам nao собирает мету со всех подключенных бд на этапе init. И потом с этой горой информационного мусоры мы пытаемся взлететь, а размер контекста у локальных моделей сильно отстает от лидеров рынка - будет сплошной мусор.

Решить этой штукой мне хотелось вечную боль команд данных - выгрузки. И все бы ничего, но в коробке такого функционала нет :) Отвечать на вопросы с цифрами может, графики рисовать умеет, но csv выплюнуть - не сделали. У нас в планах на следующий квартал реализовать и пушнуть в апстрим. Еще коллега впрягся и добавил туда поддержку StarRocks :)

А что по остальным командам? BI и их ужасные системы из большой тройки. Самая большая проблема там - найти интересующую тебя информацию. Даже если приложение имеет описание, надо его еще найти, посмотреть есть ли там нужные разрезы и метрики. Решение - RAG. Чуете чем пахнет? Дата говернансом, дада, тем самым. Когда-то внедряли каталоги данных за миллион денег, которые сами по себе не могут решить никаких проблем. Так вот описание нужно, а каталоги - нет. И сам по себе офис данных сейчас по сути становится держателем контекста информации всей компании, мне так кажется.

Доли LLM, свежий график

Рекрутеры много говорят о том, что соискатели должны быть честными. Но честны ли при этом сами рекрутеры?
🧨кандидаты должны строго откликаться на вакансии точечно, только на то, что соответствует их профилю, пока HR пишут непонятные описания вакансий с непрозрачными целями и задачами
🧨вы должны выкладывать честное резюме, пока нанимающие могут указывать описание и требования, которые не соответствуют реальной работе
🧨соискатель должен внимательно изучать вакансию и выяснить, действительно ли требуется именно он, хотя его резюме с большой долей вероятности отбракует автофильтр. По причинам, которые неизвестны даже рекрутерам
🧨резюме соискателя должно отражать след его личности, которую рекрутер оценит за 30 секунд, а то и за 7. Вместе с сопроводительным
🧨соискателям нельзя использовать ИИ, чтобы адаптировать резюме, написать сопроводительное или откликнуться на сотню вакансий одним кликом, хотя поиск работы не является работой. В то же время HR пишет описание, отсеивает и сортирует резюме с помощью нейросетей. Ведь это его работа, ему можно, не перепутайте
🧨у соискателя не должно быть перерывов в опыте, но искать работу, когда вы уже трудитесь в компании с HR - тоже харам и табу, фу такими быть
🧨и одновременно рекрутеры ищут в первую очередь тех, кто уже работает, дискриминируя тех, кто честно ушёл "в никуда"
🧨при этом соискателям нельзя быть меркантильными, менять работу просто ради прибавки в зарплате. Пока компании с лёгкостью будут увольнять сотни и тысячи сотрудников просто потому, что бизнес вдруг начал получать меньше, чем раньше
🧨нанимают за вайбик, хотя требуют харды с софтами
🧨вам будут говорить качать навыки, но лучше всего работают self-sell навыки
🧨зарплатную вилку кандидату никто не озвучит, но от соискателя требуется назвать точные зарплатные ожидания. Чаще всего даже без чёткого описания вакансии и задач
🧨соискателям лучше ни за что и никогда не опаздывать на собеседования даже на 3 минуты. Рекрутерам же заставлять своего собеседника сидеть в ожидании "а чё такого?"
🧨кандидатам строго запрещается сливать информацию о вопросах, заданиях и последовательности собеседований наружу. Хотя считается совершенно нормальным для компании собирать информацию, рекомендации и прочие личные данные, в том числе - в неофициальных чятиках или общении с прочими рекрутерами
🧨кандидат не должен игнорировать запросы HR или пропадать на долгий срок, особенно на поздних этапах. И "Мы вам перезвоним"
🧨на своих курсах они по поиску работы в итоге они предлагают примерно то же, что и "волки": подкручивать резюме, закрывать паузы между работами, пририсовывать опыт. Да, официально это всё нельзя и фу-фу-фу
🧨в итоге вот уже 50 лет рекрутеры нанимают с уровнем ошибок в 40-60%, но проблемы именно у тех людей, кто пытается быть честным во всём этом бардаке
🧨а ещё враг - любой человек, кто посмел с аргументами выступить, что систему найма надо менять. А не те, кто консервирует эти порочные и вредные практики.

