«Готово!» — пишет AI-агент. Открываешь код, а там половина задачи и упавший тест.

Кто плотно работает с AI в разработке, знает это чувство. Агент пишет быстро, но сам себя не проверяет, не помнит вчерашних договорённостей и легко сжигает лимиты, бегая по кругу.

Поэтому я делаю HarnessOS — self-hosted control plane для AI-разработки. Вместо «агент сказал готово» — четыре опоры:
1. План — понятно, что и в каком порядке делается.
2. Проверки — результат подтверждают тесты и правила, а не слова модели.
3. Память — решения и контекст проекта не теряются между сессиями.
4. Лимиты — у агента есть рамки по ресурсам.

Проект в разработке, буду показывать его по ходу дела в этом канале.
Описание: https://blog.arhellist.ru/blog/harnessos

А как вы проверяете работу агентов? Напишите мне @arhellist — соберу лучшие подходы в отдельный пост.

#ai #harnessos #агенты

Ещё один канал, на который стоит подписаться, — WebCraftly: t.me/webcraftly_studio

WebCraftly — моя веб-студия. Делаем сайты и web-приложения, которые готовы к продвижению ещё до запуска: со структурой, SEO-каркасом и понятным путём до заявки.

Что делает студия:
— корпоративные сайты и лендинги;
— интернет-магазины и редизайн;
— web-приложения: кабинеты, роли, интеграции;
— AI-ассистенты, интеграции с мессенджерами, Telegram-боты;
— growth-система: индексация, посадочные под спрос, аналитика до заявки.

В канале — разборы того, как устроен сайт, который приносит заявки, ответы на частые вопросы заказчиков и новости студии.

👉 Подписаться: t.me/webcraftly_studio
Услуги: https://webcraftly.ru/services

Есть задача — опишите её на https://webcraftly.ru/contact, обычно отвечаем в тот же рабочий день.

#webcraftly #вебстудия

Чек-лист: что проверить перед тем, как выкатить проект в прод ✅

Короткий список для проверки перед релизом. По каждому пункту в блоге есть подробный разбор — ссылки ниже.

☐ Деплой не руками: сборка и выкладка идут через CI/CD.
☐ Секреты не лежат в репозитории.
☐ Авторизация продумана: JWT, срок жизни токенов, 2FA для админки.
☐ Формы защищены от XSS и CSRF, запросы к базе — от SQL-инъекций.
☐ Сервер закрыт: SSH по ключам, файрвол, Fail2ban, бэкапы.
☐ Роли и права проверены: пользователь не видит чужого.

Подробно:
— CI/CD: https://blog.arhellist.ru/blog/cicd-kak-ya-perestal-deploit-rukami-i-nachal-zhit-spokoyno
— безопасность кода: https://blog.arhellist.ru/blog/kodovaya-bezopasnost-jwt-2fa-xss-csrf-sql-inektsii-i-vsyo-chto-dolzhen-znat-razrabotchik-chtoby-ne-prosnutsya-znamenitym
— защита VPS: https://blog.arhellist.ru/blog/pervaya-evolyutsiya

Сохраните пост, чтобы он был под рукой перед следующим релизом.

#чеклист #безопасность #devops

Дневник основателя, запись №1.

«Легко сказать „мы быстро растём“. Сложнее сказать „у нас пока мало пользователей“. Второе — начало честности, первое — конец доверия».

Эту мысль я сформулировал, когда запускал xChangePro, и она стала правилом для всех моих проектов. Здесь буду писать о продуктах так же: что сделано, что не взлетело, что меняю и почему. Без красивых цифр, которых нет.

Что будет в рубрике #дневник:
— решения по xChangePro, WebCraftly и HarnessOS;
— ошибки и выводы из них;
— как AI меняет мою работу и где он не помогает.

Текст о запуске xChangePro целиком: https://xchangepro.pro/blog/chto-takoe-xchangepro

О том, как меняется роль разработчика: https://blog.arhellist.ru/blog/vayb-kodery-arhitektory-i-konets-epohi-ruchnogo-programmirovaniya

#дневник #founder

О чём написать следующим? Голосуйте в опросе ниже 👇

Варианты:
1. AI-агенты в разработке: как их проверять
2. High-load архитектура: разбор реального проекта
3. Как запустить свой продукт в одиночку
4. Карьера: от кодера к архитектору
5. Локальные нейросети вместо подписок

Тема-победитель станет следующим большим постом. Свой вариант — в личку @arhellist.

