The Art Of Programming

Папочка. Пока продолжается послескелье, тело и мозг требуют отдыха. Но это не повод не ввязываться во всякие инициативы. Вот приходят ко мне с маузером и спрашивают: — А хотите попасть в эту папочку? А папочка-то непростая — Recommended Iconic Authors. — Конечно-конечно, — отвечаю я, осторожно отводя ствол рукой. Но ствол возвращают на место: — Вы, кажется, не поняли. Это добровольно.

В папке уже собрано много интересного. Например: — каналы разработчиков — с крутыми фишками, заметками с полей, релизами, библиотеками и многим другим; — AI, чат-боты и вайбкодинг — а куда без них, кто-то ещё работает руками? — QA- и ИБ-каналы, где опытные специалисты делятся знаниями и помогают в группах и комментариях; — целый список классных авторских каналов, которые не дадут заскучать.

— Да-да, — говорю, — я уже подписываюсь. Хотя подписываться меня никто и не планировал.

AI-агенту мало хорошей модели. Настало время вспомнить про Мартина нашего Фаулера, у него на сайте еще весной вышла отличная статья от Биргитты Бёкелер про про harness engineering: Birgitta Böckeler — Harness engineering for coding agent users Она по сути пытается кодифицировать инженерное окружение, которое помогает coding-агентам работать автономнее и надёжнее. Главная мысль проста: качество результата определяет не только модель.

Агенту нужны: — правила и контекст, которые могут направить его до работы; — тесты, линтеры и архитектурные проверки, которые дают быструю обратную связь; — цикл самокоррекции, в котором найденная ошибка исправляется до прихода человека (местами пока фантастика, но кое-что уже работает).

Особенно мне понравилось разделение проверок на вычислительные — быстрые и детерминированные — и смысловые, выполняемые другими моделями. Получается такой сдвиг — мы проектируем среду, в которой агенту проще сделать правильно и сложнее — незаметно ошибиться. Кажется, мы все пришли к этим выводам, но Биргитта это зафиксировала текстом. За нами остается важная задача. Определить, что значит «хорошо», и встроить это в систему.

В эти выходные — Я про бэкенд! Страшно подумать, в следующую субботу уже 3 октября! Именно в этот день мои коллеги в Москве и в онлайн проводят конференцию — Я про бэкенд. Название обещает нам: высоконагруженные рекомендательные, генеративные и другие системы под капотом AI‑first-продуктов и то, как разработчики этих систем справляются с нетривиальными вызовами. Лично я ожидаю эпичного накала доклад «База векторных баз» от воронежского быдла, как сам себя называет — Андрей Аксёнов. Запасаемся семками взводим будильники. Заявки на регистрацию еще принимаются, успевайте.

Полная карта нервной системы плодовой мушки. Как много шума может наделать одна муха? Вот, например, у моей дочери живет кот, и он безумно любит ловить мух. Прямо весь дом может перевернуть, пока гоняется за нарушителем воздушного пространства. Так вот, 8 июня 2026 года открыли доступ к полному набору данных с коннектомом центральной нервной системы взрослого самца плодовой мушки Drosophila melanogaster — MaleCNS v1.0.

MaleCNS расшифровывается как Male Central Nervous System. Набор охватывает головной мозг, зрительные доли и брюшную нервную цепочку — функциональный аналог спинного мозга позвоночных. В наборе порядка 166 700 нейронов, распределённых по тысячам типов, и дополнительно 125 миллионов синаптических контактов.

Работа началась не позднее 2020 года (ну дальше мне проследить не удалось) и объединила команды HHMI Janelia Research Campus, Кембриджского университета, MRC Laboratory of Molecular Biology и Google Research. Целых 13 месяцев заняло получение электронно-микроскопических изображений. Одновременно использовали семь микроскопов. Последующая ручная проверка реконструированных нейронов в общей сложности потребовала около 44 человеко-лет труда. 3 сентября научные результаты официально опубликовали в журнале Cell, сама публикация доступна тут. Важно, некоторые могли подумать, что получилось оцифровать сознание мушки — это не так. MaleCNS — это не готовый цифровой мозг. Прежде всего получилось составить анатомическую схему: она показывает, какие нейроны соединены и сколько синапсов существует между ними. Чтобы такую карту превратить в симуляцию, необходимы дополнительные предположения о силе связей, электрической активности, обучении, влиянии химических сигналов и, возможно, что-то еще. Так что, продолжаем вести наблюдение.

