Директорат Surf обсуждает
رفتن به کانال در Telegram
Публичная планерка директоров Surf. Обсуждаем IT-рынок, AI и свежие продуктовые сплетни. Surf — создаем культовые ИТ-продукты в 2 раза быстрее рынка с помощью AI. Для связи: @Surf_for_contact_bot
نمایش بیشتر3 221
مشترکین
+224 ساعت
اطلاعاتی وجود ندارد7 روز
+330 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
سپتامبر '26
سپتامبر '26
+5
در 0 کانالها
اوت '26
+47
در 0 کانالها
Get PRO
ژوئیه '26
+46
در 1 کانالها
Get PRO
ژوئن '26
+20
در 0 کانالها
Get PRO
مه '26
+27
در 1 کانالها
Get PRO
آوریل '26
+274
در 5 کانالها
Get PRO
مارس '260
در 2 کانالها
Get PRO
فوریه '260
در 0 کانالها
Get PRO
ژانویه '260
در 0 کانالها
Get PRO
دسامبر '25
+26
در 0 کانالها
Get PRO
نوامبر '25
+31
در 0 کانالها
Get PRO
اکتبر '25
+57
در 0 کانالها
Get PRO
سپتامبر '25
+122
در 3 کانالها
Get PRO
اوت '25
+174
در 5 کانالها
Get PRO
ژوئیه '25
+113
در 2 کانالها
Get PRO
ژوئن '25
+94
در 1 کانالها
Get PRO
مه '25
+116
در 6 کانالها
Get PRO
آوریل '25
+69
در 1 کانالها
Get PRO
مارس '25
+169
در 0 کانالها
Get PRO
فوریه '25
+40
در 2 کانالها
Get PRO
ژانویه '25
+35
در 0 کانالها
Get PRO
دسامبر '24
+65
در 0 کانالها
Get PRO
نوامبر '24
+45
در 0 کانالها
Get PRO
اکتبر '24
+17
در 0 کانالها
Get PRO
سپتامبر '24
+23
در 1 کانالها
Get PRO
اوت '24
+19
در 1 کانالها
Get PRO
ژوئیه '24
+27
در 0 کانالها
Get PRO
ژوئن '24
+27
در 0 کانالها
Get PRO
مه '24
+22
در 0 کانالها
Get PRO
آوریل '24
+31
در 0 کانالها
Get PRO
مارس '24
+48
در 1 کانالها
Get PRO
فوریه '24
+27
در 0 کانالها
Get PRO
ژانویه '24
+29
در 0 کانالها
Get PRO
دسامبر '23
+33
در 0 کانالها
Get PRO
نوامبر '23
+34
در 0 کانالها
Get PRO
اکتبر '23
+58
در 0 کانالها
Get PRO
سپتامبر '23
+140
در 0 کانالها
Get PRO
اوت '23
+158
در 0 کانالها
Get PRO
ژوئیه '23
+115
در 0 کانالها
Get PRO
ژوئن '23
+50
در 0 کانالها
Get PRO
مه '23
+55
در 0 کانالها
Get PRO
آوریل '23
+62
در 0 کانالها
Get PRO
مارس '23
+291
در 0 کانالها
Get PRO
فوریه '23
+102
در 0 کانالها
Get PRO
ژانویه '23
+140
در 0 کانالها
Get PRO
دسامبر '22
+139
در 0 کانالها
Get PRO
نوامبر '22
+438
در 0 کانالها
Get PRO
اکتبر '22
+466
در 0 کانالها
Get PRO
سپتامبر '22
+234
در 0 کانالها
Get PRO
اوت '22
+294
در 0 کانالها
Get PRO
ژوئیه '22
+159
در 0 کانالها
Get PRO
ژوئن '22
+183
در 0 کانالها
Get PRO
مه '22
+238
در 0 کانالها
Get PRO
آوریل '22
+329
در 0 کانالها
Get PRO
مارس '22
+54
در 0 کانالها
Get PRO
فوریه '22
+200
در 0 کانالها
Get PRO
ژانویه '22
+179
در 0 کانالها
Get PRO
دسامبر '21
+288
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 04 سپتامبر | +1 | |||
| 03 سپتامبر | +2 | |||
| 02 سپتامبر | 0 | |||
| 01 سپتامبر | +2 |
پستهای کانال
Привет, это Маша Лещинская, Head of QA Surf. Главное изменение от AI в большом проекте — не только ускорение разработки. Меняется сама конструкция команды.
На продукте с web, двумя мобильными приложениями и десятками интеграций мы увидели: границы между аналитиками, разработчиками, дизайнерами и QA размываются. AI позволяет выходить за рамки специализации — но три универсала не заменят команду безопасно. Появляются гибридные роли со сквозной ответственностью.
