Добил наконец-то плагин для anki, о котором писал выше - https://github.com/vpoltora/lexiforge
Страница плагина в хабе - https://ankiweb.net/shared/info/1830356451

Плагин максимально простой - добавил в него только то, что использую сам:
- по кнопке (или сочетанию клавиш) генерируется описание слова на выбранном языке (или на английском, если не настроено; при этом если не выбран язык самого слова - он будет определен автоматически) и простой пример с использованием этого слова
- добавляет озвучку к слову из google translate
- имеет reading mode: отдельное окно, где LLM генерирует текст (уровень A1-C2 можно выбрать в настройках) с теми словами, которые были выучены сегодня

По-итогу делаю вывод, что anki - пример очень качестенного софта: это опенсорсная тулза, написанная на плюсах с Qt, но при этом позволяет писать плагины на Python, что очень удобно и умно: на плюсах мало бы кто писал плагины :)
Экосистема имеет свой хаб, куда можно загрузить плагин за пару минут, а если есть какие-то вопросы - спросить их на Reddit, где в сообществе больше 100к подписчиков. Короче - кайф, всем советую.

dev notes | golang digest

С начала года ничего не писал, потому что активно ходил по собесам и сильно зашивался по времени.
Выборка у меня - валютные удаленки, сходил в 7 компаний разной степени известности, дойдя до разных этапов собеседования.
В итоге с конца декабря по сегодняшний день - 7 собесов со следующим результатом:
- 3 раза дошел до финала (4-ый пока под вопросом)
- из 3-х финалов - 1 потенциальный оффер

Так что там у нас с рынком?
Во-первых, сотни постов в linkedin и x.com о том, что рынку плохо - в целом не далеко от правды. Я в этой выборке не очень репрезентативен, потому что у меня много реального опыта в резюме, и смотрю я только валютные удаленки, но все же 3-4 года назад активности было сильно больше, а hr'ы писали сильно чаще. Сейчас в половине случаев или автоматом летит отказ, или hr радостно игнорирует сообщение (ладно, если просто игнорируют - пару раз меня молча помечали как спам, за что телега радостно блокнула мой аккаунт :)).

Во-вторых, появились вакансии вида "vibe coding engineer". Я на такую зааплаился и буквально на одном из этапов сидел и вайбкодил. В целом это ожидаемо - я писал выше, что процесс найма точно поменяется и у нас будут такие этапы. Я бы даже сказал, что это разворотв найма в правильную сторону - тут проверяются не абстрактные алгоритмы, а то, что ты реально точно будет делать на работе ежедневно.

Что по ценам?
Я почти не аплаился на вакансии на рф-рынке, но мне показалось, что в среднем для go senior вилки стали меньше. Для валютных удаленок - где-то стали меньше, где-то остались на плюс-минус том же уровне, что и год назад, но роста я не видел ни там ни там. Если ВУ с коллективом, который говорит на русском или частично на нем говорит, что в среднем вилки от 4 до 7k$.

Задачи
4 из 6-ти собесов - с классическими этапами: hr, тех интервью, system design, финал. На одном был еще этап с вайбкодингом, и еще на одном ребята обошлись без сисдиза.
Суммарно раза 3 на лайвкодинге я написал worker pool разной степени всратости и пару раз cache. Тут очень помог один известный курс с названием "Подготовка к собеседованию по go за 7 часов", где по-факту просто даны под самых популярных 100 задач и показывается, как их можно решить - его прям советую отрешать хотя бы раз.
На system design - один раз реализовывал архитектуру для переноса данных из одной системы в другую без отказа на проде, еще раз - более классическая архитектура по типу booking, со своими нюансами. Тут помог курс с той же платформы с ожидаемым названием "Подготовка к system design интервью", я его советовал выше, и могу посоветовать еще раз, там даются хорошие паттерны и его удобно пересматривать прям перед собесом.

Еще из интересного - появилось много разных тулз для прохождения собесов, которые маскируют свой процесс и не отображаются при шаринге экрана. Тулы - или просто чатик с LLM, или что-то более сложное с анализом голоса и загрузкой скринов. Пару раз попробовал заюзать, пока работает всрато и чаще больше мешает, чем помогает, но в перспективе, думаю, такие инструменты будут очень быстро развиваться, и их точно нужно использовать, пока рынок в очередной раз не поменялся, а он с приходом таких инструментов поменяется точно. Думаю, что в ближайшее время или сделают какую-то платформу, которая будет трекать такие вещи, или поменяют процесс лайвкодинга в принципе.