Playbook про уличную магию. Невозможно было пройти мимо The AI-Native SDLC playbook. На радостях пильнули вместе с дорогим Алексеем прямо перед Yandex Scale очередной подкаст, слушайте нас в 317-м эпизоде подкаста «Разбор полетов». Слушать подкаст на Яндекс.Музыке. Читать Полезняшки от «Разбора Полетов». #подкаст #debriefing

Дело не в собаках. Не так давно я рассказывал про исследовательский рефлекс, и, конечно, нельзя обойти стороной персону, приложившую к его изучению колоссальные усилия. 26 сентября 1849 года по новому стилю в мир вошел Иван Петрович Павлов. Выдающийся физиолог, чьи открытия сильно повлияли на медицину, психологию и педагогику. Многим он известен по фразе «собака Павлова». Собака Павлова — это устойчивый научный термин, обозначающий серию экспериментов Ивана Петровича, которые были направлены и впоследствии помогли понять, как работают условные рефлексы. В 1890 году Павлов избран профессором и заведующим кафедрой фармакологии Военно-медицинской академии. В 1896 году Павлов становится заведующим кафедрой физиологии, и руководил он ей до 1924 года. Самая известная и самая подробная ранняя работа по классическому обусловливанию была сделана Иваном Петровичем Павловым в ходе экспериментов с собаками и опубликована в 1897 году.

Классическое обусловливание (также известное как павловское или респондентное) — это процедура научения, формирования условно-рефлекторных реакций, при которой безусловный стимул (например, еда) сочетается с нейтральным стимулом (например, звук колокольчика) до тех пор, пока нейтральный стимул не станет условным, то есть начнёт вызывать условную реакцию (например, слюноотделение), такую же, как и безусловный стимул.

В 1904 году Павлову вручили Нобелевскую премию за исследование функций главных пищеварительных желёз (по сути, он переоткрыл, как же там всё работает, увлекательные эксперименты) — он стал первым российским Нобелевским лауреатом. За год до нобелевской премии Павлов в Мадриде читает лекцию, которую, согласно Scopus и Web of Science, цитируют чаще всего — «Лекция о работе главных пищеварительных желёз» (Madrid Lecture, 1903) (тут чуть более позднее издание этой лекции). В 1923 году Госиздат печатает практически монументальный труд Павлова.

Двадцатилетний опыт объективного изучения высшей нервной деятельности (поведения) животных. Условные рефлексы. Сб. ст., докл., лекций и речей. М.; Пгр.: Госиздат., 1923. — 244 с.

Все время после революции и до своей смерти Павлов поддерживает тесные связи со своим учеником Глебом Васильевичем фон Анрепом, который помогает переводить его труды на английский язык. И в 1927году в Oxford Univ. Press выходит переработанный сборник лекций Павлова — Conditioned reflexes.

Conditioned reflexes, an investigation of the physiological activity of the cerebral cortex / Transl. and ed. by G. V. Anrep. — London: Oxford Univ. Press, 1927. — 430 p.

В этом же 1927 году в США работу перепечатывают в издательстве New York: Dover Publications.

Pavlov IP. Conditional Reflexes. — Dover Publications. — New York: Dover Publications, 1927. (свеженький вариант)

Павлов скончался 27 февраля 1936 года в Ленинграде от острого воспаления лёгких. Похоронен на Литераторских мостках Волковского кладбища. Мы с вами, да и любые зрители докладов и посетители тренингов, конечно, не собаки. Но на нас действует и исследовательский рефлекс, и классическое обусловливание. #DevRel

Команда Yandex Scale 2026! Вчера отгремел Yandex Scale. Это всегда сложное и большое дело, выматывающее. Мы все командой сильно вложились в то, что многие могли наблюдать очно и еще большее число в онлайн. Мы постоянно много экспериментируем, чтобы попасть, с одной стороны, максимально в ожидания людей, а с другой — достичь целей бизнеса. И нам это удается, хотя не все эксперименты проходят чисто. Но результат нас радует. Мы немного поспим, отдохнем, порефлексируем и двинемся дальше, сделав выводы из того, что было. А был лучший Scale из тех, что я делал.