Какие роли могут быть в AI-проекте
🟣 BA-инженер: требования и критерии приёмки, проверка API и данных, прототипы, мелкие правки кода.
🟣 Дизайнер-прототипист: отдаёт не макет, а работающий интерфейс — навигация, состояния, реальные тексты.
🟣 Product/full-stack инженер: вся вертикаль фичи — данные, backend, интерфейс, тесты, эксплуатация.
🟣 QA-интегратор: независимо проверяет не компоненты, а сквозной сценарий между приложениями и внешними системами. И решение о релизе.
🟣 Integration owner: держит бизнес-смысл, API-контракт, ошибки и ограничения внешней системы.
🟣 AI-архитектор: не должность, а ответственность — следить, чтобы решения не оказались локально удобными, но несовместимыми.
Главный эффект — сокращение цепочки передач:
Было: аналитик, дизайнер, frontend, backend, QA, возврат разработчику.
Стало: владелец сценария, вертикальная реализация, независимая проверка.Противоречия обнаруживаются раньше, а ответственность смещается с «я сделал свою часть» на «сценарий действительно работает». Где спрятаны риски: ➡️ Иллюзия универсальности: AI не заменяет глубокую экспертизу. ➡️ Авторская слепота: кто сам сделал и сам проверил — подтверждает свою же гипотезу. ➡️ Bus factor: весь контекст замыкается на одном человеке. ➡️ Перегрузка: сквозная ответственность превращается в бесконечный scope. ➡️ Post-merge rework: первая версия быстрее, но работа переезжает на более дорогой этап. Поэтому нужны независимая приёмка, второй владелец критичного домена и небольшие проверяемые изменения. Зрелая AI-команда — не та, где каждый делает всё, а та, где можно зайти на соседнюю территорию без потери глубины и проверяемости. А у вас AI пока ускоряет отдельные задачи — или уже меняет сами роли в команде?
| 2 |  +3🥐 Сделали дизайн-концепт для крупной сети пекарен-кофеен Петербурга. Мы хотели, чтобы приложение ощущалось как сам город, поэтому цвета взяли прямо с колерной карты фасадов. А вместо привычной системы «баллы = рубли» придумали секретное меню, которое открывается только за бонусы.
⬆️ Больше фичей показали в видео и на сайте: моментальный заказ, атмосфера любимых улиц и персональные акции, которые не заваливают тебя пушами.
🏄♂️ Подробнее на сайте | 588 |
| 3 | Сделал CLI-утилиту, которая уже круто показала себя в проектах, называется katana.
Проблема многих проектов — крупные файлы на несколько тысяч строк. Они мешают агентам: их долго читать, и забивается контекст. А агенту тяжело их разрезать — нужно долго читать, а потом долго писать куски нарезки, и т.к. это проходит через LLM, привносится недетерминированность.
katana позволяет агенту архитектурно красиво разбивать файл без его чтения и записи. CLI даёт агенту сигнатуры всего содержимого файла, это работает через AST. Агент проектирует красивое разбиение, возвращает katana JSON с проектом разбиения, katana детерминированно разрезает файл, импорты фиксятся линтером. Профит. Т.е. агенту не пришлось ни читать, ни писать. И работает быстро. И ещё CLI умеет считать lines of code по проекту, чтобы задать приоритеты.
В проектах обычно ставлю максимальную длину файла 700 строк + до 10% превышения, при котором разрезание ещё не срабатывает. Без такой гигиены не будет никакого AI-agent-first.
Можно быстро привести к норме легаси-проект или не запустить новый.
katana пару месяцев жила во внутреннем репозитории и показала эффективность, теперь переехала на GitHub — могут быть баги.
https://github.com/vgmakeev/kanata | 680 |
| 4 | Привет! На связи Глеб Панфилов, Head of BA Surf. Сегодня обсудим последние новости о регуляции ИИ.
Со 2 августа 2026 года в ЕС заработал ключевой блок EU AI Act. Но ждет ли нечто подобное российский рынок?
26 июля 2026 года подписали федеральный закон, регулирующий разработку и применение больших фундаментальных моделей ИИ. Основные положения вступают в силу уже с 1 сентября 2026 года.
Если кратко:
⚫️ Закон вводит механизм добровольной маркировки ИИ-контента. Платформы с трафиком свыше 500 тысяч пользователей в сутки обязаны дать для этого техническую возможность с 1 марта 2027.
⚫️ Добавились статусы «суверенная» и «национальная» модель. Правительство сможет определить сферы, где допустимы только они, — в законе прямо названы банки и финрынок. Самого перечня пока нет.
