es
Feedback

¡No caigas en manos de tramposos! Telemetrio encuentra y marca estos canales 👉 Si quieres ver la etiqueta, suscríbete

Кот Денисова

Кот Денисова

Ir al canal en Telegram

Пишу про разработку и жизнь в ИТ. Технологии, код, нейросети, карьера в ИТ, полезный материал, мое личное мнение, наблюдения и опыт. ‍Обо мне: https://t.me/itDenisov/2 Чат: @itDenisovChat Канал про мобильную разработку: @hardworkerIT

Mostrar más
El país no está especificadoLa categoría no está especificada
237
Suscriptores
Sin datos24 horas
+27 días
+430 días
Archivo de publicaciones
👨‍💻 Работа в ИТ перестала быть ключом к счастливой жизни. Долгое время работа в ИТ воспринималась как ключ к счастливой жиз
👨‍💻 Работа в ИТ перестала быть ключом к счастливой жизни. Долгое время работа в ИТ воспринималась как ключ к счастливой жизни. Высокие доходы, удаленный формат работы из любой точки мира и минимум бюрократии казались залогом успеха. Но у этой медали была обратная сторона, о которой в профессиональном сообществе предпочитали молчать. Высокие доходы обеспечивались не столько гениальностью кода, сколько искусственным дефицитом кадров и полной непрозрачностью оценки реального времени выполнения задач. Недавно я наткнулся на интересную статью, где автор с опытом работы в американском бигтехе и внедрения ИИ-агентов объясняет, почему эта эпоха подходит к концу. Самое интересное здесь не в том, что ИИ заменит программистов, а в том, как он меняет саму экономику нашей профессии. Давайте разберем основные тезисы. За что на самом деле раньше платили большие деньги: Компании платили большие деньги не за любовь к коду, а из-за нехватки специалистов. Раньше все держалось на двух факторах: 🔹Дефицит кадров. Бизнес был вынужден хорошо платить, потому что без опытного разработчика задачу было просто не решить. Это давало сотрудникам сильную позицию на переговорах. 🔹Непрозрачность оценки. Менеджер не мог проверить, почему задача делается три дня, хотя по факту занимает один вечер. Фраза «там очень сложно» закрывала любые вопросы, а оценки задач были просто формальностью. Именно в эту скрытую разницу во времени и умещалась вся хорошая жизнь: спортзал в обед, параллельные подработки или рабочие созвоны с пляжа. Как ИИ меняет правила игры: Внедрение агентов в рабочие процессы убирает эти исторические преимущества и делает разработку прозрачной для бизнеса: 🔹Разрыв в знаниях исчезает. Чтобы ИИ-агенты работали эффективно, команды вынуждены переносить контекст из голов разработчиков в документацию и тикеты. Теперь этот процесс автоматически виден менеджменту. 🔹Независимая оценка. Теперь менеджер может спросить у ИИ, сколько должна занимать задача, или самостоятельно собрать рабочий прототип за пару часов и прийти с ним на обсуждение. 🔹Конец аргумента «там сложно». Разработчику приходится гораздо конкретнее обосновывать архитектурную сложность решения, так как отсылки на внутренние трудности больше не работают. 🔗 Читать подробнее 💡 Вывод: Умение писать код само по себе перестает быть редким навыком, который гарантирует исключительные условия труда. Ценность смещается от процесса написания строк кода к самостоятельному решению бизнес-задач и полной ответственности за результат. Тем, кто пришел в профессию только из-за высоких зарплат и удаленки, придется адаптироваться к правилам обычной конкурентной среды. Сейчас на работу стало проще попасть по знакомству, чем через хорошее резюме. Подписаться на канал: ➡️ Кот Денисова

🤖 Как Claude блокирует аккаунты за российский паспорт. Про блокировки аккаунтов в Claude за российский паспорт говорят уже н
🤖 Как Claude блокирует аккаунты за российский паспорт. Про блокировки аккаунтов в Claude за российский паспорт говорят уже несколько недель. Пишут, что блокируют за сам факт российского паспорта, хотя в правилах Anthropic такого пункта нет. Хоть я сам и не пользуюсь Claude, но активно использую другие ИИ-сервисы и слежу за их развитием. Наткнулся на статью, в которой разбирают реальные причины блокировок аккаунтов в Claude и подобных зарубежных сервисах. Давайте разберем основное. Что случилось: Парень из Новой Зеландии, живет там по рабочей визе, платит за Claude Code. Через пару дней сервис просит подтвердить личность. Документ у него только один - российский загранпаспорт. Загрузил. Тут же перманентный бан, денег не вернули. В комментариях нашлись еще несколько таких же: из Казахстана с местной картой и IP, из Грузии, кто-то оплатил Pro за пару часов до проверки. Все загрузили российский документ и все получили блокировку. Почему это не совсем бан за паспорт: Важный момент, который все пропускает: Anthropic не проверяет паспорта при регистрации. Проверку просят только у тех, кого уже заподозрили. То есть сначала аккаунт набирает подозрительные сигналы, а потом его просят доказать, что вы в разрешенной стране. Дальше работает скрипт. Он читает документ, достает код страны и сверяет со списком. России в списке нет. Все, заявка закрыта. Без человека, без разговоров. Это не сегрегация. Это кривой алгоритм, которому все равно, живете вы в Окленде или в Москве. Проблема в том, что отличить новозеландского резидента с российским паспортом от человека из России он не может. Масштаб, который все объясняет: Anthropic сама публикует цифры. За первое полугодие 2026 года забанено 11,4 миллиона аккаунтов. Апелляций подали 398 тысяч, разбанили 42 тысячи. Это 10,5%. 11 миллионов за полгода - это 63 тысячи в день. Никакие живые люди такое не разбирают. Поэтому и логика простая: сомневаешься - бань. Разбираться будем потом, если до этого дойдет. Что реально роняет доверие к аккаунту: Внутри у Claude есть рейтинг доверия. Он растет и падает от действий пользователя. Точных данных Anthropic не дает, но паттерны совпадают с историями забаненных. Что роняет доверие: заход через Linux и браузер (классический портрет бота), частая смена IP, свежая почта, виртуальные номера для SMS, покупка Max в первые минуты после регистрации, выжигание лимитов за пару часов, общие карты для оплаты подписки. Что повышает: официальное приложение на компьютере или телефоне, оплата через Google Play или App Store, старая почта с историей, один статичный IP, заполнение Memory. И отдельно: русский язык в чате, московское время или упоминание города - не банятся. Claude смотрит на технические следы, а не на то, о чем вы с ним говорите. Почему апелляции почти не работают: 10,5% - это не шанс, а погрешность. Попали на проверку с документом из стоп-листа - заявка уйдет в ту же корзину. Сколько из них реально смотрит человек, Anthropic не говорит. Цифры говорят за себя. 🔗 Читать подробнее 💡 Вывод: Claude банит не за паспорт. Он банит за то, что случилось до него: за сигналы, которые привели к проверке. А потом добивает скриптом, который не умеет читать контекст. Российский паспорт тут - не причина, а последний гвоздь. Хорошая новость: почти все эти сигналы контролируете вы. Плохая: если уже в карантине с неправильным документом, контролировать нечего. Подписаться на канал: ➡️ Кот Денисова