Моментальный Оverjustification effect. Есть старый и очень интересный эксперимент, его проявление я вижу постоянно в своей работе и в работе DevRel-коллег. Так как сезон конференций в самом начале, не грех напомнить себе и коллегам о нем. В 1973 году психологи Марк Леппер, Дэвид Грин и Ричард Нисбетт поставили эксперимент с дошкольниками, теми, кто изначально любил рисовать.

В эксперименте за рисование детям обещали символическую награду — грамоту с золотой печатью и лентой. Через непродолжительное время дети стали реже выбирать рисование по собственной инициативе. Эффект проявился практически моментально — через одну-две недели.

Ожидавшие награду дети проводили за рисованием меньше свободного времени. Тут важно, что они не перестали рисовать совсем, а стали просто меньше времени проводить за своим любимым ранее делом. Для проверки гипотезы были также группы с без награды и с неожиданной наградой — у них такого снижения не обнаружили. Исследователи назвали это эффектом сверхоправдания — оverjustification effect. П.С. Тут небольшое дополнение. #DevRel

29 лет Яндексу! Сегодня праздник, да еще какой — 29 лет Яндексу. Праздновать, правда, будем в пятницу. Тут ретро-истории вспоминают. Вчера в ночи как-то на ностальгический лад благодаря поводу был настроен. В полуночном чатике с друзьями обсуждал, как называть первые сервера и переезды. У меня были и звезды, и герои фантастических произведений. А был еще и гарем — в котором жили виртуалки, тут уж имена можете представить самостоятельно. А тут в чате коллег про сервера прочитал: — Сегодня пал Изенгард! — Карфаген должен быть разрушен! А вы называете как-то интересно свои сервера?

Новая модель — только начало. Обучать модели с нуля — Да! Яндекс выпустил AliceAI-Foundation-80B-A3B-Base.

Екатерина Редина — Открываем AliceAI-Foundation-80B-A3B-Base — новую языковую модель Яндекса, обученную с нуля Модель построена на архитектуре Mixture of Experts: при каждом запросе используется только небольшая часть параметров. Основной претрейн прошёл на 17,5 трлн токенов, а максимальный контекст модели — 128K токенов.

Это именно базовая модель до посттрейна, поэтому сравнивать её результаты напрямую с готовыми ChatGPT, Claude или Gemini некорректно. Стартовый поинт, так сказать. И, конечно, коментарии всех мастей про «закрытые контуры», «правительственные системы», «суверенное обучение». Ну чего я только не наслушался и не начитался сегодня. Кажется, упускается самое важное. «Обучение моделей» — это очень сложная и чудовищно дорогая технология и весьма непростой процесс. И пока ты строишь свой собственный конвеер и при этом не зарабатываешь на этом деньги, нуууу... ты топишь ассигнациями котел, обогревающий атмосферу. Но есть точка, когда хотя бы на бумаге становится понятно, что экономика может начать сходиться. Чтобы сегодня модель вышла, решение по обучению моделей было принято не вчера. И тем, кто продолжает вести наблюдение, конечно, следует это учитывать.

Осень — нагрузка, самое время чуть больше подумать о себе. Помните вот этот дневной сон в садике? Да во взрослом возрасте прям иногда клонит после обеда дремануть. Оказалось, полезно ненадолго уснуть, чтобы продолжить вджобинг. Короткий дневной сон для восстановления бодрости — power nap. Автором термина считают американского психолога и исследователя сна Джеймса Мааса из Корнеллского университета. Обычно речь о 10–20 минутах сна. Такой отдых может уменьшить сонливость и усталость, помочь вниманию и выполнению умственных задач. Дольше не всегда лучше: после более продолжительного сна можно на некоторое время почувствовать заторможенность — это называют инерцией сна. Для короткого отдыха подойдут спокойное место и будильник. Если вечером трудно заснуть, дневной сон лучше перенести на более раннее время или ограничить. И помнить: power nap помогает временно восстановить бодрость, но не заменяет полноценный ночной сон.