⚫️ Разрешили обучение на объектах авторского права без согласия правообладателя для разработчиков суверенных и национальных моделей.
⚫️ Закрепили обязанности разработчиков: безопасность, правила эксплуатации, техдокументация.
Как итог: шума много, но для заказной разработки по сути ничего не изменилось — новых обязанностей у подрядчика не появилось. Смотреть стоит в другую сторону: выбор базовой модели и происхождение данных. Именно оттуда регулирование однажды дойдёт и до нас, и это дешевле заложить в нефункциональные требования сейчас, чем переделывать на приёмке. | 773 |
| 5 | 🔥 Привет! На связи Маша Лещинская, и сегодня хочу рассказать про мой новый любимый AI-скилл — Grill Me. Кажется, теперь я использую его вообще везде: в тестировании, разработке и при проработке любых новых идей.
Суть Grill Me простая, но невероятно полезная: вместо того чтобы сразу бросаться выполнять задачу, AI начинает буквально прожаривать тебя вопросами. Он уточняет детали, находит противоречия, поднимает неочевидные сценарии и заставляет принять решения, о которых ты сама ещё даже не задумывалась.
В тестировании я использую его, чтобы:
⚫️ проверить, не пропустила ли я важные риски и пользовательские сценарии;
⚫️ глубже разобрать требования;
⚫️ продумать проверки, негативные кейсы и пограничные состояния;
⚫️ найти слабые места в тестовой стратегии ещё до начала тестирования.
В разработке, чтобы:
⚫️ нормально спроектировать решение до написания кода;
⚫️ разобрать архитектурные варианты и компромиссы;
⚫️ выявить спорные места в логике;
⚫️ не получить от AI код, который технически работает, но решает вообще не ту задачу.
И вот это для меня главное: Grill Me помогает правильно сформулировать саму задачу.
Проблема большинства AI в том, что они слишком быстро начинают выполнять задачу. Хотя иногда важнее не получить ответ, а сначала задать правильные вопросы.
Короче, Grill Me — очень крутой скилл. После такой прожарки решения становятся сильнее, тесты — глубже, а бессмысленных переделок — меньше. Рекомендую всем, кто использует AI в QA, разработке, аналитике или проектировании продуктов. | 784 |
| 6 |  Блин, да это же буквально…
... канал директора Сёрф про то, как перестать вайбкодить и начать жить. Внутри:
➡️ Видим мир не в розовых очках, а в умных Ray-Ban Glasses.
➡️ Реально ли нас всех заменит искусственный интеллект.
➡️ Личная операционная система под контролем Claude.
Sade, donne-moi 🥮 | 201 |
| 7 |  🔎 Вакансия Product Designer (AI-native)
Ищем сильного продакт-дизайнера с опытом работы над цифровыми продуктами — от пользовательских сценариев и визуальных концепций до качественных интерфейсов и реализации на фронтенде.
Особенно интересен опыт в Fashion, FoodTech, eCommerce или FinTech.
AI должен быть частью вашего рабочего процесса. Нам важен не конкретный набор инструментов, а то, как вы их используете и какой результат они помогают получить.
✉️ Присылайте портфолио в tg, коротко расскажите о себе и обязательно укажите, какие AI-инструменты используете и как они встроены в вашу работу. | 981 |
| 8 | Привет, на связи Маша Лещинская, Head of QA Surf. Сегодня ответим на вопрос: «Если AI генерирует тесты, то кто тестирует AI?»
Нейросети ускоряют работу QA: они уже умеют писать ручные кейсы, проверки для API и заготовки автотестов. Но скорость не гарантирует качество. Даже если десятки сгенерированных за минуту сценариев и код выглядят идеально на первый взгляд, им всё равно нужна проверка.
Но остаются более важные вопросы:
⚫️ покрыты ли критичные пользовательские сценарии;
⚫️ учтены ли пограничные значения и негативные кейсы;
⚫️ правильно ли поняты бизнес-правила;
⚫️ нет ли дублирующих и формальных проверок;
⚫️ действительно ли автотест проверяет нужное поведение;
⚫️ соответствует ли код архитектуре и паттернам проекта;
⚫️ не станет ли сгенерированный тест нестабильным в CI.
Поэтому результат работы AI нужно оценивать так же системно, как мы оцениваем качество продукта.
Для этого можно использовать eval-фреймворк: набор контрольных задач, ожидаемых результатов и критериев оценки.
Например, мы заранее подбираем несколько требований разного типа:
⚫️ форма с граничными значениями;
⚫️ API с обязательными и необязательными полями;
⚫️ функциональность с несколькими ролями;
⚫️ сценарий с неочевидным бизнес-ограничением;
⚫️ задача, для которой уже существуют ручные и автоматизированные проверки.