Нынешний рекрутинг сломан, и починить его "послушным и честным поведением" соискателей невозможно. Систему заставить меняться только массовый саботаж старых догм и максимальная популяризация аргументов, почему прежний порядок настолько порочен.
Честность вернётся только тогда, когда она станет выгодна обеим сторонам. А пока - качайте self-sell навыки.

Ретробес и мракоград

Вся IT-тусовка жужжит на тему увольнений из-за AI. А вы когда-нибудь видели как это реально происходит? Как вы себе это представляете? Типа... компания купила подписку на Claude, он за пару недель решил 100500 задач, лежащих в бэклоге, разрулил техдолг, наколбасил фич и починил застарелые баги, поэтому половина команды оказалась не нужна, да?

Ага, щаз! Несу вам в клювике 2 кейса как людей реально уволили из-за AI. Видел своими глазами, peer review по знакомым подтвердил что такое происходит во многих компаниях. Слушайте внимательно.

Кейс первый: к команде разработки пришёл доморощенный AI-тренер. Начал рассказывать про промпты, агентов, скиллы, APM, MCP и прочую чушь. Естественно, быстро всплыло что Claude работает через grep файлов. Умудрённый опытом senior-разработчик слышит это и задаёт закономерный скептичный вопрос: мол, а как эта штука будет лазить по нашему проекту, в котором 300 тысяч строк кода? Он же все файлы прогрепать и прочесть не может — context window лопнет, миллиарды токенов сгорят. Наверное, это не самый лучший путь? Команда вроде соглашается, принимается решение сделать MCP для кода, гуляющий по AST. Ставится задача в трекер, senior приступает к экспериментам. Через пару дней прибегает AI-тренер, смотрит на промежуточные результаты и нервно выдаёт "ой блин, херня какая, это всё не нужно, Claude умный, сам справится, отменяйте эту задачу на фиг". Senior в лёгком ахуе из-за такого нарушения субординации, о чём вежливо сообщает AI-тренеру. Мол, команда решила сделать так, тимлид подтвердил, стало быть делаем.

А потом senior-разработчика вызывают на ковёр к директору и вежливо сообщают, что своим AI-скептицизмом он что-то дофига личных конфликтов порождает. Демотивирует остальную команду, экзальтированную LLMками. Ретробес и мракоград эдакий. А конфликты — это плохо, поэтому давайте-ка на этом завершим сотрудничество. Senior недоумевает, но подумав соглашается на выходное пособие и в приватном разговоре признаётся что с такими клиническим идиотами, игнорирующими законы физики, сам работать не желает.

Кейс второй: жил-был devops. Заведовал тестовой инфраструктурой для большого продукта: тест-контейнеры, деплой системы через k3s, запуск WebAPI-тестов, сбор логов, подсчёт coverage. В его ведении был Terraform, посыпанный тонной yml-ей и сдобренный Ansible. Он честно строил chain of quality gates, который реально работал.

А тут вдруг начальство посылает к нему разработчика из AI-inspired команды с Claude наперевес. И этот кадр начинает с помощью AI ломать и переколбашивать всю существующую инфраструктуру. У devops-а волосы встают дыбом от такого поворота событий. Пайплайны, и без того иногда падавшие начинают лежать круглыми сутками. Devops такой наглости не выдерживает, идёт к начальству и закономерно вопрошает — а какого, мол, хуя? Начальство же ласково соощает devops-у что он — ретробес и мракоград, не понимает что AI нас всех ведёт в светлое будущее и сейчас все его yaml-и один разработчик с Claude кааак оптимизирует...

Договориться не удаётся, devops-у вручают Contract Termination Letter.

Проникнитесь сюрреализмом: в нормальном бизнесе сначала оптимизируют процесс, а потом перераспределяют освободившиеся кадры. А у нас расстаются с кадрами (которых только недавно собирали по крупицам) под эфемерное ОБЕЩАНИЕ оптимизации.

IT-индустрия вообще только недавно начала более-менее осознавать что такое квалифицированный инженер. Как его собеседовать и как с ним работать. Понимание идёт туго, доходит не до всех. А тут Anthropic всех нас столкнул с новым челленджем: разобраться кто из этих инженеров AI-compatible. Это — задача совершенно иного уровня, в разы сложнее. По моему скромному мнению, AI-compatible инженер должен быть почти архитектором. Он обязан уметь смотреть на системы в целом, разбивать их на части и понимать как они вместе работают. С таким мышлением можно делать точные промпты и добиваться результата. Но эффективный инженер — всегда скептик. А скепсис компании принимают за отрицание прогресса, что ведёт к увольнению.

Такие дела