Пока ждёте, почитайте, как я развернул локальный ИИ-кодер: https://blog.arhellist.ru/blog/kak-ya-razvernul-lokalnyy-ii-koder

Где ещё меня найти:
Хабр: https://habr.com/ru/users/arhellist/
TenChat: https://tenchat.ru/arhellist
VK: https://vk.ru/shilka773
Сетка: https://setka.ru/users/019d2f22-3494-79f3-8dc5-f94c192970a8
GitHub: https://github.com/arhellist

Мои проекты в Telegram: t.me/xchangepro_ru и t.me/webcraftly_studio

#опрос

Профессия разработчика меняется на глазах. Ещё пару лет назад хватало уверенно знать стек и писать чистый код. Сегодня этого мало: нужно знать больше, думать шире, а главный множитель — умение работать с AI.

Что это значит на практике:

🔹 Ставить задачу, а не просто писать код. Модель делает то, что ты смог объяснить. Чёткий контекст, ограничения и критерии готовности стали важнее скорости набора текста.
🔹 Понимать архитектуру. AI быстро пишет куски кода, но собирать из них систему, которая не развалится под нагрузкой, по-прежнему придётся человеку.
🔹 Проверять результат. Тесты, ревью, безопасность. Сгенерированный код выглядит убедительно даже тогда, когда он неправильный.
🔹 Выстраивать процесс. Агенты, автоматизация рутины, связка AI с CI/CD, документацией и данными. Выигрывает тот, кто перестраивает весь цикл разработки, а не ускоряет одну строчку.
🔹 Знать возможности и пределы инструментов. Где модель сэкономит день, а где уверенно соврёт.
🔹 Постоянно учиться. Инструменты обновляются каждые несколько месяцев, и навык полугодовой давности уже устаревает.

Тем временем компании вне IT пока не догоняют. Они не до конца понимают, кто им нужен: пишут вакансии по шаблонам пятилетней давности, ищут «программиста на 1С и немного сайт» и не видят разницы между тем, кто пишет код через AI, и тем, кто умеет с его помощью выстроить разработку.

Я уже писал, что сейчас огромные деньги идут в инфраструктуру под AI: дата-центры, модели, платформы. Но инфраструктура — это только половина истории. Пользоваться AI по-настоящему умеют далеко не все, а большинство тех, кто пользуется, раскрывают его возможности лишь частично.

Чаще всего я вижу два сценария:
— код пишут через AI, но без понимания, как оптимизировать саму разработку;
— AI используют как поисковик и задают ему «гугл-вопросы».

А AI — это не новый поисковик и не автодополнение на стероидах. Это многократный множитель, но только для тех, кто изучает инструмент, пробует новое и перестраивает подход. Если просто встроить передовую технологию в привычную работу, получится тот же результат, только чуть быстрее.

Разрыв уже заметен: одни специалисты делают за неделю то, на что раньше уходил месяц, другие работают по-старому, но с чат-ботом в соседней вкладке. И компаниям, и разработчикам пора честно ответить себе, на какой они стороне.

А как у вас: AI уже поменял ваш подход к работе или пока остаётся «умным поиском»? 👇

Больше о разработке и AI — Мой блог и Мой Телеграм

#найм #IT #AI #разработка #карьера

Что такое harness и зачем он вообще нужен

Как я строил HarnessOS · 1/10

Модель — это двигатель. Harness — это машина целиком. Разбираю, что это такое и почему без обвязки даже сильная модель остаётся талантливым, но безответственным сотрудником.

Полный текст — в следующем сообщении 👇

Начну с главного.

Когда люди говорят «я использую AI для разработки», они обычно имеют в виду одно из двух.

Первое: «Я пишу промпт в чат, копирую код, вставляю в редактор». Это не harness. Это использование LLM как очень умного автокомплита.

Второе: «У меня есть агент, который сам читает файлы, пишет код, запускает тесты». Вот это уже ближе. Но и это ещё не harness.

Harness — это всё, что находится вокруг модели. Модель — это процессор. Harness — это операционная система.

Аналогия, которая мне нравится больше всего: если модель — это двигатель, то harness — это машина целиком. Рама, колёса, руль, тормоза, бензобак. Сам по себе двигатель крутится, но никуда не едет.

Что делает harness:

• Решает, что модель увидит. Не «весь проект», а конкретный кусок, релевантный задаче.
• Решает, что модель может делать. Не «всё», а конкретный набор инструментов с ограничениями.
• Решает, как проверить результат. Не «модель сказала „готово“», а «вот объективные проверки».
• Решает, когда остановиться. Не «пробуем до бесконечности», а «после N попыток зовём человека».
• Помнит, что было. Не «контекст чата», а структурированная память о проекте.