Затем просим AI сгенерировать ручные тест-кейсы и автотесты и оцениваем результат по конкретным метрикам:
⚫️ сколько критичных сценариев найдено;
⚫️ сколько важных проверок пропущено;
⚫️ сколько тестов оказались лишними или дублирующими;
⚫️ какая часть ручных тест-кейсов принята без изменений;
⚫️ сколько автотестов потребовали доработки;
⚫️ сколько времени удалось сэкономить по сравнению с обычным процессом;
⚫️ насколько стабильно AI выдаёт качественный результат на похожих задачах.
Такой подход позволяет оценивать AI-инструменты по их реальной пользе. Нейронки быстро генерируют проверки и автотесты, но ответственность за их качество и покрытие остается за специалистом. Как раньше мы тестировали код и продукт, так теперь нам необходимо тестировать и сам AI. | 985 |
| 9 |  +1Привет, на связи Вадим Мазин, CBDO Surf.
16 июля рассказывали на Fashion Dive про наши AI-продукты для fashion e-commerce. Честно, такого ажиотажа не ждали: обсуждения в кулуарах заняли больше времени, чем сам доклад. Так что рассказываю подробно здесь.
Оба продукта повышают конверсию, устраняя две причины отказа от покупки: неэффективный поиск и недостаток информации в карточке товара.
➡️ Fashion Search — поиск, который понимает моду
90% покупателей не используют поиск: он не понимает естественные запросы.
Fashion Search анализирует текст и изображения, распознаёт признаки товара и находит вещи даже по абстрактным запросам: «корпоратив в белом» или «уютная осень».
Что это дало Love Republic (A/B-тест на реальном трафике):
🟣 конверсия из поиска в корзину — ×2;
🟣 доля поиска в выручке — ×1,6.
➡️ AI Try-On — примерка, которая выглядит как fashion-съёмка
Покупатели не понимают, как одежда будет смотреться на них, поэтому отказываются от покупки или заказывают несколько размеров.
Мы создаём персональный аватар, чтобы покупатель мог примерить весь каталог в формате студийной съёмки.
Цифры Try-On из живого приложения:
🟣 5% MAU попробовали фичу в первый месяц;
🟣 в среднем 4 примерки на активного пользователя;
🟣 конверсия в корзину после примерки — ×2,3;
🟣 +4% к выручке магазина.
Люди привыкли, что ChatGPT понимает их с полуслова. А магазин встречает поиском из 2015 года и карточкой как у конкурентов — разрыв ощущается очень сильно.
Оба продукта покажем на вашем каталоге: нужен только товарный фид. Поднимем бесплатное демо, дальше пилот и A/B-тест. Пишите напрямую — @sainor. | 1 447 |
| 10 | Рассказываем, как мы помогли заказчику из финтеха подготовиться к миграции большой легаси-базы с Oracle на PostgreSQL. База здесь — по сути, весь бэкенд: значительная часть бизнес-логики реализована прямо в СУБД, в пакетах PL/SQL, вплоть до отправки писем из базы данных. Основными причинами миграции стали стоимость лицензий Oracle и санкционные риски.
Переезд с Oracle — одна из самых тяжёлых миграций. Коробочных решений нет, многое из стека просто не существует в других СУБД, несовместимы даже некоторые типы данных. Перенести код напрямую не выйдет: нужно понимать, что делает каждый участок, и подбирать решение: где-то переписать функцию, где-то вынести логику в отдельный сервис. Именно из-за этой цены переезда многие компании продолжают платить за лицензии Oracle.
Вторая сложность — разобраться, что вообще накопилось в базе, которую годами развивали разные команды. Мы провели анализ с помощью LLM и получили карту сложности. Результаты показали, что 90–95% кода можно перенести по типовым сценариям, а наиболее сложная логика сосредоточена в нескольких участках.
После этого перешли к пилотному этапу. Сначала перенесли таблицы, затем 140 объектов из пакетов. С ИИ-ассистентами это заняло 20 часов вместо расчётных 62. Отдельно проверили корректность переноса функциональности, связанной с отправкой писем из базы данных.
По итогам проекта заказчик получил карту сложности всей базы, результаты пилотной миграции, план дальнейших работ и оценку полной миграции в 1200–2000 часов. LLM втрое ускорили пилотный перенос и заметно сократили время анализа, так мы быстрее оценили объём работ и перешли к планированию.
Если вы планируете миграцию между любыми другими СУБД, то мы поможем оценить объём работ, сроки и риски на основе анализа вашей базы данных, а при необходимости возьмём работы по переносу на себя. Пишите напрямую @sainor | 821 |
| 11 | Директорат Surf на Fashion Dive — удваиваем конверсию в fashion e-com
16 июля Владимир Макеев, CEO Surf, и Вадим Мазин, CBDO Surf, выступят на конференции Fashion Dive в Москве и расскажут, как наши AI-решения помогают увеличивать выручку клиентов.