🤖 Как сохранить контроль над проектом, когда код пишет ИИ. Claude за последний год стал заметно сильнее в программировании. Он закрывает большую часть рутины и передавать ему проекты становится все проще. Но есть обратная сторона: чем больше кода пишет ИИ, тем меньше ты держишь в голове архитектуру своего же проекта. Наткнулся на интересную статью, где автор делится практиками, которые помогают сохранить контроль над проектом, не снижая скорость разработки. Давайте разберем основные тезисы. Технические рамки: Первое, что нужно зафиксировать - стек. Языки, фреймворки, базы данных, системы сборки, способы деплоя. И жесткие запреты на изменения: Claude не может сам добавлять зависимости или заменять библиотеки. Если нужно поменять стек - сначала нужно объяснить причины и согласовать. Стандарты кода - не в правилах, а в линтерах: Не нужно описывать синтаксис и правила языков в инструкциях для ИИ. Ассистенты и так их знают. И это не защитит от ошибок. Вместо этого - линтеры и статические анализаторы, настроенные в Git Hooks и CI. Проверки должны срабатывать до того, как код попадет в репозиторий. Архитектуру нужно описывать в проекте: Самая большая проблема в ИИ-разработке - потеря общей картины. Кодовая база растет, зависимостей больше и держать все в голове становится невозможно. Решение: описывать архитектуру в самом проекте, в текстовых диаграммах. Для этого хорошо подходит C4-модель. Она дает несколько уровней детализации: System Context (границы системы и внешние сервисы), Container (основные компоненты: приложение, база, очередь) и Component (внутреннее устройство важных частей). Три уровня обычно достаточно. Главное - чтобы диаграммы были в текстовом формате, например Mermaid и лежали в репозитории. Тогда и разработчик и Claude могут на них опираться. Схема базы данных - отдельно от миграций: Если в проекте есть реляционная база, сначала нужно проектировать ERD-диаграмму: таблицы индексы, связи. Миграции - это реализация их могут быть сотни и читать их подряд неудобно ни человеку, ни ИИ. Схема показывает структуру целиком и обновляется при изменениях. Схемы для сложных сценариев: Архитектурные диаграммы описывают структуру, но не поведение. Для сложных процессов добавить диаграммы последовательностей (что происходит при оформлении заказа), диаграммы состояний (жизненный цикл заказа) и схемы потоков данных. Это помогает Claude понимать не только «из чего состоит», но и «как работает». Фиксация решений через ADR: Отдельная проблема - забытые причины решений. Почему выбрали эту базу? Почему кэш именно такой? Для этого есть Architecture Decision Records. Короткие файлы в docs/adr/, каждый с номером и названием: контекст, решение, альтернативы, последствия, статус. Когда Claude предлагает что-то поменять, ADR показывают, почему текущий вариант был выбран и что придется пересмотреть. Репозиторий должен быть в порядке: Это важно не только для людей, но и для ИИ. Все изменения - через Issues. В названии ветки - номер задачи. В коммите - тоже. Git Hooks могут проверять формат ветки и подставлять номер задачи в коммит. CI запускает тот же набор проверок. Когда Claude работает над несколькими задачами параллельно, порядок в репозитории помогает не потеряться. 🔗 Читать подробнее 💡 Вывод: ИИ ускоряет разработку, но главный риск не в том, что он напишет плохой код. Риск в том, что ты перестанешь понимать, что происходит в проекте. Диаграммы, ADR, линтеры и порядок в репозитории - это не бюрократия. Это способ сделать знания о проекте независимыми от того, помнишь ли ты сам, что было месяц назад и от того, что Claude помнит в текущей сессии. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Anthropic отказалась от Git. Того самого инструмента, который почти каждый программист использует для сохранения кода и
👨‍💻 Anthropic отказалась от Git. Того самого инструмента, который почти каждый программист использует для сохранения кода и отслеживания изменений. Причина - масштаб. Их ИИ вносит более 30 тысяч изменений в код ежедневно и выполняет около 25 миллионов скачиваний кода в день. При использовании Git это создавало бы более 600 петабайт трафика ежедневно. Поэтому за пять месяцев компания разработала собственную замену. Почему Git перестал справляться: Git - децентрализованная система. Каждый клон - это полный репозиторий, который может работать офлайн. Для большинства проектов это правильный дизайн. Но их монорепозиторий перестал вписываться в эту модель. История основной ветки занимает почти 100 ГБ. Сжатая рабочая копия - больше 25 ГБ. Ежедневно выполняется порядка 25 миллионов проверок кода для CI. Если скачивать все наивно, это было бы более 600 ПБ трафика в день. Git предлагает инструменты для работы с частью репозитория: shallow clones, sparse checkouts. Компания использовала их все. На пике они поддерживали несколько сотен внутренних Git-зеркал. Это давало время, но с ростом числа слияний становилось сложнее. Что заметили в Anthropic: Они использовали Git как централизованную систему с одной авторитетной копией. Но почти все клиенты - это агенты и задачи, которые всегда онлайн. Свойства, которые делают Git отличным для распределенной работы, наоборот мешали масштабированию. Возник вопрос: если проектировать контроль версий с учетом того, что агенты всегда онлайн, как это будет выглядеть? Что пришло на смену Git: Так появилась Scion - внутренняя система контроля версий. 🔹Клиенты всегда онлайн. Git предполагает работу офлайн и полную копию репозитория. Scion проектировался вокруг сервера, который всегда доступен. 🔹Асимметрия клиент-сервер. В Git каждый клиент может быть полноценным сервером. В Scion сервер отвечает на вопросы об истории, создает коммиты, выполняет слияния. Клиент хранит ограниченный кэш и раскладывает файлы на диске. 🔹Все горизонтально масштабируется. Данные репозитория распределены, каждый компонент масштабируется независимо. Нет полностью материализованной копии репозитория, даже на сервере. 🔹Коммиты дешевые и инкрементальные. Каждый коммит, rebase или слияние происходит на сервере. Стоимость создания коммита зависит от размера изменения, а не от размера репозитория. 🔹Рабочая копия необязательна. Многие операции могут выполняться через API без выгрузки файлов на диск. Как это работает: В Scion единица работы - это changeset, запись в журнале. Он хранит список измененных файлов и указатели на содержимое. Changeset создаются на сервере и сразу доступны везде. Дополнительные структуры данных - история файла, blame, граф коммитов - вычисляются из changeset. Это позволяет добавлять новые типы данных, не меняя клиент. Серверы Scion горизонтально масштабируются. Данные адресуются по содержимому, поэтому любой сервер может их кэшировать. Клиент общается с демоном, который хранит объекты для всей ноды. Демон обращается к региональным кэшам, а те - к авторитетным серверам. Каждый уровень кэша имеет попадание выше 99%. Инфраструктура Scion теперь в 200 раз меньше по CPU и памяти, чем предыдущая инфраструктура с **Git**\-зеркалами. CI и исследовательские задачи выгружают код в сотни раз быстрее - секунды вместо минут. 🔗 Читать подробнее 💡 Вывод: Scion - не замена Git для всех. Она имеет смысл только для действительно огромных монорепозиториев, где либо десятки тысяч инженеров, либо рои агентов, пишущих код. Anthropic не ожидает, что другие компании столкнутся с этим завтра. Но через 6–12 месяцев такие проблемы могут стать распространенными. Поэтому компания делится своим опытом, чтобы другие могли применить лучшие идеи Scion к Git, не отказываясь от привычной модели. Подписаться на канал: ➡️ Кот Денисова

👩‍💻 Первый за 26 лет убыток JetBrains. JetBrains отчиталась о чистом убытке за 2025 финансовый год. Это первый убыток за всю 26-летнюю историю компании. Выручка при этом выросла до рекордных $710 млн. Причина не в падении продаж, а в значительном росте капитальных затрат. Цифры: Выручка JetBrains достигла 16 008 млн чешских крон (около $710 млн). Рост составил 6,3% по сравнению с предыдущим годом. Но этого оказалось недостаточно, чтобы остаться в плюсе. Чистый убыток составил 315 млн чешских крон (около $14 млн). Чистая рентабельность ушла в минус - 1,97%. Рентабельность по EBITDA снизилась до 5,73% против 14,6% годом ранее. Важный нюанс: опубликованные данные относятся к чешскому юридическому лицу JetBrains s.r.o. и не являются полной картиной. Почему это произошло: Убыток вызван не падением продаж подписок. Основная причина - рост капитальных затрат. Компания инвестировала в инфраструктуру ИИ, оборудование и разработку. Значительная часть расходов связана с ИИ-продуктами: Junie, AI Assistant, JetBrains Air и общей попыткой догнать новую волну инструментов. Junie - кодинг-агент, встроенный во все IDE компании. Air - отдельная агентная среда разработки. Mellum - открытая модель для написания кода. Дополнительный фактор - рост затрат на персонал. Обсуждение на Hacker News: Тред на Hacker News получился не столько про сам убыток, сколько про более широкий вопрос: что происходит с классическими IDE в эпоху агентной разработки. Главный консенсус: убыток пока не выглядит катастрофой. Выручка продолжает расти, на балансе значительный запас денежных средств. Читать одну строку net loss и объявлять компанию умирающей - неправильно. Но самая жаркая часть спора - куда JetBrains тратит деньги. Одни считают, что это нормальные инвестиции. Не инвестировать сейчас может быть опаснее, чем временно уйти в минус. Другие полагают, что компания сжигает деньги, пытаясь догнать Claude Code и других игроков на рынке, где у нее уже нет очевидного преимущества. Парадокс у пользователей: Много комментариев от давних пользователей JetBrains сводятся к одному. IDE им все еще нравится. Но писать код они все чаще уходят в Claude Code или Codex. Некоторые уже отменили подписку и почти перестали открывать IDE. Другие возражают: даже если агент пишет большую часть кода, IDE остается полезной для просмотра изменений, навигации по коду, поиска использований, рефакторинга, отладки и ручной проверки результатов. Один из комментариев формулирует это так: ценность IDE не исчезла - она изменилась. 🔗 Читать подробнее 💡 Вывод: JetBrains впервые получила убыток. Но это не история о компании, которая совершила ошибку. Это история о том, как категория продуктов, которой 26 лет, меняется под давлением ИИ-моделей. Выручка растет, но медленнее. Расходы растут быстрее. Компания инвестирует в ИИ, чтобы не отстать. И пока неясно, успеет ли она превратить свое главное преимущество - глубокое понимание кода - в инструмент нового поколения. Опасность для JetBrains не в том, что разработчикам больше не нужны инструменты. Опасность в том, что им нужен совсем другой инструмент. Не IDE с ИИ-панелью, а командный центр для агентов, изменений, архитектуры и проверки их работы. Сможет ли JetBrains создать такой - покажет время. Подписаться на канал: ➡️ Кот Денисова