Без harness модель — это талантливый, но безответственный сотрудник. Он быстро пишет код, который выглядит правильно. А потом этот код ломается на первом нетривиальном сценарии.

С harness это управляемый процесс. Медленнее на одном шаге. Быстрее на дистанции.

Именно поэтому я начал строить HarnessOS. Не потому что «хочу свой AI-инструмент». А потому что понял: проблема не в модели. Проблема в том, что вокруг неё нет нормальной обвязки.

В следующем посте — из каких слоёв обычно состоит harness.

#HarnessOS #AIразработка #КакЯСтроилHarnessOS #AIагенты #разработка

Типичная архитектура harness

Как я строил HarnessOS · 2/10

Я разобрал несколько открытых harness’ов и увидел четыре слоя, которые есть почти везде. И пятый, который отличает зрелые решения от самоделок.

Полный текст — в следующем сообщении 👇

Есть хорошая новость: harness’ы устроены похоже. Даже если их делают разные люди для разных задач.

Я разобрал несколько открытых harness’ов — от простых до продакшн-уровня. И увидел четыре слоя, которые есть почти везде.

Слой 1. Оркестрация

Это то, что решает, что делать дальше. Какой агент, с каким контекстом, какие инструменты, что проверить. По сути, оркестрация — это цикл событий (event loop). Не «модель думает», а «модель предложила → система проверила → система решила, что дальше».

Слой 2. Изоляция

Где агент работает. Если агент пишет код прямо в твой проект, он может сломать то, что работало. Изоляция — это песочница: каждый агент в своём окружении. Если что-то сломалось, изменения откатываются, не задевая остальное.

Слой 3. Память

Что агент помнит. Не «история чата», а структурированная база знаний. Что делал вчера. Какие решения принял и почему. Какие грабли уже собрал.

Слой 4. Верификация

Как проверить результат. Не «агент сказал „готово“», а «тесты прошли, линтер чист, план выполнен». Верификация — это детерминированный фильтр. Не мнение модели, а факт.

Есть и пятый слой. Он встречается не всегда, но отличает зрелые harness’ы от самоделок: governance. Это правила. Лимиты. Эскалация. Что делать, если агент не может решить задачу. Когда звать человека.

Когда я это увидел, стало проще. Не надо изобретать. Надо сделать каждый слой нормально.

В следующем посте — почему я не взял готовый инструмент, а начал строить свой.

#HarnessOS #AIразработка #КакЯСтроилHarnessOS #AIагенты #разработка

Почему я не взял готовое

Как я строил HarnessOS · 3/10

Зачем строить своё, если есть Cursor, Windsurf и Claude Code? Три причины, которые меня не устроили.

Полный текст — в следующем сообщении 👇

Справедливый вопрос: «Зачем строить своё, если есть Cursor, Windsurf, Claude Code?»

Я пробовал. Все три. Они классные. Но есть три вещи, которые меня не устроили.

Первое: контекст кода уходит наружу.

Это не «они плохие». Это архитектурное свойство. Claude Code запускается у тебя на машине, но промпты, прочитанные файлы и результаты команд уходят к модели в облаке. Cursor отправляет контекст кода через свои серверы к провайдерам моделей; режим приватности запрещает хранить его и учиться на нём, но не отменяет саму отправку. У Windsurf в облачной версии похожая схема, а self-hosted — отдельный корпоративный вариант. Итог один: фрагменты твоего кода покидают периметр, и дальше ты полагаешься на договор и политики вендора.

Для многих команд это неприемлемо. Финтех. Медицина. Госсектор. Все, у кого есть требования к периметру.

Второе: нет контроля в том виде, который мне нужен.

Агент сказал «готово» — значит готово. Хочешь проверить, что реально сделано, — иди разбирайся сам. Обязательных gates, явного approve и evidence как части процесса из коробки нет. Это приходится собирать самому.

Третье: нет памяти и порядка.

Правила и заметки можно положить в файлы. Но структурированной памяти о проекте нет: что делали вчера, какие решения приняли и почему. Закрыл чат — и многое приходится объяснять заново.

Я не говорю, что Cursor плохой. Он отличный для другого сценария. Быстро дописать функцию. Разобраться в незнакомом коде. Написать тесты.

Но для управляемой AI-разработки нужен другой инструмент. С self-hosted архитектурой. С явными gates. С памятью.

Именно поэтому я начал строить HarnessOS.

Не «сделать Cursor лучше». А сделать то, для чего Cursor не создавался.

В следующем посте — с чего всё началось: Prompt Factory.