➡️ Fashion Search — умный поиск, который анализирует фотографии товаров. Он распознает нюансы кроя, стиль и понимает абстрактные запросы вроде «корпоратив в белом» или «уютная осень».
➡️ AI Try-On — виртуальная примерка, благодаря которой покупатель видит вещь на себе ещё до оформления заказа. Инструмент помогает снять сомнения перед покупкой и снижает долю возвратов.
Если хотите пересечься в Москве, чтобы обсудить ваши проекты, или встретиться на самой конференции, пишите напрямую Вадиму — @sainor. | 2 164 |
| 12 | Привет, на связи Глеб Панфилов, Head of BA Surf. Сегодня обсудим путь и роль современного аналитика в эпоху ИИ.
Аналитика всегда несла в себе риски человеческого фактора. Но с появлением новых моделей с большим контекстным окном они сводятся к минимуму. Давайте подробно пройдемся по этапам:
🟠 Бриф и первичное погружение
Вместо долгого ручного сбора требований исходные документы теперь загружаются в ИИ. Нейросеть сама выявляет нестыковки, формирует доменную модель и готовит вопросы заказчику. В результате бизнес сразу видит риски, а время погружения сокращается.
🟠 Анализ и формирование спецификации
Нейросети позволяют формировать, приоритизировать и трассировать требования, обеспечивая заказчику полную прозрачность скоупа и бюджета: в ТЗ попадают только обоснованные фичи. Чтобы минимизировать галлюцинации ИИ, мы декомпозируем задачи и постоянно очищаем контекст.
🟠 Проектирование артефактов
Описание API и пользовательских сценариев вручную занимали много времени. ИИ автоматизирует создание технической документации. Аналитик выступает в роли архитектора, подробно отсматривая и доводя результат, что ускоряет подготовку артефактов и сокращает общий Time-to-Market продукта — об этом мы писали в статье.
🟠 Валидация и передача в разработку
Самые сложные и негативные сценарии могли всплыть уже во время написания кода, блокируя спринты. Теперь можно прогнать спецификацию через ИИ в режиме кросс-ревью для поиска противоречий и пропущенных ошибок. В разработку уходит выверенный документ, команда и заказчик не тратят часы на выяснение блокирующих вопросов.
Резюме
Роль аналитика остается ключевой, так как он погружен в проект больше ИИ. Пока нейросеть берет на себя механическую работу и поиск ошибок, аналитик отвечает за архитектуру и бизнес-логику. В результате заказчик получает готовую работу быстрее, с прозрачной документацией и без упущенных деталей. | 915 |
| 13 |  Итоги Рейтинга Рунета для Surf — гордимся командой и благодарим клиентов
В этом году мы снова доказали экспертизу в мобильной разработке. Забрали награды и восхищаемся всеми, кто помог достичь этого результата. Наши команды разработки, анализа, тестирования и дизайна, проджекты, девопсы — все они подтвердили профессионализм и оправдали доверие клиентов.
🏆 Достижения Surf в рейтинге:
🟠 3 место — «Подрядчики с экспертизой в отрасли Питание (разработка, интеграция)».
🟠 4 место — «Разработка и развитие мобильных приложений».
🟠 8 место — «Подрядчики с экспертизой в отрасли Торговля (разработка, интеграция)».
🟠 9 место — «Подрядчики крупного бизнеса (разработка, интеграция)».
Планка поднята высоко, в нише заказной разработки участвовали более 1000 агенств, но останавливаться мы не планируем. На полке ещё полно места для наград. Ознакомиться с кейсами, которые принесли нам классные результаты, можно на сайте. | 4 018 |
| 14 | Привет, на связи Глеб, Head of BA Surf.
С 1 июля 2026 года белорусский ВТБ полностью переходит на PWA (Progressive Web Apps): приложение под Android доступно только до этой даты, дальше никакого натива.
Сразу оговорюсь: это Беларусь, но вопрос напрашивается сам собой — почему бы всем нашим банкам не перейти на PWA? Поэтому разберём не только минусы PWA как технологии, но и в конце прикинем, насколько этот сценарий реалистичен для банков РФ.
Безопасность остаётся на уровне веба
Это пункт, который почему-то забывают, хотя для банка он первый. Нативное приложение хранит ключи и токены в аппаратном хранилище (Secure Enclave, Keystore), умеет проверять сертификаты, имеет защиту от подмены кода. У PWA в песочнице браузера ничего этого по сути нет, а код и данные куда доступнее.
