Что общего у инженерной культуры, DORA-метрик и технологических сообществ?

❓На первый взгляд — не так уж много. Но именно из таких элементов складывается среда, в которой инженеры могут работать эффективнее, обмениваться знаниями и вместе улучшать процессы разработки.

В новом выпуске «Техно.Логично» разбираемся:
💬 как сообщества влияют на инженерные стандарты
💬 зачем измерять инженерную культуру
💬 какие компетенции становятся особенно важными
💬 и как ИИ меняет привычный подход к разработке.

Получился разговор о том, как культура внутри инженерной команды превращается в изменения в технологиях и процессах 😀

▶️ Смотреть
▶️ Слушать

Мы в МАКС 🐱

Собрали 5 приемов от наших инженеров, которые улучшают работу с ИИ-агентами 🐱

1️⃣AGENTS md

Это файл в корне репозитория, который агент читает раньше всего остального. Туда стоит выписать то, что новичок в вашей команде узнает в первую неделю: какой командой собирается проект, как поднять локальное окружение, чем прогнать тесты, куда лучше не лезть.

А теперь про сам прием: мало один раз написать этот файл, его надо проверить. Попросите агента выполнить оттуда каждую команду по очереди и вычеркнуть те, которые не отработали.

Формат придумали в OpenAI летом 2025 года, сейчас он под управлением Linux Foundation и лежит уже в 60 тысячах репозиториев.

2️⃣ Режим планирования

Почти у каждого агента есть режим, в котором ему запрещено трогать файлы: он только читает код и пишет план работ. Звучит как лишний шаг, но именно тут вы ловите непонимание задачи на начальном этапе. Прочитать двадцать строк плана можно за минуту, а вот вычитывать четыреста строк неправильных правок по всему проекту вы будете долго.

Хитрость же в том, чтобы не оставлять план в чате. Попросите агента сохранить его отдельным файлом в репозитории и разбить на пункты с чекбоксами, которые он будет отмечать по мере выполнения. Дальше вы читаете этот файл как обычную постановку задачи: вычеркиваете лишнее, дописываете ограничения, поправляете формулировки, если агент понял вас не так. И только потом запускаете работу.

3️⃣ Субагенты

Все, что агент прочитал, остается висеть в контексте: один поиск по проекту легко выдает под тысячу строк, и они оседают в вашем диалоге. Чем его больше, тем хуже модель держит исходную задачу.

Поэтому поисковую работу стоит отдавать субагенту. Он уходит в свою сессию, изменяет там сколько нужно файлов и возвращает выжимку строк на тридцать. Ваш основной диалог остается чистым.

4️⃣ Роутинг задач по моделям

Большая модель точнее работает со сложными задачами, но у нее есть ряд минусов: она медленная, дорогая, а на общей инфраструктуре на ее использование стоит очередь из коллег.

Поэтому для увеличения эффективности следует разводить задачи по категориям. Архитектура, планирование, разбор незнакомого легаси идут на умную модель, все остальное — переименовать переменные, дописать тест, найти файл по куску кода забирает младшая версия.

Продвинутые оркестраторы делают это сами: анализируют формулировку задачи, прикидывают сложность и выбирают модель без вашего участия. Сюда же делегирование по умениям: модель без зрения передает скриншот мультимодальной, забирает описание и работает дальше.

5️⃣ MCP (Model Context Protocol) и права

Веса модели застыли на моменте обучения, поэтому про вашу джиру, ваш прод и вчерашний релиз библиотеки она не знает ничего. MCP это общий разъем, через который агент дотягивается до внешних систем: Anthropic открыла протокол в конце 2024 года, а в декабре 2025 передала его Linux Foundation, и теперь в управлении участвуют OpenAI, Google, Microsoft и AWS.

Что обычно ставят первым: Context7 подтягивает документацию нужной версии. Playwright открывает браузер и проверяет, что форма отправляется, а не просто отрисовалась. GitHub достает issue и пулл-реквесты, Sentry приносит боевые ошибки.

Главное помнить — никакой прием не заменит последнего слова разработчика: код, который уходит в мастер, все равно остается вашим.

Мы в МАКС 💙

Сегодня в 14:00 стартует трансляция «Лидеры цифровой трансформации: марафон вызовов» 😎

Будет подробный разбор задач от постановщиков и практические советы для участников хакатона.

💙 А в 15:00 наш системный аналитик, Екатерина Козина, расскажет о нашем кейсе-вызове «Сервис для автоматизированного сбора и анализа зарождающихся трендов (слабые сигналы) в научно-технологических отраслях»

Почему стоит смотреть:

▶️ Узнаешь о правилах, задачах и призах хакатона
▶️ Сможешь задать вопросы экспертам в прямом эфире
▶️ Вдохновишься на собственные кейсы

Скорее врывайся в эфир ⚡

Мы в МАКС

Что можно узнать о человеке по его рабочему столу? 🤔

Довольно много интересного.

Мы спрятали в офисе необычные предметы — попробуйте найти их и узнать истории наших сотрудников, которым они принадлежат.

Переходи в игру по ссылке 🐱

Мы в МАКС

ИИ уже умеет писать код, тесты и документацию. А какие навыки теперь особенно важны для инженеров? 💻

Мы обновили стандарт профессий в Газпромбанк.Тех и добавили в него ИИ-навыки. В статье рассказываем, как меняется работа инженера и какие компетенции становятся важнее по мере развития инструментов ИИ.

Разбираем новую лестницу ИИ-навыков от Junior до Expert и показываем, как может выглядеть развитие инженера в новой реальности.

▶️ Читать статью

Мы в МАКС 🐱