🍕 Анатомия эпичного факапа или как на самом деле вынесли Додо Пиццу. 🚩 Дисклеймер: Материал носит исключительно ознакомительный и аналитический характер для специалистов по информационной безопасности. Данные взяты из открытых отчетов исследователей. Автор категорически осуждает киберпреступность. Помните недавний пост про слив базы Додо? Так вот, история получила продолжение. Наливайте чай иди открывайте крафтовое - у нас тут нарисовался неплохой пятничный чтиво-тред 😮 Всё началось с банального анализа APK из Google Play. Внутри которого разрабы забыли карту внутренней кухни на почти сотню сетевых адресов бэкенда (причем некоторые отдавали ответы вообще без авторизации) 😥 Главной же точкой входа стала облачная аналитическая платформа Databricks. Один из её открытых адресов из-за кривых прав доступа позволял читать внутренние файлы системы обычным GET-запросом без всяких токенов. Оттуда и вытащили конфиг с зашитым PAT-токеном, подняли свой кластер и получили полный удаленный контроль над сервером 😱 Интересный нюанс... Databricks на уровне платформы отслеживает вывод команд и заменяет найденные токены на [REDACTED]. Однако эта защита не сработала как задумывалось. Атакующие просто завернули вывод секрета в base64 и Databricks пропустил 😶 С root-правами на кластере хакеры постучались в защищенное хранилище ключей через стандартный Secrets API. Хранилище отдало десятки паролей в открытом виде.... ключи от всех облачных хранилищ Azure, админку к системе бизнес-аналитики, ключи каталога метаданных и сервисные учетки Azure с правами на всю облачную подписку ⚰️ Дальше начался сущий ад безопасника... 🟢В метаданных одной из систем данные для входа лежали… открытым текстом прямо в строке подключения. 🟢В декомпилированном внутреннем CLI-инструменте нашли шлюз к основным рабочим базам MySQL. Пробросили сетевой порт через систему управления контейнерами и вошли под дефолтной учеткой. 🟢В админке финансового контура лежали исходные ключи двухфакторок, с помощью которых сгенерили себе вечные веб-сессии в обход любой двойной защиты 😱 Хакеры даже не стали мучить базы тяжелыми SQL-запросами (чтобы не спалиться по логам и нагрузке ЦП). Имея на руках ключи от хранилищ, они пошли напрямую к файлам данных. Суммарно за выходные в трубу улетело ~3.7 ТБ данных, а это 15 лет заказов, адреса с геокоординатами, телефоны, пароли в древнем MD5 и данных тысяч сотрудников. В воскресенье безопасники Додо проводили плановое ТО. Они сменили часть токенов, но забыли про одно из внутренних авторизационных приложений. Через него доступ был обновлен. В итоге через 6 часов взломщики просто перевыпустили токен и продолжили качать. При этом защитный экран WAF за все дни отреагировал лишь однажды, заблокировав один IP-адрес из-за внутренних ошибок сервера, но пропустив аномальный трафик скачивания терабайтов информации 🤯 Главный вывод сей басни: У конторы формально было всё по ГОСТу и лучшим практикам... и WAF, и MFA, и хранилища клучей, и аудит. Но безопасность цепочки всегда равна прочности самого слабого звена. Достаточно было оставить одну тестовую дыру наружу и забыть пароль в конфиге - и весь эшелонированный периметр превратился в решето. В ваших конторах секреты из хранилищ тоже передаются плейнтекстом в query-параметрах, или вы пока шифруетесь? И главный вопрос - дадут додокоины за моральный ущерб. Типичный 🥸 Сисадмин