Пуши, от которых зависит вход и сохранность денег
В финтехе пуш — это второй фактор подтверждения операции. На iOS у PWA они работают нестабильно: появились поздно, требуют установки на домашний экран и отваливаются после обновлений.
NFC и собственные платёжные сценарии
Привязать PWA к бесконтактной оплате или чтению NFC-меток на iOS невозможно — там NFC заблокирован под Apple Pay, а на Android поддержка крайне ограничена и требует натива. Для банка это сразу закрывает собственные tap-to-pay, платёжные стикеры и часть транспортных сценариев.
Стоит ли нам перенимать этот подход
Частично сценарий у нас уже случился: на iOS подсанкционные банки живут без App Store с 2022 года, и владельцы iPhone и так используют PWA. Но на Android расклад другой — есть RuStore и AppGallery, и банки в нативное приложение как раз вкладываются: тот же ВТБ в апреле 2026 выкатил полностью обновлённое приложение и пообещал развивать его весь год. Это прямая противоположность белорусскому «убираем натив».
Пока в России работает нативный канал через RuStore, добровольно отказываться от него ради скорости релизов смысла мало, а для экономии бюджета лучше использовать Flutter. Так что белорусский кейс — это скорее живой эксперимент, за которым стоит понаблюдать. | 867 |
| 15 | Привет! На связи Диана Игнатович, CMO в Surf. Сегодня расскажу про мои любимые задачки в маркетинге и deep search.
Реальность такова: мы (несчастные люди) уже никогда не сделаем ни одно исследование лучше, чем Claude в режиме deep search за полчаса. Даже если вы супер-скилловый аналитик, топ-1 маркетолог в мире и богом поцелованный ресерчер. Это тот раздел маркетинга, где мы проиграли бесповоротно и навсегда.
Уровень 1 — конкурентный анализ по сайтам
Кидаете список топ-10 конкурентов (наших, зарубежных), натравливаете Claude. Он идет, прокликивает все кнопки, изучает ценообразование, фичи, программы лояльности — и отдает сводную таблицу. Туда же — карта болей: «Собери все жалобы на онлайн-конструкторы кухонь в IKEA», и он сходит в App Store, Google Play, Reddit, TikTok, прочитает отзывы, классифицирует по типам проблем.
Уровень 2 — стратегии и позиционирование конкурентов
Claude анализирует отзывы, рекламные кампании, соцсети, выступления сотрудников на конференциях. Изучает чужую маркетинговую и продуктовую стратегию — по релизам видно, в какую сторону компания разворачивалась в последние годы, что усиливала, что выпиливала, где ее хвалят, где ненавидят. Идеально, чтобы:
⚫️ отстроиться своей стратегией от конкурентов;
⚫️ взять на вооружение лучшие практики;
⚫️ без лишних усилий следить, кто что делает на рынке.
Уровень 3 — продуктовый анализ
Например, у вас сервис по созданию брендированных товаров на заказ. Claude найдет еще десять таких в России и за рубежом, досконально изучит каждый конфигуратор, каждую функцию. Сравнит, отрисует гигиенический уровень рынка, покажет сильные и слабые стороны вашего продукта. Дальше говорите: «Хочу такой же умный AI-конфигуратор, как у вон тех ребят», — и он распишет, что нужно для разработки и сколько часов уйдет под ваш стек.
Уровень 4 — археология через Wayback Machine
Claude вытаскивает архивные версии сайтов и сопоставляет их между собой. Просите: «Проанализируй сайт Lamoda за последние 5 лет». Получаете карту стратегических разворотов — когда они начали жать на скорость доставки, когда делали редизайн и под что, когда выпиливали категории, когда переобувались в позиционировании. | 915 |
| 16 |  Привет, на связи Маша Лещинская, Head of QA Surf. Обсудим, как эффективно проверять код, сгенерированный AI.
ИИ генерирует фичи за минуты: от 8 в день, и более 50 файлов. Это много, но чтобы проверить качество каждой, недостаточно прочитать код и увидеть зелёные тесты, нужна система.
Типичные ошибки ИИ, с которыми будем бороться:
⚫️ галлюцинации;
⚫️ пропуск пунктов задачи;
⚫️ некорректная реализация;
⚫️ «зелёные» автотесты, которые проверяют не то;
⚫️ неточное селф-ревью, пропускающее баги.
Решение — сквозной пайплайн из 4 шагов:
1) Финализируем требования.
2) Сводим всё к единому формату проверок — общий язык для человека, агентов и автотестов (приемочные тесты + openspec).
3) Генерим автотесты и делаем трассировку (ID связывает требование, код и тест).