Тут две недели назад приняли пропозал в Go от Robert Griesemer - это, на минуточку, один из создателей языка.

Пропозал добавляет возможность объявлять типы-параметры у дженерик-методов, а не только у структур и обычных функций.

На простом примере: допустим, есть у нас структура ответа c дженерик-типом:

type Response[T any] struct {
 Data T
 Err error
}

И получая ответ для типа User, мы хотим его замапить в другой тип - UserDTO. Если ты не знаком с дженериками, то интуитивно хочется сделать что-то такое:

func (Response[T]) Map[U any] funcname...

Но так сделать нельзя. Сейчас Go позволяет на структуру навешивать методы только с тем типом, который определен для структуры. Чтобы решить проблему с маппером выше сейчас нужно определять глобальную функцию:

func MapResponse[T any, U any](r Response[T], f func(T) U) Response[U] {
 if r.Err != nil {
  return Response[U]{Err: r.Err}
 }
 return Response[U]{Data: f(r.Data)}
}

и вызывать ее потом следующим образом:

resp := GetUserFromDB(1)
dtoResp := MapResponse(resp, func(u User) UserDTO {
 return UserDTO{Name: u.Name}
})

Когда пропозал завезут в новую версию, дженерик-структуры получат возможность навешивать методы с собственными параметрами:

type Response[T any] struct {
 Data T
 Err error
}

func (r Response[T]) Map[U any](f func(T) U) Response[U] {
 if r.Err != nil {
  return Response[U]{Err: r.Err}
 }
 return Response[U]{Data: f(r.Data)}
}

// использование:
dtoResp := GetUserFromDB(1).Map(func(u User) UserDTO {
 return UserDTO{Name: u.Name}
})

Куда это красиво ляжет? Например, на обработку коллекций или потоков данных. Можно будет использовать цепочку вызовов:

mySlice.Map(transform).Filter(check).Collect()

В целом, после первичной стадии отторжения дженериков пару лет назад - я плавно перешел в стадию их принятия, особенно когда на работе появился проект, где мы их начали использовать. Сейчас же, когда их использование стало совсем привычной вещью - этот пропозал выглядит очень полезным и явно двигает систему дженериков в Go в нужную сторону.

LLM, конечно, страшные вещи делает. Купил подписку на google, включающую помимо всего прочего расширенные лимиты для antigravity, и решил набросать небольшой проектик, где на фронте будет отображаться большая 2D карта мира с разной красивой анимацией.
Первым промптом gemini развернул мне backend на go и frontend на react, и набросал базовую версию. Запускаю, открываю браузер - карта вывелась, но анимации на основе данных с бэка нет.
Второй промпт: запусти агента, который в визуальном режиме поймет в чем проблема и поправит ее. Antigravity открывает окно хрома, начинает ползать указателем по интерфейсу, выгребать DOM, после чего вносит пачку правок. Проверяю - все работает.
Затем еще переключил модель на Claude Opus и тот делает ревью и правит баги, и только потом я иду читать код.
В целом - мне особо придраться не к чему, все написано красиво, и главное - все завелось за 30 минут.

Думаю в течении пары недель допилю проектик и, помимо прочего, поделюсь тут ссылкой, там должно быть интересно.

А с агентами, которые визуально умеют понимать, что происходит (конечно, никто там ничего визуально не понимает - они просто ходят по DOM и тыкают в js, но все же) - отрыв башки.
Знаете, кстати, что еще заметил, пока ходил по собесам и разгребал вакансии? Многие компании, которые раньше нанимали фронтов - теперь нанимают fullstack разрабов в лучшем случае, и даже моя перешла к такой политике несколько месяцев назад. Чисто фронтовых позиций стало в разы меньше. Рынок меняется, и меняется несколько быстрее, чем многие предполагали.

С последнего поста произошло несколько апдейтов. Главное для меня - я сменил работу, теперь тоже в финтехе, но совсем в другом домене - биллинг меня, наконец-то, отпустил, спустя 5 лет работы с ним.