👨‍💻 Автоматизация рутины с помощью агентов. ИИ-агенты все чаще берут на себя рутинные задачи. Одни разработчики уже отдают им разбор ошибок и написание тестов. Другие - работу с почтой и обновление таск-трекеров. Третьи только присматриваются и не понимают, с чего начать. Но какие задачи агенты действительно закрывают, а какие пока остаются экспериментом? Где они уже приносят пользу, а где все еще требуют постоянного контроля? Эти вопросы пока остаются без четкого ответа. Полная автоматизация не обязательна. Абсолютно нормально, когда агент приходит уточнять важные детали. Даже наоборот: определенный уровень контроля должен оставаться за человеком. Простые примеры: Вот несколько сценариев, которые уже работают. 🔹Разбор исключений в Sentry. Раньше разработчик мог потратить часы, а то и дни, чтобы разобрать и починить исключение. Теперь агент берет исключение и смотрит код. Он строит и проверяет гипотезы, находит коммит-виновник и воспроизводит баг локально. Потом пишет тест, который падает, чинит до зеленого, перепроверяет и приносит готовый багфикс. 🔹Сведение договоренностей для проджект-менеджера. Раньше проджект часами собирал все из почты, фоллоуапов и рабочих чатов. Потом руками обновлял Jira и напоминал ответственным. Теперь агент сам все собирает и предлагает, кому что написать. После одобрения он сам и пишет. Это занимает минуты. 🔹Разбор личной почты. Агент читает входящие письма и сортирует их. Мусор и неважные сообщения он пропускает. О важных уведомляет. А там, где нужен ответ, готовит текст письма заранее. Пользователь вносит правки и отправляет. Что можно автоматизировать уже сейчас: Чтобы понять, где агент будет полезен, стоит посмотреть на задачи, которые обладают тремя признаками. Они повторяются. Они занимают время. И они не требуют творческого подхода. Вот несколько категорий, где агенты уже показывают результат. 🔹Работа с текстом. Суммаризация длинных писем и тредов. Подготовка черновиков ответов. Перевод и адаптация текста под аудиторию. Извлечение ключевых пунктов из встреч и обсуждений. 🔹Работа с кодом. Разбор ошибок и инцидентов. Поиск коммита, который сломал сборку. Написание тестов. Рефакторинг небольших участков. Обновление зависимостей. 🔹Работа с данными. Сбор информации из разных источников. Приведение данных к единому формату. Обновление записей в CRM или таск-трекере. Подготовка отчетов по шаблону. 🔹Коммуникация. Напоминания ответственным. Сбор статусов по проектам. Синхронизация договоренностей из чатов и почты. Уведомления о важных событиях. Почему это работает: Агент хорошо справляется с задачами, где есть четкий вход и понятный результат. Он получает событие, обрабатывает его по правилам и передает результат человеку или в другую систему. Ключевой момент - интеграции. Чем больше систем агент видит, тем больше задач он может закрыть. Почта, мессенджеры, трекеры задач, репозитории, CRM - все это источники событий и места для результата. 🔗 Читать подробнее 💡 Вывод: Агенты уже сейчас закрывают много рутинных задач: от разбора ошибок до работы с почтой. Но самое интересное начинается, когда их несколько и они работают в связке. Один собирает данные, другой их обрабатывает, третий передает результат человеку или в другую систему. Чтобы понять, где агент будет полезен именно вам, посмотрите на свои задачи. Что повторяется? Что съедает время? Что не требует творческого подхода? Начните с одной такой задачи. Не пытайтесь автоматизировать все сразу. Оставьте контроль на важных этапах. И постепенно расширяйте зону ответственности агента. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Почему разработчики стали маркетологами. Есть метрика time to market - количество времени, которое нужно, чтобы вывести продукт на рынок и начать на нем зарабатывать. С появлением ИИ эта метрика сильно сократилась. Если раньше на разработку уходили месяцы, то сейчас за пару дней можно выкатить прототип или даже первую рабочую версию. Это меняет рынок и ценность работы. Что изменилось: Раньше был дефицит людей, которые умеют создавать. Программисты были ценны именно потому, что могли взять идею и превратить ее в продукт: сайт, приложение, сервис, внутренний инструмент, автоматизацию. Сейчас создание продукта становится доступнее. Даже средний веб-разработчик с помощью ИИ может быстро накатать интерфейс, подключить базовую логику, собрать прототип и выкатить его наружу. В некоторых случаях это может сделать даже человек без высокого уровня программирования. В итоге продуктов становится больше, приложений больше, сервисов больше, но рынок не резиновый. С чем сталкиваются разработчики: Оказывается, если ты хочешь зарабатывать на этом рынке, нужно уметь не только писать код и создавать приложение. Нужно уметь показать его миру. Нужно привлекать трафик. Объяснять ценность. Упаковывать идею. Понимать, кому ты это продаешь, зачем человеку это нужно и почему он должен обратить внимание именно на твой продукт. Можно сделать хорошее приложение. Но если о нем никто не узнает, это останется пет-проектом с идеальной архитектурой. Как распределяются усилия: Чтобы заработать первые деньги, усилия часто должны распределяться совсем не так, как программисты привыкли думать. Не 80% в продукт и 20% в маркетинг, а скорее наоборот: 20% в первую рабочую версию продукта и 80% в то, чтобы понять рынок, привлечь внимание, донести ценность и получить первых пользователей. Это звучит непривычно. Но именно так работает экономика внимания. Продуктов много. Внимания мало. Выигрывает не тот, кто лучше написал код, а тот, кто лучше объяснил, зачем это нужно. ИИ помогает не только с кодом: Хорошая новость в том, что нейросети помогают не только писать код. Они помогают исследовать рынок, формулировать офферы, писать тексты, собирать лендинги, делать контент, тестировать гипотезы, анализировать аудиторию и быстрее понимать, что вообще имеет смысл создавать. Это снижает барьер для тех, кто раньше не занимался маркетингом. Не нужно нанимать отдельного специалиста, чтобы проверить гипотезу. Можно сделать это самому с помощью тех же инструментов, которые помогают писать код. 🔗 Читать подробнее 💡 Вывод: Создание продукта стало доступным. Это значит, что конкуренция выросла. Выигрывает не тот, кто умеет создавать, а тот, кто умеет доносить ценность. Разработчикам стоит пересмотреть распределение усилий. Не 80% в код, а 20%. Остальное - в маркетинг, исследование рынка, упаковку и привлечение пользователей. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Скорость разработки перестала быть дефицитом. Дефицитом стали доходные идеи. ИТ-менеджмент десятилетиями оптимизировал
👨‍💻 Скорость разработки перестала быть дефицитом. Дефицитом стали доходные идеи. ИТ-менеджмент десятилетиями оптимизировал использование дорогих человеко-часов. Чем больше кода писал разработчик, тем эффективнее считалась компания. ИИ сделал написание кода дешевым - и выяснилось, что узкое место давно не в разработке, а в идеях, которые стоит реализовывать. Что изменилось: С появлением ИИ бизнес получил возможность собирать MVP, фичи и рефакторинги за недели, а не за кварталы. И оказалось, что большинство этих MVP никому не нужны. Это вызвало вопрос: действительно ли бутылочное горлышко было в разработке? Если мы генерим MVP быстро, но они не находят спроса, проблема в них, а не в скорости разработки. Раньше узким местом была очередь в разработку. Сейчас приложение может быть готово в понедельник и выясняется, что платить некому. От одиночки к команде и обратно: Разработка начиналась с одиночек. Один человек мог собрать продукт и вывести его на рынок. Потом требования выросли, и один человек перестал конкурировать с командами. Команды дали синергию. Когда продукт стал крупнее, появились направления: несколько команд под одним руководителем, цепочка координации, разделение на части. Руководитель направления в этой схеме - не «писать код лучше всех», а держать разных людей на одном результате. ИИ сдвинул эту лестницу. Одиночку снова можно поставить на позицию руководителя, а иногда и выше. Не потому что средний менеджмент отменили, а потому что часть координации теперь укладывается в документы вроде файла передачи задач и набор агентов вокруг одного человека. Сигнал с рынка: Генеральный директор Y Combinator Гарри Тан на конференции SXSW в марте 2026 года описывал свой день так: «Я могу работать полный день, проводя восемь-девять часов встреч, и написать 10 тысяч строк кода в трех разных проектах прямо сейчас». По его словам, внутри YC примерно половина стартапов производит 10–20 тысяч строк кода в день. С доступным интеллектом ускоритель меньше смотрит на диплом и опыт работы в крупных компаниях, а больше - на вкус, самостоятельность и продуктовое чутье. Медленная разработка скрывала мертвые идеи: У продактов долго была скрытая привилегия: разработка была медленной. Идею можно было игнорировать, дорабатывать по ходу или менять направление, пока инженеры еще пилили первую версию. Плохая гипотеза умирала дорого и поздно и поэтому казалась редкой. Теперь темп другой. Раньше: «Проверим эту гипотезу в следующем квартале, когда освободятся ресурсы». Сейчас: «ИИ собрал приложение за выходные. Завтра понедельник. Где первые 100 оплативших пользователей?» Сегодня продуктовая команда часто не успевает генерировать и проверять денежные смыслы с той скоростью, с которой модели генерируют код. Пока мы не можем проверить все идеи - мы верим, что где-то есть та, что принесет деньги. Когда мы можем проверить все - мы видим, что денежных просто нет. 🔗 Читать подробнее 💡 Вывод: ИТ-специалистов сокращают не из-за того, что ИИ заменяет разработчиков. Их сокращают из-за того, что получилось проверить большую часть идей, и стало понятно: они не востребованы рынком. А значит, и разработчики под эти идеи не нужны. Конечно, всегда можно вспомнить фразу Чарльза Дьюэлла в 1899 году: «Все, что может быть изобретено, уже изобретено». Значит, всегда есть надежда, что будут открываться новые возможности. Но кажется, ИТ-компании и инвесторы поняли: это теперь дело отважных одиночек и пионеров, а не общепринятая практика каждой компании. Скорость разработки перестала быть дефицитом. Дефицитом стали доходные идеи. И пока этот дефицит не будет закрыт, сокращения будут продолжаться. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Команды Git, которые полезно знать. Когда вы уже хорошо знакомы с командами add, commit, pull и push, наступает момент, когда нужно больше. Не просто сохранять изменения, а управлять историей. И здесь Git предлагает команды, которые могут быть как полезными, так и опасными. Rebase: Rebase нужен, когда вы работаете над своей веткой, а в основной ветке (например main) за это время появились новые коммиты и вы хотите, чтобы ваша ветка строилась поверх этих новых изменений из основной ветки. После git rebase main коммиты D и E превращаются в D' и E' с другими хэшами. Пока ветка только ваша, все безопасно. Если на ней уже работают другие - у них все разъедется. Это главное правило: rebase можно делать на своих ветках, но не на общих. Если вы переписали историю, а коллеги уже забрали ваши коммиты, у них все сломается. После rebase обычный push не пройдет - вы получите rejected (non-fast-forward). Есть два способа это исправить: 🔹Первый: git push --force. Он перезапишет удаленную ветку вашей версией. Если кто-то успел запушить свои изменения, они будут потеряны. 🔹Второй: git push --force-with-lease. Он безопаснее: пуш пройдет, только если удаленная ветка не менялась с последнего fetch. Иначе Git откажет, и чужая работа уцелеет. Amend - исправление последнего коммита: Amend нужен, чтобы изменить последний коммит. Это удобно, когда вы забыли добавить файл, допустили опечатку в сообщении или хотите объединить изменения с предыдущим коммитом. Например вы закоммитили изменения, а потом вспомнили, что забыли файл:

git add forgotten-file.ts
git commit --amend --no-edit
Флаг --no-edit означает, что сообщение коммита останется прежним. Если нужно изменить и его, уберите этот флаг - Git откроет редактор. Важно понимать: amend не редактирует существующий коммит. Он создает новый с тем же содержимым, но другим хэшем. Если ветка уже на удаленном сервере, обычный push не пройдет - вы получите rejected (non-fast-forward). В этом случае есть два варианта: 🔹Первый: git push --force. Он перезапишет удаленную ветку вашей версией. Если кто-то успел запушить свои изменения, они будут потеряны. 🔹Второй: git push --force-with-lease. Он безопаснее: пуш пройдет, только если удаленная ветка не менялась с последнего fetch. Иначе Git откажет, и чужая работа уцелеет. Reset - откат назад: Reset нужен, чтобы откатиться назад по истории коммитов. Но важно знать, что происходит с изменениями: 🔹git reset --soft HEAD~1: откатывает коммит, но оставляет изменения в индексе. Можно сразу закоммитить заново. 🔹git reset --mixed HEAD~1: откатывает коммит, но оставляет изменения в рабочей папке без индексации. Нужно снова делать add. 🔹git reset --hard HEAD~1: стирает изменения и из индекса, и из рабочей папки. Использовать с осторожностью, потому что данные исчезают. Reflog - восстановление потерянных коммитов: Reflog нужен, чтобы найти коммиты, которые исчезли из видимой истории. git log показывает коммиты, доступные в той части истории, которую вы просматриваете в данный момент. Если вы откатите ветку назад, некоторые коммиты могут исчезнуть из вывода git log. Однако это не обязательно означает, что Git тут же их удалил. Git также ведет локальный журнал перемещений ссылок (например HEAD), поэтому исчезнувший коммит может быть в reflog.  Вы можете просмотреть его с помощью:

git reflog
Вы можете увидеть что-то подобное:
e35fa12 HEAD@{0}: reset: moving to HEAD~2
821cd77 HEAD@{1}: commit: Add authentication
f992ab1 HEAD@{2}: commit: Add login page
Вот ваш недостающий коммит. Теперь вы можете переместить ветку обратно к этому коммиту:

git reset --hard 821cd77
🔗 Читать подробнее 💡 Вывод: Git - это инструмент, который дает много возможностей. Но с возможностями приходит ответственность. Rebase, amend, reset и force - мощные команды, которые могут изменить историю. Использовать их нужно с умом. Если ветка только ваша - можно делать что угодно. Если на ней работают другие - лучше использовать revert и force-with-lease. А если что-то потеряли - reflog поможет. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Гонка за самую мощную ИИ-модель подходит к концу? Последние несколько лет за развитием генеративного ИИ было удобно сле
👨‍💻 Гонка за самую мощную ИИ-модель подходит к концу? Последние несколько лет за развитием генеративного ИИ было удобно следить как за спортивной таблицей. OpenAI выпускала GPT-4, Google отвечала Gemini, Anthropic показывала новую Claude, затем начинался следующий круг. Каждая компания приносила набор бенчмарков и объясняла, где ее модель теперь первая. В 2026 году эта логика начала ломаться. Не потому, что модели перестали становиться мощнее. Наоборот, 1 сентября Anthropic выпустила Claude Fable 5.1 - новую топовую модель для программирования и сложной интеллектуальной работы. Проблема в другом: возможность построить более сильную модель больше не означает, что большинство клиентов захотят использовать ее для большинства задач. Что показывают цифры: Financial Times обратила внимание на показательный пример. Fable 5 вышла 9 июня 2026 года как одна из самых мощных моделей Anthropic. Спустя примерно два месяца на нее приходилось около 11% расходов на продукты Anthropic среди корпоративных клиентов. Это не 11% всей выручки Anthropic, а показатель внутри конкретной выборки корпоративных расходов. Кроме того, доступ к модели был отключен 12 июня из-за американских экспортных ограничений, а глобальный релиз восстановили 1 июля. Цифра не идеальна. Но сама тенденция интереснее конкретных 11%. Компании все чаще выбирают более дешевые модели, если дополнительное качество frontier-модели не влияет на результат. Что изменилось к 2026 году: Разница между классами моделей стала огромной. Claude Sonnet 5 стоит $2 за миллион входных и $10 за миллион выходных токенов. Fable 5.1 - $10 и $50 соответственно. Fable нужна там, где дополнительная вычислительная мощность действительно меняет результат: сложное программирование, длительная агентная работа, научные задачи. Но использовать ее для классификации обращений или извлечения данных из документов экономически бессмысленно, если Sonnet справляется достаточно хорошо. В релизе Fable 5.1 Anthropic рассказывает не только о новых результатах на тестах, но и о снижении стоимости cache reads на 75%. То есть даже релиз самой мощной модели теперь приходится объяснять через экономику ее эксплуатации. На смену лидербордам приходит оркестрация: Perplexity делает ставку на multi-model orchestration. Разные модели используются внутри одной системы и получают те части работы, для которых подходят лучше. В 2026 году Perplexity развивает Model Council - один запрос может параллельно отправляться нескольким моделям, после чего отдельный слой сравнивает ответы и формирует итоговый результат. Для прода именно оркестрация становится важнее, чем выбор модели. Нужно решить, какие запросы требуют дорогого inference, когда включать reasoning, сколько контекста передавать, где использовать кеш, когда переключаться на другого провайдера. Хорошая оркестрация может влиять на стоимость и качество продукта сильнее, чем очередная замена одной frontier-модели на другую. Так гонка закончилась или нет: На исследовательском уровне нет. OpenAI, Google, Anthropic, xAI, DeepSeek продолжат выпускать более сильные модели. Frontier по-прежнему важен: именно там появляются возможности, которые позднее становятся дешевле и переходят в массовые модели. Заканчивается другая гонка: попытка использовать одну максимально мощную модель как универсальный ответ на все задачи. 🔗 Читать подробнее 💡 Вывод: К 2026 году рынок раздробился. Есть быстрые модели, reasoning-модели, системы с огромным контекстом, open-weight решения, специализированные модели и архитектуры, которые автоматически переключаются между несколькими вариантами. Позиция в одном лидерборде все хуже описывает реальную ценность модели. Для прода гораздо важнее соотношение качества, стоимости и задержки. Максимальный интеллект остается ценным ресурсом, но использовать его на каждом запросе больше нет смысла. Вопрос сместился с «какая модель лучше?» на «какая минимальная модель достаточно хороша для этой задачи?». И это, вероятно, главный итог четырехлетней гонки. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Почему ПМ игнорирует мнение разработчика и спрашивает других? Знакомая ситуация. Вы работаете над задачей, разобрались в контексте, изучили все нюансы. Приходит ПМ, задает вопросы, вы подробно объясняете свое видение. А потом оказывается, что решение принято на основе мнения других разработчиков, которые в контекст вообще не погружены. Это одна из самых раздражающих ситуаций в разработке. И она возникает не от злого умысла, а от того, как устроены процессы в команде. В чем суть проблемы: Разработчик, который работает над задачей, видит ее целиком. Он знает нюансы, проблемы, ограничения, потенциальные риски. Его мнение основано на реальном опыте работы с кодом и контекстом. Когда ПМ спрашивает других разработчиков, не погруженных в задачу, он получает мнения, основанные на догадках или поверхностном анализе. Это не делает их плохими разработчиками, они просто не видят всей картины. Когда подключается лид команды или всего проекта: Бывает еще хуже. ПМ идет не к разработчикам, а к лиду команды или всего проекта. Тоже не погруженным в детали конкретной задачи, но имеющим авторитет. И решение принимается на основе их мнения. Лид команды или всего проекта часто дают ответ в духе «ну, наверное, так можно сделать». Они не видели код, не знают всех ограничений, но их слово оказывается решающим. Потому что у них есть статус. При этом вы, потративший время на анализ, остаетесь в стороне. Ваше экспертное мнение не учитывается. А решение принимается на основе предположений того, кто просто не успел вникнуть в задачу за счет высокой загруженности. Почему ПМ так поступает: Причин несколько. И почти все они плохие. 🔹Первая: недоверие. ПМ может не доверять вам. Не потому, что вы плохой специалист, а потому, что не сложилось доверия, или он не понимает, насколько глубоко вы погружены в задачу. Возможно, вы уже допускали ошибки в прошлом. Или просто стиль общения не совпадает. 🔹Вторая: желание ускорить процесс. ПМ считает, что не хочет тратить время на обсуждение с вами, а хочет быстро получить ответ от того, кто, по его мнению, скажет быстрее. Но это иллюзия. Быстрое решение без контекста почти всегда хуже, чем правильное решение с небольшим обсуждением. 🔹Третья: попытка выслужиться перед руководством. ПМ хочет показать, что он быстро решает вопросы. Он не хочет выглядеть нерешительным или тратить время на уточнения. Ему нужно закрыть вопрос и он выбирает способ, который кажется ему более оперативным. Даже если это приводит к ошибке. 🔹Четвертая: обычная некомпетентность. ПМ не понимает, почему погруженный в задачу разработчик важен. Он не отличает мнение от экспертизы. 🔗 Читать подробнее 💡 Вывод: Когда ПМ игнорирует мнение разработчика, погруженного в задачу и обращается к лиду или другим разработчикам, не владеющим контекстом, страдает не только сам разработчик. Страдает качество решений и вся команда. Доверие падает, вовлеченность снижается, а процессы становятся менее эффективными. Важно, чтобы ПМ понимал: эксперт, работающий над задачей, видит ее иначе, чем кто-то со стороны. И его мнение должно иметь больший вес. А разработчикам стоит не молчать, а аргументированно отстаивать свою позицию. Потому что, если не доносить свою экспертизу, ее никто не увидит. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Навыки прохождения собеседований стали важнее реального опыта. В последние годы в ИТ сложилась странная ситуация. Чтобы устроиться на работу, нужно уметь не столько делать свою работу, сколько проходить собеседования. Заучивание вопросов, решение типовых задач, алгоритмы, которые в реальной жизни не используются. Все это стало важнее реального опыта. Что спрашивают на собеседованиях: Вопросы и задачи часто не связаны с тем, что разработчик делает ежедневно. Их решают только на собеседованиях. В реальных проектах такие задачи не встречаются. Это помогает отсеивать не разработчиков, а тех, кто не готов тратить время на заучивание популярных вопросов. В крупных компаниях используется стандартный набор технологий и инструментов. Но спрашивают часто о том, что в этих компаниях не используется. Ведь проще найти готовые задачи в интернете, чем составить свои, связанные с реальным проектом. Раньше было иначе: Общие вопросы были всегда. Но раньше собеседования больше проверяли реальный опыт и понимание. Сейчас система превратилась в отдельный навык. Прохождение собеседований стало самоцелью. Вопросы не всегда адекватны. Некоторые компании спрашивают то, что устарело. Другие - что используется раз в год. Третьи - что вообще не имеет отношения к проекту. И это не помогает найти хороших разработчиков. Собеседования стали отдельной индустрией: Сейчас даже появились отдельные курсы, менторы и школы по подготовке к собеседованиям. Люди платят деньги за то, чтобы научиться проходить интервью. Не за то, чтобы научиться работать. А за то, чтобы отвечать на вопросы, которые в реальной работе не возникают. Это превратило собеседования в отдельную индустрию. Есть те, кто зарабатывает на подготовке. Есть те, кто тратит месяцы на заучивание алгоритмов, чтобы потом никогда их не использовать. Есть те, кто проходил собеседования лучше, чем работал. Но это не делает таких людей хорошими сотрудниками. Они становятся опытными в прохождении собеседований. Разница огромная. И компании, которые нанимают таких людей, часто получают не то, что ожидали. Конкуренция - не оправдание: Кто-то скажет: на рынке дикая конкуренция, поэтому компании вынуждены ставить жесткие фильтры. Это отчасти правда. Вакансий меньше, кандидатов больше, и нужно как-то отсеивать. Но это не значит, что можно перестать проверять реальный опыт и релевантные знания. Конкуренция не должна быть оправданием для того, чтобы спрашивать то, что не используется в работе. Если компания ищет разработчика под свой стек и проект, то и проверять должна именно эти навыки. А не абстрактные алгоритмы, которые решают раз в пять лет. Высокая конкуренция - это причина для более тщательного отбора, но не для того, чтобы отсеивать кандидатов по критериям, не имеющим отношения к работе. Хороший фильтр должен отсеивать неподходящих, а не всех подряд. Почему так происходит: Рекрутерам и собеседующим разработчикам проще использовать готовые задачи и вопросы. Это экономит время. Не нужно разбираться в проекте, не нужно формулировать задачи под реальный стек. Но это снижает качество найма. Собеседования оценивают не способность работать, а способность готовиться к собеседованиям. Это разные навыки. 🔗 Читать подробнее 💡 Вывод: Собеседования в ИТ превратились в отдельный навык, который мало связан с реальной работой. Задачи из интернета не проверяют опыт. Они проверяют способность заучивать решения. Хороший разработчик может провалить собеседование. Плохой - пройти, если хорошо подготовится. Это проблема системы. И ее нужно решать, но пока она не решена, разработчикам придется учиться проходить собеседования, а не только работать. Появление целых курсов и менторов по подготовке к собеседованиям только подтверждает, что процесс найма сломался. Вместо того чтобы оценивать реальные навыки, компании проверяют способность готовиться к интервью. И пока компании не пересмотрят свои подходы, эта индустрия будет только расти. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Почему слабые руководители боятся сильных сотрудников. В каждой компании есть сотрудники, которые задают неудобные вопросы. Они не принимают ответы «мы так решили» или «так принято». Они спрашивают: «почему?», «что это даст?», «как мы проверяем качество?». Для слабого руководителя такие люди - кошмар. Они подрывают авторитет, требуют ответов, которых у него нет. Признать свою неправоту для него драма. Поэтому он будет пытаться от них избавиться. Но сильные руководители таких людей ищут целенаправленно. Кто такие сильные сотрудники: Сильные сотрудники - это не те, кто просто хорошо пишет код. Это те, кто небезразличен к проблемам вокруг. Они видят, что можно улучшить. Они приходят не с вопросами, а с решениями. Или хотя бы с пониманием проблемы. Им не нужно четкое ТЗ. Им нужно понимать, для чего это делается. Как только они понимают проблему, они способны решить все сами. Управлять ими нужно иначе. Если пытаться нарезать задачи и объяснять, как именно все должно работать - они уйдут или перестанут стараться. Им нужны рамки и свобода внутри них. Как отличить сильного от токсичного: Главная сложность: сильный и токсичный сотрудник иногда выглядят одинаково. Оба задают неудобные вопросы. Оба спорят. Оба не принимают «потому что я так сказал». Разница в одном. Сильный приходит с решением. Токсичный - просто ломает процесс, не предлагая альтернатив. Сильный хочет сделать лучше. Токсичный хочет доказать, что другие хуже. Это ключевое отличие, которое важно замечать. Почему слабые руководители проигрывают: Слабый руководитель нанимает удобных. Тех, кто не спорит, не задает вопросов, делает что скажут. Это проще, безопаснее и не требует усилий. Но из удобных сотрудников не растут сильные команды. Они просто исполняют. И когда возникает сложная задача, которую нужно решать самостоятельно, такие команды ломаются. Потому что привыкли ждать инструкций. Сильные сотрудники строят сильные команды. Но они требуют другого подхода. Меньше контроля, больше доверия. Меньше указаний, больше контекста. Не каждому руководителю это под силу. 🔗 Читать подробнее 💡 Вывод: Слабые руководители избавляются от сильных сотрудников, потому что они неудобные. Сильные руководители ищут таких людей, потому что они двигают компанию вперед. Если в вашей команде есть человек, который задает сложные вопросы и предлагает решения - это не проблема. Это возможность. Вопрос только в том, готовы ли вы с этим работать. И если вы руководитель и узнали себя в описании слабого - возможно, это повод задуматься. Не о том, как избавиться от неудобных, а о том, как научиться с ними работать. Потому что именно они помогут вам вырасти. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Менеджер - это еще не бизнес. Кто на самом деле принимает решения? Разработчики часто говорят: «Бизнес не понимает, чего хочет», «Бизнес опять поменял требования», «Бизнес принимает кривые решения». И под этим «бизнесом» обычно подразумевают своих менеджеров, продактов или кого-то выше по иерархии. Но это ошибка. В большинстве случаев те, кто ставит задачи и меняет требования, к бизнесу имеют косвенное отношение. Они наемные сотрудники, у которых свои KPI, свои риски и своя ответственность. Но это не уровень владельцев бизнеса. Чтобы понять, кто есть кто, нужно разобраться с устройством компании. Фаундеры - настоящий бизнес: На самом верху находятся фаундеры. Это люди, которые вложили свои деньги, время и репутацию. Если компания прогорит, они не смогут просто уволиться и найти другую работу. Банкротство, суды, обязательства перед кредиторами - это их реальность. Именно фаундеры принимают стратегические решения, которые могут либо поднять компанию, либо утопить ее целиком. Они смотрят на деньги и риски. Все остальное - вторично. Акционеры и инвесторы: Рядом с фаундерами находятся акционеры и инвесторы. Они тоже вкладывают деньги и оценивают перспективы. Их интересы - прибыль и рост стоимости компании. Если они видят, что что-то идет не так, они могут потребовать изменений. Иногда кардинальных. C-level - мостик между бизнесом и операционкой: Генеральный директор, финансовый директор, коммерческий директор, операционный директор - это уже наемные сотрудники. Но их ответственность максимальна среди всех наемных менеджеров. Задача гендиректора - зарабатывать деньги для акционеров. Они работают с отчетностью, бюджетами и стратегией. Их решения напрямую влияют на финансовые показатели. Продакты и руководители направлений: Ниже находятся CPO, руководитель отдела продаж, директор по маркетингу. Они уже более узко сфокусированы: продукты, продажи, маркетинг. Здесь тоже есть ответственность за деньги, но уже в рамках своего направления. Разработчики и остальные: А где разработчики? Где-то дальше. Они выполняют задачи, которые ставят продакты и менеджеры. У них нет денежного KPI в том смысле, в каком он есть у фаундеров. Их ответственность - качество кода, сроки, архитектура. Это важно, но это не про деньги и риски в масштабах всей компании. 🔗 Читать подробнее 💡 Вывод: Бизнес - это про деньги и риски. Фаундеры и акционеры несут полную ответственность за компанию. C-level отвечает за выполнение стратегии. А все, что ниже - про операционную работу. Разработчики - важная часть компании, но они не про бизнес. Они про технологию и реализацию. И если вы хотите влиять на бизнес-решения, нужно понимать, кто их принимает и почему. А не жаловаться на бизнес, который на самом деле просто выполняет свою работу. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Роль разработчика в эпоху ИИ-агентов. Вопрос, который сейчас звучит чаще всего: «Если ИИ уже пишет код, в чем моя ценность?». Ответ простой - ценность смещается в другую область. Не туда, где пишут код, а туда, где проектируют системы, выстраивают процессы и создают архитектуру для агентов. Прежнее ИТ и новое ИТ: Прежнее ИТ - это разработка до того, как появился ИИ, который способен писать код. Раньше это была привилегия разработчиков. Теперь писать код может любой человек, владеющий естественным языком. Уровень абстракции для создания программного обеспечения повысился. Это фундаментально меняет процесс. Раньше мы учили синтаксис, паттерны, конкретные языковые особенности. Сейчас это перестает быть главным. Становится неважно, на каком языке написан код. Важно, как спроектирована система. Кто такой ИИ-инженер: В новой картине мира ИИ-инженер - это человек, который создает систему вокруг ИИ-агента. Сам по себе агент - просто штука, которая делает запрос к LLM и возвращает информацию. Иногда несколько запросов. Но она галлюцинирует, ошибается, не понимает контекста. Задача ИИ-инженера - построить инфраструктуру вокруг модели. Архитектуру, которая заставляет модель выдавать стабильный результат. Процессы, которые превращают хаотичную генерацию в предсказуемый инструмент. Claude, Cursor, Codex - это все инструменты, созданные ИИ-инженерами. Они запоминают, индексируют, работают с контекстом. Именно эти слои позволяют получать высокое качество от модели. Что меняется в процессе разработки: ИТ-компании уже перестраивают свои процессы. В дополнение к коду появляется архитектурный слой для агентов. Чтобы ИИ мог понимать проект и работать с ним оптимально. Часто без привязки к конкретной модели. Разработчик больше не просто пишет код. Он проектирует систему, в которой агенты могут эффективно работать. Ставит задачи. Строит контекст. Создает инструменты. Управляет памятью и контролирует качество. 🔗 Читать подробнее 💡 Вывод: ИИ не делает разработчиков ненужными. Он меняет их роль. От кодера - к архитектору систем и процессов. Теперь важно не то, как написать код, а как спроектировать систему, в которой код будет создаваться правильно и предсказуемо. Те, кто перестраивается, осваивает новые концепции и учится работать с агентами, остаются востребованными. Те, кто цепляется за старую модель «я пишу код», рискуют оказаться за бортом. Это не катастрофа, а естественная эволюция профессии. Такая же, как была с переходом от ассемблера к высокоуровневым языкам, от ручного управления памятью к сборщикам мусора. Просто сейчас это происходит быстрее. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Скорость или контроль. Как балансировать с ИИ-агентами. Один из главных вопросов в разработке с ИИ-агентами - как понять, что можно доверить машине, а что требует человеческого контроля. Ответственность всегда остается на разработчиках. Тот, кто настроил агента, организовал процесс и дал задачу, тот и отвечает за результат. Это правило работает всегда. Два базовых принципа: Есть два простых принципа, которые помогают разделять задачи. 🔹Первый: чем дороже исправление, тем больше человеческого внимания нужно уделять задаче. Архитектурные решения, выбор технологий, проектирование системы - все это менять дорого. Такие задачи требуют пристального контроля. 🔹Второй: уровень внимания должен быть достаточным, чтобы минимизировать критический риск. Достаточность определяется аппетитом к риску. Больше готовности рисковать - выше скорость. Меньше - больше контроля. Как всегда, компромисс. Что меняется в работе разработчика: При повышении автономности кодинговых агентов разработчики должны смещать фокус. Вместо написания кода - проверка ожидаемого поведения. Кликать руками, запускать агентов, автоматизировать тесты и код-ревью. Задача человека - управлять потоком агентной работы. Формировать требования и ожидания. Авторизовывать результат. Задача команды разработчиков - повышать автономность агентов и сокращать количество петель обратной связи. Когда агент ошибся, работа возвращается к человеку. Чем меньше таких возвратов, тем эффективнее процесс. Главный вызов следующих лет: Наша текущая задача - научиться безопасно обменивать внимание человека на скорость. Отдавать часть работы агентам, сохраняя качество. Именно этот размен дает эффективность: рост производительности при снижении затрат на единицу результата. В ближайшие несколько лет индустрия будет двигаться в этом направлении. Баланс будет смещаться в сторону автономности, но не за счет качества. Ответственность за результат всегда остается на человеке. 💡 Вывод: ИИ-агенты - это инструмент. Как и любой инструмент, он требует правильного применения. Задачи с высокой стоимостью ошибки остаются за человеком. Рутинные и предсказуемые операции можно отдавать агентам. Разработчик перестает быть просто исполнителем. Он становится управляющим, который настраивает агентов, контролирует их работу и принимает решения. Это не делает профессию проще. Это делает ее другой. И тем, кто освоит эту роль, открываются новые возможности. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Рынок ИТ остывает: вакансии падают, конкуренция растет. Еще пару лет назад ИТ-специалисты выбирали из нескольких офферов, а компании сражались за каждого разработчика. Сегодня картина обратная. Спрос на айтишников резко обвалился, а конкуренция за каждое место стала жесткой. Цифры: За первое полугодие 2026 года число ИТ-вакансий сократилось на 21% на hh.ru. На «Хабр Карьера» падение составило 56%. Количество резюме выросло на 21%, а специалистов, открытых к предложениям, стало больше на 69%. В итоге на одну вакансию в ИТ сейчас приходится 22,6 резюме. Зарплаты тоже отражают тренд. В июне 2026 года средние доходы ИТ-специалистов выросли всего на 3,9%, это ниже инфляции. Зарплата айтишников сжигается инфляцией из года в год. Исключение - только мидлы и сеньоры в дефицитных нишах. Почему так происходит: ИТ - отрасль роста, которая живет на инвестициях. Расширение команд и новые проекты финансируются в расчете на будущую отдачу. Высокая ключевая ставка делает капитал дорогим. Компании замораживают найм, переносят проекты и закрывают позиции внутренними ротациями. Денег становится недостаточно даже на поддержку текущей разработки. Дополнительный фактор - внедрение ИИ. Часть рутинных задач автоматизируется, что позволяет держать штат меньше. Темпы роста ИТ-рынка замедлились. В 2024 году выручка сектора выросла на 49%. В 2025-м - только на 14%. В первом квартале 2026-го прирост составил 8%, что не покрывает даже инфляцию. Интересный парадокс: спрос упал в высокотехнологичном секторе, а низкопроизводительные отрасли по-прежнему испытывают кадровый голод. В рознице доля незакрытых вакансий достигает 17%. Что делать разработчикам: Паника на рынке - не повод опускать руки. Это повод пересмотреть подход к своей карьере. Компании перестали нанимать всех подряд, но лучшие специалисты по-прежнему нужны. Чтобы оставаться востребованным, нужно смещать фокус с «я умею писать код» на «я решаю бизнес-задачи». Разбираться не только в технологиях, но и в продукте, в пользователях, в метриках. Уметь не просто выполнять задачи, а предлагать решения. Понимать, как твой код влияет на прибыль компании. ИИ автоматизирует рутину, но не заменяет инженерное мышление, архитектурные решения и умение работать в команде. Те, кто развивает эти навыки, остаются незаменимыми. Те, кто застрял на уровне «исполнитель задач», рискуют оказаться за бортом. 🔗 Читать подробнее 💡 Вывод: Рынок труда в ИТ переживает серьезный кризис. Вакансий меньше, конкуренция выше, реальные зарплаты не растут. Это следствие дорогого капитала и глобального замедления. ИИ добавляет давления, но не является главной причиной. Для разработчиков - время жесткого отбора. Для компаний - период оптимизации. Но если вы не просто пишете код, а решаете задачи бизнеса, понимаете продукт и умеете адаптироваться - вам нечего бояться. В кризис увольняют исполнителей. Специалисты, которые приносят реальную ценность, остаются. Подписаться на канал: ➡️ Кот Денисова

