iOS Makes Me Hate

Мультиагентность: следующий шаг в разработке или лишняя сложность? AI-агенты уже умеют писать код и выполнять отдельные задачи. Но когда таких агентов становится несколько, появляются новые вопросы: как ими управлять, как контролировать результат, сколько стоит координация и где мультиагентный подход действительно эффективнее одного агента? На Podlodka AI Crew с 12 по 16 октября эти вопросы будут разбирать вместе с практиками индустрии: 🏭 Владимир Иванов проведёт демо-сессию о том, как построить фабрику ПО и не утонуть в техдолге 🛠️ Николай Шейко на демо разберёт агентный сетап осени 2026 и покажет, как меняются привычные инструменты и подходы к работе с агентами 🧠 Савелий Батурин сравнит одного агента и мультиагентную систему на задаче оптимизации PostgreSQL и поможет понять, когда дополнительная сложность действительно оправдана 🔐 Егор Урванов разберёт безопасность production AI-агентов: prompt injection, проверки, эскалацию, наблюдаемость и влияние этих решений на экономику системы. Полная программа — уже на сайте, изучайте и регистрируйтесь! Формат Podlodka AI Crew — комфортный онлайн: 5 дней, утренние и вечерние сессии в Zoom, плюс обсуждение и обмен опытом в закрытом Telegram-комьюнити. Присоединяйтесь к конференции, чтобы не разбираться с новой реальностью AI-разработки в одиночку. 🔗 Забрать билет: https://podlodka.io/aicrew По промокоду iosmakesmehate получите скидку🎁

Ставь 💀 если ищешь выход

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 😁