Еще из интересного - недавно отменил юбилей - почти год как я пишу код почти полностью с помощью LLM. Не буду говорить, что если вы еще не работаете с LLM на постоянку - надо срочно это делать, об этом и так все вокруг говорят. Но расскажу интересный пример: на текущей работе сейчас запускаем продукт, который год писался исключительно с помощью LLM с очень качественным ревью и тестами.

Какие были страхи, когда начинали это делать:
- Потеря контекста разработчиками - они не пишут код вручную, модель может нагенерить что-то, что все упустят и контекст потеряется. Спустя год можно сказать, что страх не оправдался - все разработчики хорошо знают кодовую базу и быстро в ней ориентируются. Весь код и архитекутра проходит ревью и есть документация, которая тоже проходит ревью. Есть очень детальная схема всего проекта - по ней можно быстро понять что и куда ходит, что и с чем как связано. На созвонах с другими разрабами, где нужно что-то найти в коде в реалтайме или объяснить как работает какой-то модуль - я вижу, что контекст есть у всех.
- Будет огромное количество багов. Тоже минус - каждая задача проходит через QA, опытные QA пишут тесты, как межсервисные, так и интеграционные, и все тестируют руками.

Теперь какие плюсы команда получила за этот год. Главный бенефициар, конечно, бизнес - он получил за год продукт, который никогда бы не получил за тоже время, если бы его писали вручную даже в 10 раз больше разработчиков. Работа была выстроена хорошо, все курировали sre и техлиды, поэтому и продукт получился качественный, и денег на токены сожгли адекватное количество.
Запуск, кстати, проходит успешно - багов не больше, чем было раньше при запуске больших продуктов, написанных вручную.

Такая вот история :)

Пока, за этот год, в моих личных тестах с большим отрывом выигрывает claude - я отказался от подписки на angigravity с gemini pro и от codex и полностью перешел на claude. Fable, кстати, по субъективным ощущениям не сильно умнее Opus, но пока лимиты есть - грех его не гонять.

Так же, за это время, перепилил свой блог (на который почему-то кто-то заходит и даже что-то там постоянно читает) - poltora.dev. Теперь там есть переводы на разные языки и в ближайшее время хочу автоматизировать туда добавление различных заметок и статей из всех своих соц сетей, чтобы там всегда были обновления.

Канал, который я раньше вел по Go - переделал и теперь это канал по интересным мне темам в целом. AI каждое утро присылает мне пачку новостей с кучи ресурсов, я отклоняю те, которые мне не нравятся, и плюсую те, которые мне нравятся, и что-то из этого публикую. AI при каждом следующем сборе новостей учитывает понравившееся и нет - и каждый новый дайджест я получаю все более и более интересные мне темы. Подписывайтесь, кстати - @the_dev_signal

И все это время параллельно пилю небольшой проект, который скоро будет запускаться - я как-то раньше о нем тут упоминал, но опубликую ссылку уже после запуска - ожидаю, что это будет в интервале пары месяцев.

Нашел проект, где запилили визуализацию работы Postgres, которая выглядит буквально как стратежка, где ты сверху смотришь на мир и видишь, как данные бегают от одного компонента к другому.

https://nikolays.github.io/PGSimCity/

Можно выполнить запрос и посмотреть как пакеты побегут к buffer pool, как работают блокировки, WAL, какие есть mapping-таблицы и что происходит с индексами - кайф!

OpenAI выложили блогпост https://openai.com/index/navier-stokes-solution/

Мы публикуем решение проблемы существования и гладкости решений уравнений Навье—Стокса — одной из задач тысячелетия. Это доказательство, полученное внутренней системой OpenAI, показывает, что динамика уравнений Навье—Стокса, описывающих движение жидкости, может приводить к образованию сингулярности за конечное время. Мы публикуем как текстовое изложение доказательства, так и его формализацию в Lean (то есть это сразу авто-проверенно вычислительным движком).

Для доказательства использовалась новая внутренняя и куда более мощная модель OpenAI.

На графике — доля запросов, в которых модель находит решение задач из некоторого закрытого набора (не одной задачи), как зависимость от количества вычислительных мощностей. И эта модель всё ещё тренируется — она не закончена.

Вдохновившись проектом, где делали интерактивную карту с тем, как работает Postgres (писал о нем тут) - решил сделать такую же, но для Redis - https://poltora.dev/redis

Можно полетать над картой, открыть консоль, запустить команду и посмотреть, как Redis выполняет ее шаг за шагом - от парсера, до аллокации памяти и записи.