👩‍💻 .gitignore - не единственный способ заставить Git игнорировать файлы. Большинство разработчиков знают про .gitignore. Файл в корне проекта, куда складывают node_modules, .env, логи и прочий мусор, который не должен попасть в репозиторий. Но Git умеет игнорировать файлы не только с помощью .gitignore. Есть еще два уровня и каждый решает свою задачу. Три уровня игнорирования: 🔹Первый уровень - .gitignore. Это классика. Файл лежит в репозитории, попадает под контроль версий и работает у всех, кто клонирует проект. Сюда пишут все, что относится к проекту целиком: зависимости, артефакты сборки, локальные конфиги IDE. 🔹Второй уровень - .git/info/exclude. Файл внутри директории .git. Он работает так же, как .gitignore, но не попадает в коммиты. Это место для личных правил, которые нужны только вам: черновики, заметки, экспериментальные скрипты. 🔹Третий уровень - ~/.config/git/ignore. Глобальный файл для всех репозиториев на вашей машине. Сюда добавляют то, что мешает везде. Например, на macOS это .DS_Store. На Windows - Thumbs.db. Настройка делается один раз и забывается. Когда что использовать: 🔹.gitignore - для командных правил. Если файл должен игнорироваться у всех, кто работает над проектом, он идет сюда. 🔹.git/info/exclude - для личных правил внутри одного репозитория. У вас есть файл notes.txt с пометками для себя. Добавлять его в .gitignore не хочется - коллегам он не нужен. В exclude он не отслеживается только у вас. 🔹~/.config/git/ignore - для системных файлов. .DS_Store, Thumbs.db, .swp - все, что создается автоматически и раздражает в каждом проекте. Как проверить, кто именно игнорирует файл: Когда правил много, легко запутаться. Git дает команду git check-ignore -v, которая показывает, какой именно файл игнорирует конкретный файл.