4) Прогоняем против ИИ-кода — матрица быстро покажет, что работает.
Главные вопросы и ответы:
Зачем вообще нужны ручные тесты, если ИИ должен избавлять от ручной работы?
Ручные кейсы пишет агент, а не человек. Это человекочитаемый слой между требованием и автотестом: каждый кейс 1:1 превращается в e2e. Чем плотнее слой, тем меньше живого ручного теста. Это способ сократить ручную работу, а не раздуть её.
Количество тестов — цифра ни о чём. Как мерите пользу?
Важно не количество тестов, а их способность находить дефекты. Через фильтр quality-gate проходят только тесты, которые стабильно падают на реальных багах, имеют внятный ассерт, покрывают негатив/edge-cases и устойчивы к косметике UI. Силу базы оценивают мутационным тестированием, полностью игнорируя line-coverage, ведь покрытие строки не означает проверку результата.
Какой coverage?
Покрытие требований — 100% (от известных, поэтому рядом всегда поиск аномалий в графе + ревью ТЗ человеком). А автоматизация около 90% кейсов, часть осознанно остаётся на руках.
Кто ревьюит код?
Основное делают гейты: TDD RED/GREEN, self-review по 7 измерениям (агент с чистого контекста, не автор кода), ограничение diff по задаче, привязка к требованиям, финальный гейт (линтер + тесты + smoke + архитектура). Человек смотрит не код, а их выходы: отчёты, матрицу, логи.
Агент сам чинит правильный тест — как бороться?
Обязательное условие: перед правкой агент сверяет тест со спекой и отвечает, кто неправ — код, тест или спека неоднозначна. Ослаблять/удалять ассерты, скипать или мокать баг запрещено. Любая правка ассерта видна в diff и матрице, там подключается человек.
Выводы:
ИИ выполняет большую часть работы, а человек подключается только к ключевым задачам (ревью, спорные случаи). Это позволяет одному разработчику вести сразу несколько фич, сохраняя и скорость, и качество. Без такой системы гарантировать успех продукта на 100% уже невозможно. Метрики привела на картинке ниже. | 755 |
| 17 | Сегодня расскажем, как наш разработчик синхронизировал конфиги ИИ-ассистентов для двух разных проектов.
У заказчика было два приложения: клиентское и курьерское. Для Claude и Cursor мы пишем кастомные рулзы и промпты. Пока всё лежало в одном проекте, проблем не было. Но как только появился второй репозиторий, копипастить масштабные изменения стало тяжело. Дублировать конфиги руками — тоже не лучший вариант.
В итоге один из разработчиков придумал схему:
Вынес все общие правила и скиллы в отдельный репозиторий и подключил его к обоим проектам как git submodule. А чтобы ИИ-инструменты видели конфигурации там, где привыкли, в корне проектов настроил симлинки на подпапки сабмодуля.
Ассистенты думают, что работают с локальными файлами, хотя физически всё пишется в общую базу. При этом файлы адаптации под конкретный проект (CLAUDE.md и локальные настройки settings.local.json) намеренно оставили уникальными для каждого приложения и в сабмодуль не включали.
Вместо обычных bash-скриптов он написал кастомные скиллы Claude.
Теперь процесс выглядит так:
Разработчик правит правило через симлинк в корне проекта. По команде пользователя Claude запускает скилл, создает ветку в сабмодуле, стейджит изменения и делает коммит с трейлером Co-Authored-By. Каждый шаг требует подтверждения человека.
Claude пушит ветку и выводит ссылку на MR в репозитории правил, после чего бампает хэш сабмодуля в основном проекте.
Как итог: промпты всегда актуальны на обоих проектах, а команда больше не тратит время на копипаст. | 875 |
| 18 | Привет, это Маша Лещинская, Head of QA Surf. Большинство попыток ускорить написание тестов с помощью нейросетей заканчиваются одним из двух: либо AI пишет код, который всё равно приходится переписывать, либо человек тратит на промпты больше времени, чем ушло бы на ручной код.
Причина: AI плохо работает без системы.
Есть три уровня AI-генерации тестов:
⚫️ В лоб («напиши тест для логина»). Дает ускорение в 1.5 раза. По сути, это просто ускоренная ручная работа, требующая доработок.
⚫️ По user flows и структуре экранов. Дает уже 3–5 раз.
⚫️ По живому коду приложения. Когда AI видит реальные компоненты и accessibility labels, ускорение в 8 раз и выше.
Но всё это работает только при одном условии: вокруг агента должна быть выстроена система.
Для построения системы мы собрали:
Мета-фреймворк, который генерирует E2E-проекты под шесть платформ: Web (Playwright), Flutter, iOS, Android (Kaspresso), Appium, API (pytest). Единые правила, пять шагов генерации, два quality gate и оркестратор с параллельным запуском агентов.
