Если вы только пишете промпты, вы уже отстали

🧐 Новая система аспектов работы с AI выглядит так

- Prompt Engineering. Как давать хорошие инструкции. Все еще важно, но только первый навык из четырех

- Context Engineering. Как сделать так, чтобы контекст LLM эффективно использовался. Чтобы была полезная информация и не было бесполезной

- Intent Engineering. Как обеспечить, чтобы модель держала долгосрочные цели, а не только выполняла то, что ее попросили в предыдущем промпте

- Specification Engineering. Про построение системы документов, которые позволят LLM действовать автономно и не потребуют прописывать все детали руками в каждом промпте

Когда услышал про эту концепцию, у меня в голове произошел фазовый переход. Из-за перечисленных аспектов и из-за осознания ключевой цели - увеличить время автономной работы агентов.

В Claude Code context engineering и intent engineering уже решают за нас. А наша задача - настроить спецификации.

Это CLAUDE.md, это skills, это mcp до докуметации. Я собрал себе две конфигурации: для кодинга и для всего остального. Они пока далеко от моего идеала.

Следующий шаг - появление систем спецификации на уровне компаний. 🤔

Пару недель назад я все-таки купил подписку за 100$ на клод 🤑 и с этого момента чувствую себя существенно более счастливым человеком.

У меня сейчас два конфига клода: рабочий и личный. Личный я использую как замену Chat UI и задаю туда вопросы. Также он умеет конфигурировать мою систему и работать с обсидианом.

Рабочий нужен для написания кода и реализации моих DS задумок. Хочу сказать про него пару слов

В Claude Code работает "наследование конфигов". Т.е. если вы запускаете его в ~/work/project-1, то он прочитает CLAUDE.md в папке project-1 и потом поднимется и прочитает CLAUDE.md в папке work.

В базовом CLAUDE.md я написал общие инструкции, а также научил его делать симлинки на общие .claude/settings.json, .claude/skills и .mcp.json при старте проекта. Специфичные инструкции для проекта лежат в локальном CLAUDE.md, а локальные настройки в .claude/settings.local.json

Главная проблема клода - необходимость постоянно выдавать разрешение. Самое главное, что эти разрешения сливаются в одно сплошное "далее-далее-далее" и не очень-то обезапашивают (см пример из Амазон 😄). Я ищу формат, чтобы с одной стороны сохранить хоть какую-то безопасность, а с другой повысить время автономной работы. В целом неплохо работает режим sandbox, но пока он плохо дружит с моим vpn.

Если готовы рассказать про свои сетапы, заходите в комментарии🔽

Вакансия 🚀

Набираю ребят международный ecom стартап, где я отвечаю за DS/AI. Искренне считаю, что это один из лучших проектов на рынке. Будет масштабный запуск, у нас большие планы и взрослые инвестиции. Пусть слово стартап не вводит вас в заблуждение 🙂

Костяк DS команды набран. Сейчас мы доукомплектовываем команду Поиска и Рекомендаций. Тимлид команды Настя Павловская @ah_pavlovskaya, ex-Яндекс, ВК, ШАД

Позиция: middle/senior ML-инженер

Что делаем:

- Строим хорошие контентные вектора для разных языков: очень важная часть системы, так как мы находимся в ситуации очень холодного старта.

- Детально прорабатываем пайплайны поиска и рекомендаций: кайфуем от того, что можно строить весь пайплайн целиком (и влиять на архитектуру), а не тюнить маленькую часть системы.

- Адаптируем поисковые технологии под разные языки: лучше разбираемся в структурах очень разных языков, перекладываем их особенности на наши технологии.

- Работаем над AI в сценарии подачи объявлений. Это нереально крутой стрим, с LLM и обычными DL моделями под капотом на критичном пользовательском сценарии. Не про поиск, но его тоже делает команда Насти.

Кого ищем:

Сейчас больше фокус на ребят с опытом в NLP или RecSys, но если даже у вас нет такого опыта, и хочется поучаствовать в челленджовом проекте, приходите, у нас много разных задач.

Условия

Вилки соответствуют ру бигтех компаниям. Ожидания по скиллам - тоже. Есть российское и международное юрлицо. Зарплата привязана к рублям. Большое предпочтение отдаем ребятам из Москвы, любим встречаться очно. Есть классный офис на метро Новослободская.

Буду благодарен за репосты ❤️

Присылайте резюме Насте @ah_pavlovskaya

Кто должен делать агентов: DS или разработчик

👴 Когда-то очень давно DS/ML занимались разрабочики, Software Engineers

Это типа Яндекс 2010 года. Потом специальности разделились. От DS-ов стали требовать специализированного образования по машинному обучению. Разрабочику влететь в настоящий DS стало очень и очень непросто.

Однако если посмотреть характер работы, то Data Scientist - это тот, кто идет по циклу "возьми данные - построй алгоритм - получи оценку - повтори".

🦀 Что стало происходить потом

Сначала мы стали использовать больше предобученных моделей. Стало нужно больше строить обвязки вокруг модели, тюнить, дообучать и выстраивать систему оценки и улучшения.

А потом мы дошли до LLM и агентов. И теперь знаний ML при работе с ними больше не нужно. А нужно писать мнооого обвязки, тюнить промпты и выстраивать систему оценки и улучшения.

🙈 И в этом момент оказывается, что эту работу может делать и разработчик

И часто лучше чем DS: за счет инженерных скиллов и системного мышления, которое не всегда есть у творческого дата сайнтиста 🤪

Так профессии опять встретились. Я думаю, что распространение получит новая только появляющаяся в вакансиях профессия "AI инженер". Она будет означать человека, который работает над AI системой, но не обязательно знает ML.

Что думаете? Кто должен работать над созданием агентов - DS-ы или разработчики? =) Как всегда, жду вас в комментариях 🔽