Метрики, которые нам врут: от идеального Observability к провалу DORA? В прошлом году на DevOops Григорий Кошелев учил нас наводить порядок в инфраструктурном хаосе — пояснил за Observability распределенных систем. Мы увидели как следить за тысячами сервисов, чтобы не сойти с ума во время ночных инцидентов. Смотреть на YouTube Смотреть на VK Видео А буквально через час тригада в прямом эфире обсудят: 🔵Почему измерить работу кластера проще, чем измерить работу инженера? 🔵Как разработчики начинают «хакать» DORA (привет, пустые коммиты ради частоты деплоя)? 🔵В какой момент внедрение «стандартов DevOps» ломает инженерную культуру и превращается в карго-культ? Подключаться тут

MCP-сервер для Аэрофлота и РЖД. Ну как же не хватает полноценного MCP-сервера для Аэрофлота и РЖД. Постоянная мука. Аэрофлот хоть немного на человека походит, и, закрыв один глаз, всё более-менее.

В упряжке должно быть легче. Алиса AI теперь сама выбирает модель под задачу. То, о чем мы говорили какое-то время назад как важную задачу, таки свершилось. Простые запросы отправляются по быстрому маршруту, а для сложных автоматически включается режим «Эксперт» с более ресурсоёмкой моделью и агентным сценарием. Решение принимает собственный роутер-классификатор: он анализирует запрос, оценивает необходимый объём ресурсов и выбирает подходящую конфигурацию. Сейчас около 80% запросов обрабатывает Alice AI LLM, а для «Эксперта» Яндекс тестирует и собственные, и open-weight модели на своей инфраструктуре. Самое интересное здесь — модель лишь часть системы. Вокруг неё работает харнесс (так, ну тут без спекуляций вокруг термина, чуть позже напишу про это отдельно): системный промпт, инструменты, агентный цикл и управление контекстом. Модель сама решает, что делать дальше: например, сначала обратиться к Поиску, затем выполнить расчёт в Python и только после этого сформировать ответ. С файлами логика похожая: текст извлекают парсеры, изображения и страницы PDF при необходимости анализирует VLM, а для больших документов используется RAG. Если готового инструмента не хватает, агент может написать и запустить собственный Python-скрипт. Качество такой «упряжки» Яндекс измеряет на внутреннем «Сложном бенчмарке» из реальных многошаговых задач. Для каждой вручную задают положительные и отрицательные критерии, а результат оценивает model judge. Одна и та же GLM 5.2 high набрала 48 баллов с харнессом Яндекса и 43 с оригинальным от авторов модели. Это хорошо дополняет недавнее интервью Валеры в Forbes:

Современный AI-продукт — уже не одна LLM, а ансамбль моделей, поиска и инструментов, и итоговое качество во многом определяется тем, как организована их совместная работа.

Подробнее читать на Хабре.

Как AI изменит разработку ПО. Харнес, вооруженный агентами, может весьма быстро написать код, но изменение функциональности от этого не обязательно попадёт к пользователю быстрее. Невозможно не думать на эту тему. Сегодня предлагаю послушать коллег из подкаста «Организованное программирование»: Кирилл Мокевнин, Александр Поломодов — Как AI изменит разработку ПО: будущее программистов, команд и IT-компаний. Если чуток добавить рефлексии. Один из возможных ответов — дать инженерам с агентами больше ответственности за задачу/процесс/бизнес целиком. Но такое изменение и новая роль требует более глубинного изменения мышления, чем просто вот я взял и составляю запросы к модели. В целом я согласен с ребятами, что успех AI в разработке стоит измерять не количеством сгенерированного кода, а временем до безопасного выпуска икремента и ценностью тех самых изменений. Ну и конечно маячит то самое болезненное обсуждение ответственности, вовлеченности и вознаграждения, так как обновленная роль явно требует пересмотра «общественного договора».