Процесс генерации, состоящий из пяти шагов. В цикл входят: Page Objects, Tests, Mocks, Reporting, Review. Модель видит только нужные ей файлы — это исключает выдумывание зависимостей.
Правила, которые работают, потому что их проверяют скрипты, а не люди. Preflight валидирует промпты на ошибки до старта, а Postflight анализирует готовый код (заканчивается ли assertion, нет ли Thread.sleep и TODO).
За параллелизацию отвечает оркестратор: он берет задачи из kanban.md и раскидывает их по отдельным git worktrees. Агенты одновременно создают Page Objects для разных экранов, а тесты идут следом. Синхронная работа четырех таких агентов как раз и дает реальный прирост в 8 раз.
Главное правило из двенадцати
Тест заканчивается проверкой, а не действием. Звучит очевидно, но большинство нестабильных E2E умирают именно так: что-то кликают, но ничего не валидируют. Gate блокирует merge при нарушении.
Ревью по-прежнему необходимо — система не решает, какие сценарии критичные и где нужны моки. Но теперь это ревью PR от коллеги, который знает правила: базовые нарушения уже отсеяны. | 882 |
| 19 | Привет, это Владимир Макеев, CEO Surf. Сегодня хочу поделиться тем, как я строю свою автономную рабочую среду. Цель — получить максимальную скорость при работе с ИИ и анализом данных и полностью перестать зависеть от мощности локального ноутбука.
Сейчас моя персональная операционная система выглядит так:
⚫️ База знаний и рефлексия — письменные практики в Remarked.
⚫️ Документация и митинги — расшифровки встреч из Яндекс Телемоста, которые я аккумулирую в Obsidian.
⚫️ ИИ-ассистент и код — связка Git + Claude Code.
⚫️ Мобильный воркфлоу — для редких сессий разработки прямо со смартфона использую Happy (спасибо подписчику за совет). Приложение работает стабильнее удаленного режима Anthropic. Но злоупотреблять кодингом с телефона не советую — вредно для психического здоровья. 😄
Для тяжелых задач я настроил связку Tailscale и Zellij, чтобы кодить на удаленном Mac mini. Концепция крутая, но в реальности все равно чаще работаю локально на MacBook.
Главная сложность сейчас — это тяжелые датасеты. Когда работаешь с файлами на несколько гигабайт, их не закинешь на Git. Да, можно перебросить на Mac mini через тот же Tailscale или AirDrop, но в потоке задач на это вечно жалко времени. Нужно поставить текучку на паузу и навести порядок в инфраструктуре, чтобы процессы жестко работали по принципу Mac mini-first. Тогда среда станет по-настоящему бесшовной.
Я чего-то недопонимаю в философии OpenClaw, или в моем сетапе они действительно лишние? | 1 017 |
| 20 | Привет! На связи Диана, CMO Surf — сегодня отдыхаем от технических постов и обсуждаем деньги и рекламу!
В апреле OpenAI официально запустил рекламную платформу внутри ChatGPT. Объявления показываются под ответом в блоке Sponsored — пока на Free и Go-подписках в Австралии, Новой Зеландии и Канаде. Первые рекламодатели уже есть — это Adobe, Ford, Target. Возможно, вы тоже хотите купить рекламу. Не стоит себе в этом отказывать, если у вас в бюджетах есть свободные $200 000. Это минимальный бюджет на кампанию, а CPM вам выйдет в $60. Для сравнения: средний CPM в Meta* — $7–12.
Ничего не напоминает? Несколько лет назад появилась платформа Telegram Ads. У них минимальный бюджет для запуска составил 2 миллиона евро. Никто, кроме крупных корпораций, позволить себе этого не мог. Потом, как водится, рынок нашёл лазейку. Большие ребята выкупили рекламные кабинеты и стали дробить их на тысячи мелких — перепродавать всем желающим по кускам, с накруткой. И больше всех повезло тем, кто затестил Telegram в первую волну.
С ChatGPT, вероятно, повторится та же история. Ну а самую жирную конверсию снимет тот, кто запустится первым. Пока пользователи ещё не привыкли к Sponsored-блокам в чате с ассистентом. Пока эти блоки воспринимаются как новинка, а не как фон. Дальше — как всегда: каждая следующая волна работает хуже предыдущей.
Кстати, Anthropic подколол конкурентов по этому поводу. Компания выкупила рекламный слот на Super Bowl LX за 8 млн долларов, чтобы показать ролик: «Ads are coming to AI. But not to Claude».
*Meta признана экстремистской организацией и запрещена на территории РФ. | 989 |