#HarnessOS #AIразработка #КакЯСтроилHarnessOS #AIагенты #разработка

AI-агенты в 2026: что умеют, где работают и зачем бизнесу

Проект "Элис" — так и хочется начать эту статью, как в культовом многосерийном бестселлере :) Но сегодня речь пойдёт не о клонах, а об AI-обвязке и LLM-моделях.

Агент сегодня есть в любом AI-чате. Но Элис — не «просто агент», а каркас для многошаговых агентов: тех, что ведут задачу через длинную цепочку — план, десятки вызовов инструментов, проверки, одобрения человека, продолжение после сбоя и честный финиш. Разберу, чем они отличаются, что уже умеют, кто делает такие продукты и зачем они бизнесу.

Полный текст — в следующем сообщении 👇

Три уровня — и где тут Элис:
• чат-бот — отвечает на вопрос текстом и ничего не делает в мире;
• обычный агент в AI-чате — внутри одного ответа делает один-два вызова инструментов: поискать в сети, запустить код, прочитать файл. Сделал — ответил, задача закрыта;
• многошаговый агент — берёт задачу на часы и десятки шагов: планирует, вызывает инструменты, проверяет результат, останавливается спросить человека перед опасным действием, держит бюджет, ведёт журнал и после перезапуска продолжает с того места, где упал.
Разница между вторым и третьим уровнем — не в модели, а в обвязке. Длинная цепочка ломается в десятках мест: оборвался процесс, человек не ответил на запрос одобрения, агент зациклился, сказал «готово», а действия не было. Элис строится именно для третьего уровня.
Что умеет многошаговый агент:
• публикует рассылки постов в соцсетях по расписанию и генерирует изображения к постам;
• работает в браузере как человек: открывает сайты, заполняет формы, нажимает кнопки;
• выполняет задачи по расписанию — каждый день, каждую неделю, в нужный час;
• помнит правила и договорённости: что можно, что нельзя, что только после одобрения;
• работает с почтой, репозиториями и другими сервисами через интеграции;
• делит большую задачу между параллельными субагентами;
• пишет и правит код;
• собирает документы и отчёты;
• распознаёт скриншоты;
• когда нужен вход по СМС или одобрение, передаёт управление человеку, а не просит пароль в чате.
Где это применяется:
• контент — серии постов, кросспостинг, адаптация под площадки;
• поддержка — первая линия, разбор обращений, черновики ответов;
• продажи — обработка заявок, обновление CRM, напоминания;
• исследования — сбор и сравнение источников, выжимки;
• отчётность — регулярные сводки из нескольких систем;
• разработка и DevOps — правки кода, pull request, разбор упавших CI;
• бэк-офис — документы, таблицы, переписка по шаблону.
Кто уже на рынке:
• OpenAI — Operator вырос в ChatGPT agent, сейчас многошаговые задачи — в ChatGPT Work с облачным браузером;
• Anthropic — Claude Code и инструмент computer use для управления интерфейсом;
• Cognition Devin — автономный инженер: от задачи до pull request в своей виртуальной машине;
• Manus — универсальный агент со своим компьютером и браузером: исследования, презентации, сайты;
• OpenClaw — open-source ассистент, работает на твоей машине и отвечает в мессенджерах;
• n8n, Make, Zapier, Lindy — конструкторы автоматизаций и агентов;
• Сбер — ГигаЧат Бизнес для корпоративных агентов и ГигаАгент; Яндекс — AI Studio с конструктором агентов.
Почему Элис. Большинство продуктов выше — либо готовый сервис, где правила задаёт вендор, либо конструктор, где надёжность длинных цепочек — твоя забота. Элис — harness для многошаговых агентов на DeepSeek, и надёжность многошаговости держится на её ядре:
• журнал событий — единственная правда: что сделано, видно и после сбоя;
• outbox — побочные действия не теряются и не задваиваются при рестарте;
• replay — переигровка разговора без повторных эффектов, для отладки и проверки;
• одобрение человека — опасные шаги только с «да», честный таймаут, если ответа нет;
• бюджет и анти-runaway — лимиты токенов, денег, времени и шагов, стоп при зацикливании;
• честная остановка — каждый разговор заканчивается успехом или названной причиной провала.
Плюс изоляция каждой группы и секреты только ссылками. Сегодня Элис работает локально или на выделенной машине, в планах — облачный сервис.
Дальше — серия из 20 постов: как Элис устроена изнутри и где было трудно. Если хотите такого агента под свои задачи — пишите.
#HarnessOS #Элис #AIагенты #автоматизация #LLM
👉 Канал про HarnessOS и Элис: https://t.me/harness_ai_ru
📝 Мой блог: https://blog.arhellist.ru/blog/ai-agenty-v-2026-chto-umeyut-gde-rabotayut-i-zachem-biznesu

Prompt Factory — дисциплина, которая появилась раньше

Как я строил HarnessOS · 4/10

Прежде чем рассказывать про HarnessOS — о том, что было до него. Prompt Factory: сначала договориться, потом делать.

