Вот вам красивый дек)

#пятничное

Будущее?
😱 - оно самое
❤️ - мы еще держимся

Ты отправляешь отклик за откликом, обновляешь резюме, поднимаешь его в поиске — а в ответ тишина или автоотказ. Кажется, что hh просто перестал работать.

Отчасти так и есть. Рынок труда в России за два года стал совершенно другим: конкуренция выросла, вакансий стало меньше, компании стали требовательнее, старые способы поиска больше не работают. Проблема не в тебе, а в том, что никто не рассказал, где теперь на самом деле ищут работу.

Альтернативные каналы поиска есть, и мы их знаем.

11 августа в 19:00 МСК приглашаем на бесплатный мастер-класс: «hh "умер". Где теперь искать работу?»
Спикер — Кристина Можаева, карьерный консультант AgileFluent с 12+ годами в HR и 1200+ часами практики с кандидатами из IT и digital.

На мастер-классе разберём:
— что изменилось на рынке РФ и почему даже сильные специалисты застревают в поиске;
— как выстроить стратегию, которая держит тебя востребованным даже на нестабильном рынке;
— как собрать резюме, CV, портфолио и сопроводительные так, чтобы они вели на собесы.

Записывайся по ссылке, участие бесплатное 👉 [ссылка]

Реклама. ООО «Эджайл», ИНН 7810964334, erid: 2VtzqwqT4MZ

AC DC снова в моде

Highway to Hell петь начинать не надо!

1.
AC DC клевый термин от ребят из Sonar.
Agentic Centric Developer Cycle.
2.
И казалось бы ну какие статические анализаторы кода в век победившего AI, однако всякая инфраструктура базовая становится все важнее и критичнее.
3.
Ребята из Sonar предлагают любопытную мысль - нафиг проверять код агента только после того, как он закончил весь PR и отдал его на ревью. Они предлагают ревьюить код в процессе его написания, тем самым повышая его качество еще до того, как агент закончит свою работу.

Почему именно так?
4.
Тут все просто: количество кода, генерируе ого после взрывного роста AI растет х2, но люди не могут ревьюить с той же скоростью и становятся узки горлышком.
В ответ на это, мы предлагаем ревьюить код, используя других агентов.
Прикольно?
5.
Да, но в таком случае получается слишком длинный «хоп» и с учетом роста стоимости использования агентов мы начинаем тратить больше времени и ресурсов на исправление.

Как решение, нам и предлагается инкрементально улучшать код прямо в процессе его написания.

А вот ссылочка на оригинал доклада

Присылаешь что-то умное своей аудитории!

Все такие «фууууууу, что за фигня! Перешлюка я это!»

А где лайки?!

Модель тройного долга от соавтора фреймворка SPACE

Маргарет-Энн Стори, соавтор фреймворка SPACE для повышения продуктивности разработчиков, недавно представила свою модель тройного долга (Triple Debt Model), в которой скрытые человеческие издержки ускоренной с помощью ИИ разработки программного обеспечения рассматриваются в трех категориях:
технический долг, который накапливается в коде.
когнитивный долг, который накапливается в людях, входящих в команду.
долг намерений, который накапливается во внешних знаниях, состоящих из лежащих в основе проекта соображений, целей и проектных ограничений, которые недостаточно задокументированы.


И идея там довольно простая:
AI позволяет нам быстрее производить код, но это совсем не значит, что мы автоматически быстрее производим хорошие и понятные системы.
Просто долг начинает накапливаться немного в других местах😉
Всего Стори выделяет три вида долга:
1. Технический долг
Плохие архитектурные решения, костыли, сложный код, отсутствие тестов и все то, что потом делает систему дорогой в изменении и поддержке.
Причем тут есть забавный парадокс.
Именно этот долг AI потенциально умеет неплохо сокращать:
-отрефакторить код;
-написать тесты и т.п.
То есть код может становиться даже лучше.

2. Когнитивный долг
Это долг, который накапливается уже в голове разработчика: агент написал 1000 строк хорошего кода. И даже тесты все зеленые. Так что вперед и PR в проде.
Только инженер, который этот PR принял, понимает систему чуть хуже, чем если бы писал это изменение самостоятельно. А потом еще один PR. И еще один.
Иииии в какой-то момент получается довольно странная система:
код работает, но никто толком не понимает почему.
Скорость производства кода растет быстрее скорости нашего понимания системы.
Вот это Стори и называет cognitive debt.

И да, тот факт, что скорость производства выросла - это супер! В этом вся суть моей работы, в принципе.
3. Долг намерений — Intent Debt
А вот это типовая проблема, которая всплыла наверх. Раньше она тоже была, но мы особо ей внимание не уделяли.
Можно прекрасно понимать, как работает код, но совершенно не понимать:
почему он работает именно так?
Какие продуктовые ограничения существовали? Что вообще хотел пользователь? Какие компромиссы были приняты?
Все это обычно живет где-то между:
- ADR;
- документацией;
- и, конечно же в голове того самого Тим-лида😁
А теперь представьте AI-first разработку.
Один агент написал изменение.
Через полгода другой агент должен его изменить.
И второй агент пытается понять намерения первого агента… по коду первого агента.
Ну удачи.

В мире AI-разработки документация, ADR, спецификации, acceptance criteria и domain model — это уже не какая-то бюрократия рядом с разработкой.
Это внешняя память вашей системы (на следующей неделе расскажу, как решают и эту задачку)
Причем память нужна уже не только людям, но и агентам.
Последние пару лет мы в основном спрашивали:
как заставить AI писать больше хорошего кода?
Но следующий вопрос будет:
как сделать так, чтобы люди и AI продолжали понимать систему, пока AI пишет все больше кода?
Потому что код становится все дешевле.
А вот понимание:
-зачем система существует;
- почему она устроена именно так;
- какие ограничения нельзя нарушать;
становится только дороже.
И возможно, через несколько лет главным инженерным активом компании будет уже не сам код.
А накопленный контекст вокруг него.

А вот тут мы с Сашей Поломодовым разбирали разные фреймворки и историю их развития

Не грустите там, у нас всегда есть План Б!

Вот такую красоту мне прислали почитать)

Начав читать я понял аудиторию, кому она подойдет)
В обзоре расскажу