ainews
Создать
Войти
Натан Ламберт написал учебник по RLHF и активно использовал LLM как помощников. Вывод: модели отлично ловят опечатки и помогают с LaTeX, но в длинных текстах создают хаос вместо структуры. Прогресс в написании нон-фикшена застопорился, хотя в коде и математике модели растут экспоненциально. Это тревожный сигнал для тех, кто ждёт автономного решения научных задач AI.
С появлением AI-ассистентов в разработке важность языка сдвинулась: не скорость написания кода, а скорость его проверки и поддержки. Go изначально проектировали для командной работы над большими системами — те же принципы (читаемость, единообразие, встроенный тулинг) делают его идеальным для коллаборации с AI.
Разработчик предлагает компромисс с AI-ассистентами: просить их генерировать код в чате, но вбивать каждую строку руками. Медленнее, чем автовставка, но помогает понимать код и не накапливать «когнитивный долг» — незнание собственной кодовой базы.
Фрилансер проанализировал свои контракты и обнаружил, что 94% неоплаченной работы (40 часов за квартал) возникло из-за одной-единственной нечёткой фразы в описании услуг. Проблема не в жадных клиентах, а в двусмысленных формулировках вроде «поддержка включена» или «дополнительная работа по мере необходимости», которые автор сам же и написал.
Apple наконец выпустила рабочую AI-версию Siri на базе Google Gemini в iOS 27 (бета, июль). Ассистент понимает контекст, отвечает на вопросы, находит данные на iPhone — всё, что обещали. Но эффект разочарования: пока Apple чинила багофичу, рынок ушёл в агенты, мультизадачность, автокод. То, что круто в 2022-м, в 2025-м — норма.
Автор показывает, как встроить AI-ассистентов в каждую фазу жизненного цикла безопасной разработки (SSDLC) — от анализа требований до моделирования угроз — не в обход контролей безопасности, а в их поддержку. Разбирает конкретные задачи (gap-анализ требований, генерация вариантов архитектуры, STRIDE-моделирование угроз), где AI экономит 60–95% времени, и указывает, где человеческий надзор остаётся обязательным.
Автор описывает процесс создания Signal Brief — приложения для еженедельных дайджестов из выбранных источников. Главный фокус — на методологии RBA (человеко-управляемой разработки с ИИ), где AI генерирует варианты, а человек принимает ключевые решения на контрольных точках.
Статья объясняет концепцию субагентов в Claude Code — специализированных экземпляров Claude, работающих в отдельном контекстном окне. Автор разбирает, почему простое добавление множества агентов может ухудшить workflow, и показывает правильный подход к делегированию задач между агентами.
Разработчик-новичок поделился дилеммой: с помощью AI он делает больше фич, но понимает код хуже. Когда изменил одно поле в БД, весь AI-сгенерированный код посыпался — и он не смог объяснить, что вообще происходит. Переписал маленький кусок сам, дольше, но теперь понимает каждый шаг. Спрашивает сообщество: как найти баланс между скоростью (AI) и глубиной (собственное понимание)?