$ git check-ignore -v .DS_Store
/Users/user/.config/git/ignore:2:.DS_Store .DS_Store
Если файл игнорируется .gitignore, вывод начнется с .gitignore. Если exclude - с .git/info/exclude. Если глобальным ignore - с путем в домашней директории. Если команда ничего не выводит - файл никто не игнорирует. 🔗 Читать подробнее 💡 Вывод: Git дает три уровня игнорирования и каждый решает свою задачу. .gitignore - для командных правил. .git/info/exclude - для личных исключений в одном репозитории. ~/.config/git/ignore - для глобальной чистоты на всей машине. Разделение уровней помогает не засорять общие правила личными исключениями и не тащить в коммиты то, что нужно только вам. Правильный выбор уровня избавляет команду от конфликтов и лишних правок .gitignore. Подписаться на канал: ➡️ Кот Денисова

👨‍💻 Почему ваш пет-проект все еще не бизнес. У многих разработчиков есть проект, который вот-вот станет бизнесом. Осталось дописать пару фич, показать продукт пользователям и дальше все поедет само. Спойлер: не поедет. Давайте разберемся, где заканчивается код и начинается бизнес. Бизнес начинается не с технологии: Разработчик смотрит на то, что он умеет делать и ищет, куда это применить. Бизнесмен смотрит в обратную сторону: видит чужую проблему и только потом думает, какой технологией ее закрыть. Если вы думаете о своем продукте с позиции «у меня есть классная технология, давайте найдем ей применение», вы еще не бизнесмен. Вы ищете покупателя на свой код. Бизнес начинается с чужой проблемы. Сейчас многие разработчики увлекаются ИИ и строят проекты вокруг нейросетей. Это выглядит логично: нейросети популярны, можно сделать что-то на них и заработать. Но это все та же ловушка: технология есть, проблема - потом. Такие проекты часто остаются просто демками, потому что никто не проверял, нужна ли кому-то эта возможность. ИИ-агенты могут помочь написать код быстрее и даже сгенерировать первую версию продукта, но они не помогут понять, какую проблему этот продукт решает. Придумать пользу из головы не получится: Следующий соблазн - сесть и придумать, в чем состоит проблема пользователя. Построить логику: «вот такие люди, вот такая боль, вот наше решение». Это звучит неплохо, но на практике почти никогда не работает. Ценность решения определяете не вы. Ее определяют те, кто будет с ним работать. Их критерии - не всегда то, что кажется логичным вам изначально. Самое правильное, что можно сделать - пойти и пообщаться с целевой аудиторией. Узнать, как человек реально делает свою работу. Он сам расскажет, что ему мешает. ИИ здесь тоже не помощник. Можно попросить нейросеть сгенерировать портрет пользователя или список его болей, но это будет выдумка. Реальную проблему можно узнать только у живого человека. Бизнесмен vs менеджер: В ИТ есть распространенная логика карьерного роста: джун -> мидл -> сеньор -> тимлид -> руководитель. Кажется, что следующий шаг - собственный бизнес. Но это совершенно другой путь. Менеджер начинает с активов. У него есть команда, бюджет, инфраструктура. Его задача - использовать это максимально эффективно. Бизнесмен начинает с возможности и как правило, без активов вообще. Он видит проблему и собирает под нее ресурсы. Тимлид оптимизирует спринт с теми людьми, которые у него есть. Бизнесмен проектирует то, чего еще нет. Это принципиально разные задачи и разное мышление. Сейчас многие менеджеры и тимлиды увлекаются внедрением ИИ-агентов в процессы. Это правильный подход для оптимизации существующей системы. Но это все еще менеджерское мышление. Продукт и бизнес - это не одно и то же: Рабочий сервис, первые пользователи и даже выручка - это еще не бизнес. Это продукт. Бизнес - это система, которая производит этот продукт регулярно, в нужном объеме и без того, чтобы все держалось на одном человеке. Простой тест: уйдите в отпуск на две недели. Если без вас все встало - у вас пока не бизнес. У вас есть продукт, а главный производственный ресурс - вы сами. Ценность бизнеса не в коде и не в алгоритме по отдельности, а в том, как все это собрано и работает вместе. Задача бизнесмена - спроектировать систему, в которой продукт выходит регулярно, с нужным качеством, и в которой ключевых специалистов можно заменить или нанять. 🔗 Читать подробнее 💡 Вывод: Код - это инструмент. Бизнес - это система, которая использует инструменты для решения чужих проблем. Если вы создали рабочий сервис, у вас есть продукт. Но бизнесом он станет только тогда, когда сможет существовать и развиваться без вашего постоянного участия. ИИ-агенты и нейросети не меняют этого правила. Они могут ускорить разработку и автоматизировать рутину, но они не строят бизнес за вас. И даже самый продвинутый агент не ответит на главные вопросы: кому нужен ваш продукт и почему они будут за него платить. На эти вопросы придется отвечать вам. Подписаться на канал: ➡️ Кот Денисова Закрытый канал: 🚀 Мобильный трудоголик PRO