Полный текст — в следующем сообщении 👇

Прежде чем рассказывать про HarnessOS, надо рассказать про то, что было до него.

Несколько лет я работал над сложными проектами. И всё время упирался в одну проблему: AI генерирует код быстрее, чем я успеваю его проверять.

Это называют Verification Tax — налог на проверку.

Ты экономишь час на написании — и тратишь полтора на то, чтобы понять, что именно агент сделал, не сломал ли он что-то и почему тесты вроде зелёные, а поведение — нет.

Тогда я начал строить Prompt Factory. Не фреймворк. Не библиотеку. Методологию и инструмент дисциплины.

Идея простая: сначала договориться, потом делать.

Вместо «сделай мне фичу» — сначала зафиксировать, что именно строится, зачем, какие границы и как это проверить. Только после этого — код.

Prompt Factory делает три вещи:

• Декомпозирует. Большая задача режется на тонкие куски. Каждый можно проверить отдельно.
• Описывает. Каждый кусок получает спецификацию: что должно быть, чего быть не должно, как проверить.
• Генерирует. Из спецификации появляется задание для агента. С чёткими критериями приёмки.

Я назвал это дисциплиной. Потому что суть не в инструменте. Суть в том, что система не даёт сделать иначе.

Prompt Factory прошёл проверку на реальных проектах — xChangePro и WebCraftly. Не на демо. Это важно.

Но у него был один недостаток. Он не умел работать с существующими проектами. Только с новыми, с нуля.

Это и стало отправной точкой для HarnessOS.

В следующем посте — что уже есть на рынке и кто решает похожие задачи.

#HarnessOS #AIразработка #КакЯСтроилHarnessOS #AIагенты #разработка

Элис: каркас для групп ботов — от своей машины к облаку

Запускаю новую серию — про Элис (HarnessBot). Это мой второй большой проект после HarnessOS: каркас для групп ботов на DeepSeek. Сегодня он работает локально или на выделенной машине, в планах — облачный сервис. Это не замена IDE. Оператор даёт задачу, бот думает и вызывает инструменты, а всё важное пишется на диск, чтобы после сбоя можно было продолжить.

За 20 постов разберу, как он устроен, зачем каждый кусок и где было по-настоящему трудно. Пишу для тех, кто сам строит агентов.

Полный текст — в следующем сообщении 👇

Сначала о том, что такое Элис. Это рантайм, в котором живут группы ботов. У каждой группы своя рабочая папка, свой журнал событий, своя база проекций, свой браузер и свои секреты. Оператор работает через CLI или веб-панель Mission Control.


Что система делает:
• ведёт полный журнал всего, что произошло: файлы событий, а не «память в голове процесса»;
• гоняет цикл «модель → инструменты → снова модель»;
• спрашивает человека перед опасным действием: запись файлов, shell, навигация, генерация медиа;
• переигрывает историю без повторных побочных эффектов;
• передаёт задачу другой группе, в том числе на другой хост;
• считает токены, деньги и время и останавливается честно, а не «замолкает».

Куда движется. Сейчас Элис запускается локально или на отдельной машине. Следующий шаг — облачный сервис. Архитектура под это заложена с самого начала: удалённый HTTP-транспорт, федерация хостов, изоляция каждой группы, брокер секретов, B2B-лицензия. Чем Элис не является: это не замена IDE, не Kubernetes-mesh и не обучение своих моделей. Ставка — на надёжность самого harness.

Ключевая трудность (инженерная): удержать границы. Когда пишешь каркас для агентов, каждую неделю хочется добавить «ещё одну полезную штуку»: интеграции, удобства, «быстрые» обходы. Каждая такая штука размывает гарантии ядра — а в будущем облаке они понадобятся как никогда. Поэтому у проекта есть явный список не-целей и «конституция» AGENTS.md, по которой пишут код и люди, и агенты.

В следующих постах: изоляция групп, журнал событий, outbox, цикл агента, кэш промпта, политика инструментов, секреты, браузер, шлюз между группами, бюджет, replay, Mission Control и честный финал про то, что пока не получилось.

#HarnessOS #Элис #AIагенты #LLM #DeepSeek

👉 Канал про HarnessOS и Элис: https://t.me/harness_ai_ru