iOS Makes Me Hate

Давно не было офисного стаффа

AI Mobile Harness 0.0.1 Я на работе много создаю разных аи инструментов. Изучаю много фидбэков у инженеров и разных мнений по реальным практикам. С опытом я понял, что генереция результата это только 10% работы. Остальные 90% в пайплайне это верификации, тесты, валидации. AI-модель знает многое, но не знает правил конкретного проекта. Без ограничений она может выбрать неверный подход, изменить лишнее и не проверить результат. Поэтому ей нужен четкий инженерный процесс. 💧 Сам репо будет строиться на методологиях, а не только на скиллах и мспшках. Это куча обвязок вокруг: скрипты, cliшки, стейдж раннеры, хуки, и тд и тп. Я решил создать Mobile Engineering Harness. Это окружение, которое погружает AI в архитектуру проекта и проводит задачу по правильному форкфлоу. Harness проводит задачу через весь цикл: 🟣rnd - уточняет задачу, контекст и зависимости 🟣dev - реализует решение в архитектуре проекта 🟣verification - подтверждает корректность сборки и тестов 🟣qa - автоматически запускает окружение и проверяет, ищет баги 🟣codereview - чекает ваш код на основе лучших скиллов и глобальных или проектных практик Сейчас это ранний MVP, который закладывает основу продукта. Дальше я планирую расширять репо. Ну и вы кидайте свои ишью.

Каждый из вас знает Сашу Зимина, многие из вас знакомы лично, его вклад в iOS сообщество сложно переоценить. CocoaHeads неотделим от Саши, поэтому я считаю важным написать этот пост. Саша попал под наводнение в Непале 26 августа. Официальных новостей нет и не ясно будут ли, семья Саши выбрала сегодняшнюю дату, 40ой день, для прощания. Если у вас есть фотографии Саши, присылайте в чат, я перешлю их семье. Здесь вы сможете найти плейлист со всеми его докладами на CocoaHeads. Сегодня Сашу вспоминают все друзья и родные, вспомните и вы.

ставь лайк если проектируешь приложения на 10 лет вперед и веришь в такую стабильность

Платформенная команда vs продуктовая команда: почему в эпоху ии это еще важнее Иишки сокращают путь от идеи до MVP. Все чаще можно собрать что-то за часы. Даже у red_mad_robot есть процесс фича за 120 минут. Но скорость создания решения еще не говорит о том, что оно кому-то нужно. Поэтому граница ответственности продуктовой и платформенной команд становится важнее. Продуктовая команда должна быстро проверять гипотезы. Находить проблему юзера, запускать экспы и АБшки. Выбирать что масштабировать, а что дропать. Каждый эксп не заслуживает перфекционизма. Вкладываться в идеальную реализацию до проверки гипотезы это супер дорогое удовольствие. И глупое. Но если для каждого экспа приходится заново собирать окружение, получать доступы, подключать аналитику и разбираться с выпуском, выигрыш от ИИ уходит в ожидание и интеграцию. Задача платформенной команды — сделать быстрые эксперименты и масштабирование успешных решений доступными для многих команд В эпоху AI это означает: 🟣Готовые окружения, тестовые данные, аналитику и ограниченные запуски. 🟣Понятные API, документацию и быстрые проверки для разработчиков и ИИ-агентов. 🟣Общие инструменты работы с моделями: доступы, наблюдаемость, оценку качества и контроль стоимости. 🟣Понятный путь к эксплуатации: выпуск, мониторинг, масштабирование и откат. И сама платформа должна развиваться как продукт. У нее тоже есть пользователи, гипотезы и необходимость доказывать пользу. Хороший ориентир из Team Topologies это снижать когнитивную нагрузку продуктовых команд и ускорять доставку ценности. Чем дешевле создавать код, тем важнее быстро понять, что стоит развивать. Продуктовая команда проверяет ценность идеи, платформенная сокращает сложность её проверки и дальнейшего развития.