PR-менеджер B2B Tech Yandex Cloud. В нашу команду разыскивается еще один коллега, есть вероятность, что будем работать тесно. Мы ищем опытного и самостоятельного PR-менеджера, который будет укреплять имидж Yandex Cloud как разработчика технологий для задач крупного бизнеса и эксперта в разных отраслях. Для этого нужно будет много и в разных форматах рассказывать о проектах, реализованных с корпоративными клиентами и партнёрами Yandex Cloud. Подробности тут. #вакансия

День программиста 2026. Уже буквально ночью предавались с коллегами воспоминаниям: у кого как всё начиналось с компьютерами. Я вспомнил, что у нас на этаже жил электронщик, а у него был «Спектрум». Мы всей детской шаблой связистов заваливались к нему играть. А потом тот сосед вместе с друзьями открыл компьютерный клуб в подвале детской библиотеки. Клуб назывался «На семи ветрах». Одной из любимых игр была Gunfright: можно было ходить по городу, участвовать в перестрелках, спасать его от бандитов. И обязательно следить, сколько патронов осталось в барабане. С тех пор компьютеры изменились до неузнаваемости. А любопытство, из-за которого хотелось заглянуть в этот мир и понять, как всё устроено, кажется, осталось тем же. Здорово, что спустя столько лет можно среди ночи разговориться с коллегами и обнаружить: у каждого была своя история начала и своя соседская дверь. С Днём программиста!

Школа преподавателей облачных технологий. Центр технологий для общества Yandex Cloud и Яндекс Практикум запускают Школу преподавателей облачных технологий. С 5 октября 2026 года стартует бесплатная онлайн-программа для преподавателей, it-специалистов, а также исследователей из вузов и колледжей — всех, кто хочет интегрировать облачные технологии, аналитику данных и ИИ в образовательный процесс. Что это такое. Это полноценное погружение за 10 недель. Участники освоят сервисы Yandex Cloud и научатся проектировать практико-ориентированные задания на реальных инструментах: от DataLens и AI Studio до Terraform и Kubernetes. Заявку можно подать до 30 сентября. Программа включает три специализации: «Работа с данными и BI-аналитика», «Облачная инфраструктура и DevOps» и «Машинное обучение, искусственный интеллект и агенты». Так каждый участник школы сможет выбрать интересную лично ему траекторию! Все обучение в онлайн: интерактивные уроки, вебинары с экспертами, чат поддержки и проектная работа на материале собственного курса. По итогам школы участники получат сертификат повышения квалификации и готовое учебное решение для внедрения в вузе или колледже. Успейте подать заявку до 30 сентября, и до встречи в Школе преподавателей облачных технологий!

Мешок. В 1950 году Уильям Моррисон написал научно-фантастический рассказ The Sack. Сейчас он читается очень свежо и уже тогда в рассказе были подняты некоторые вопросы, которые вам покажутся злободневными. Читать тут: Уильям Моррисон. Мешок. Слушать тут: черновая аудио сборка. Пар мыслей под спойлером. «Мешок» заставляет меня задуматься совсем не про восстание машин, а о том, как легко человек сам отдаёт им право думать и решать. Мешок никого не порабощает! Люди добровольно заменяют его ответами науку, политику и личный выбор. Постепенно полезный инструмент становится хозяином. Особенно остро звучит главная мысль: путь к истине не менее ценен, чем готовый ответ. Передавая AI поиск, сомнение и ответственность, каждый рискует разучиться мыслить. Поэтому вопрос не в том, насколько умна машина и самостоятельны новые модели, а в том, останемся ли мы авторами собственных решений.

Увидимся на Yandex Scale 2026! Сентябрь, месяц когда мы делаем конференцию для разработчиков, тимлидов и создателей продуктов — Yandex Scale 2026. На конференции я и мои коллеги, а скорее мои коллеги и я — расскажем о новых технологиях и анонсах Yandex Cloud. Все пройдет 24 сентября в четверг через 2 недельки. Очно в Москве и в онлайн. Все смотреть в программе не сайте, но из особенно новенького: DeepTech. Новый трек, где мы расскажем, как устроены технологии, исследования и разработки, на которых живут сервисы Яндекса. Обсудим мониторинг AI-агентов в «чёрных ящиках» LLM, экономически эффективный инференс для агентных сценариев и особенности распределённого векторного поиска. Буквально вчера закончили отслушивать репетиции последнего докладчика трека. В программе более 30 выступлений в пяти треках, 15 воркшопов и более 60 экспертов из Yandex Cloud, Азбуки вкуса, Альфа-Банка, Додо Инжиниринга, ИТМО, Красцветмета, Mindbox и других компаний. Короче, приходите и подключайтесь.