Платформенная команда vs продуктовая команда: почему в эпоху ии это еще важнее Иишки сокращают путь от идеи до работающего прототипа. Все чаще можно собрать что-то за часы. Даже у red_mad_robot есть процесс фича за 120 минут. Но скорость создания решения еще не говорит о том, что оно кому-то нужно. На мой взгляд, именно поэтому граница ответственности продуктовой и платформенной команд становится важнее. Продуктовой команде нужно быстрее узнавать, какие экспы и абшки заслуживают дальнейших инвестиций. Есть проблема пользователя, мы делаем АБ тесты, выбираем какой дальше масштабируем. Продуктовым командам НЕЛЬЗЯ делать сразу идеально круто. Каждый эксп не заслуживает перфекционизма. Если для каждого экспа команда заново собирает окружение, получает доступы, подключает аналитику и разбирается с выпуском, время, сэкономленное на написании кода, уходит в ожидание и интеграцию. Здесь появляется задача платформенной команды: сделать быстрые экспы и дальнейшее развитие решений доступными для многих команд. В эпоху AI это означает: 🟣Давать готовые окружения, тестовые данные, аналитику и способы ограниченного запуска. 🟣Поддерживать понятные API, документацию и быстрые проверки, которыми могут пользоваться разработчики и AI-агенты. 🟣Предоставлять общие инструменты работы с моделями: доступы, наблюдаемость, оценку качества и контроль стоимости. 🟣Обеспечивать понятный путь к эксплуатации: выпуск, мониторинг, масштабирование и откат. И сама платформа должна развиваться как продукт. У нее тоже есть пользователи, гипотезы и необходимость доказывать пользу. Хороший ориентир из Team Topologies — снижать когнитивную нагрузку продуктовых команд и ускорять доставку ценности.

Вчера выступал в сельской школе. Хочу собрать разный датасет перейдя от ВУЗов до школ. И это оказался один из тех опытов, после которых начинаешь немного иначе смотреть на весь AI-движ. Мы внутри технологического пузыря постоянно обсуждаем агентов, харнесы, новые модели, будущее профессий. Иногда создается ощущение, что все это пока существует где-то между бигтехом, конфами и твиторами. А потом приезжаешь в сельскую школу и понимаешь: нет, адопшен у них уже тоже произошел. Школьники используют нейросети для домашки, поиска информации, подготовки материалов. Хака метрик, получение своих повышений и перфоманса. Но для них это уже не какая-то технология будущего. Это уже же привычный инструмент, каким для нашего поколения стал интернет. Они не видят себя без него. И отношение к этому примерно такое же полярное, как у взрослых. Один лагерь говорит "Мы все отупеем. ИИ будет делать все за нас. Профессии исчезнут". Другой уже начинает воспринимать нейросети именно как инструмент. Потому что даже работу, сделанную с помощью ИИ, можно сделать очень по-разному. Где-то это бездумный копипаст первого ответа из чагпт. А где-то человек с помощью нейронки действительно разобрался в теме, проверил информацию, собрал хорошую структуру и в итоге сделал работу лучше. То есть вопрос постепенно становится не "использовал ли ты ИИ?", а "как именно ты его использовал?". И мне кажется, образование неизбежно придет ровно к этому же. Но самое интересное для меня началось уже после выступления. Ко мне подошли ребята и начали задавать вопросы. Нужно ли вообще высшее образование, если хочешь заниматься искусственным интеллектом? Если модели и инструменты становятся доступнее, обязательно ли тебе несколько лет учиться в университете, чтобы работать в этой сфере? Другие спрашивали: какие профессии будут актуальны через 5–10 лет? Что вообще стоит изучать сейчас? Как выбирать направление, если к моменту окончания школы или университета рынок может поменяться несколько раз? И вот здесь меня зацепило сильнее всего. Потому что это буквально те же вопросы, которые сегодня задаем себе мы. Инженеры думают, какие навыки будут нужны через несколько лет. Компании пытаются понять, что автоматизировать. Люди переживают, что их профессия изменится или исчезнет. Мы все пытаемся построить карьеру в мире, в котором горизонт планирования становится все короче. У школьников ровно тот же конфликт. Просто они столкнулись с ним намного раньше. Для нас ИИ все ещё во многом новая технология, которую мы пытаемся встроить в уже существующий мир. А следующее поколение будет взрослеть в мире, где нейросети существовали всегда. Примерно так же, как мы уже почти не представляем жизнь без интернета. Поэтому спорить о том, нужно ли пускать ИИ в образование, кажется немного поздно. Он уже там. Настоящий вопрос теперь в другом: научим ли мы использовать его так, чтобы человек быстрее учился, глубже разбирался и мог создавать больше или сведем все к генерации домашки за пять минут. И, пожалуй, главный вывод после этой поездки для меня такой: ИИ не просто меняет инструменты. Он меняет сам момент, когда человеку приходится задумываться о своем будущем. И следующее поколение будет делать это намного раньше нас.

В Яндексе с ума сходят 📱

кстати получается мы с вами самые нишевые....

iOS в рф уже окончательно 😦

Провел лекцию для школьников Помню в детстве мне не хватало какой-то связи с цивилизацией. Казалось нахожусь в далекой периферии. Отдал должок Батя там директор же. Везде там свои самурайские лозунги вставляет.

Вы еще не посмотрели этот доклад? Недавно в нашем чате написали:

я типа не оч представляю передовую кромку технологий и науки в приложении, в котором я хотдог покупаю

Я с этим заявлением вообще не согласен. Хотдог это тоже знаете как бы искусство. И везде есть свои степени технологичности. Это не история про "нейронка нарисовала кнопку" или "как настраивать agents.md". Я хотел рассказать про: 🟣как собрать знания, которые разбросаны по коду, документации и башкам инженеров 🟣научить агента работать с реальным окружением и инструментами 🟣провести задачу через зависимые шаги, пережить ошибки и продолжить после остановки 🟣отличить работающий результат от убедительного Ну и в целом как выстроить систему, где разраб может легко переключаться от одной технологии в другую даже толком ее не зная. Вот сейчас например у нас есть веб-разраб, который уже благодаря ии, погрузился в иос, андроид, бэк и успешно делает фичи лучше нативщиков. Будущее за хотдогами?

🇷🇺🇺🇸 Россия поделится с США опытом работы «Госуслуг» Об этом заявил Кирилл Дмитриев на саммите моды БРИКС. По его словам, Москва и Вашингтон продолжают диалог по целому ряду направлений. Накануне Трамп запустил America. gov — единый портал для доступа американцев к государственным услугам. Получается, «Госуслуги» теперь идут на экспорт 😁

Еще до ии я терпеть не мог все эти долгие обсуждения линтера. В каждом проекте все правила разные, я писал так, как принято и долго не спорил. Уж слишком мало импакта в этом видел. В эпоху ии остались ли еще споры насчет этого?

💎 Три главных навыка образования в эпоху ИИ В пятницу буду кошмарить школьников выступать в одной из сельских школ (Забавная амплетуда в начале года выступал в ВШЭ а в конце в сельской школе) Читаю много разных курсов и статей для студентов. Думаю нужен обязательный пост с ключевыми заметками: 1️⃣ Самостоятельное мышление Не копируйте ответы нейросети, выдавая их за свою работу. Это помогает быстрее закрыть задание, но почти не помогает сформировать навыки. ИИ должен усиливать ваше мышление, а не подменять его. 2️⃣ Критическое отношение к информации Обращайте внимание не на количество знаний, а на их качество. Проверяйте факты, ищите первоисточники, сопоставляйте разные точки зрения. Если вы слепо заимствуете чужой опыт и принимаете убедительный ответ за правильный, то проигрываете главную гонку — гонку за собственное образование. 3️⃣ Честность и ответственность Важно прозрачно обозначать, где и как вы использовали ИИ. Нейросеть может предложить текст, идею или интерпретацию, но ответственность за содержание, выводы и достоверность работы всегда остаётся за человеком. Ну и получается важные навыки эпохи ИИ это уже не умение быстро получить ответ, а навык понять, проверить его.

Такие разные миры