Библиотека пхпшника | PHP, Laravel, Symfony, CodeIgniter

#dev_meme

🧑‍💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥 🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена. В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹 🏃‍♀️ Proglib Academy

📍 Курс — это не только темы и домашние задания Во многом его ценность определяет опыт тех, кто его разрабатывает и ведёт. Об этом как раз новый пост Proglib Academy 🔥

💡 Не передавай Request вглубь приложения

// ❌
class OrderService {
    public function create(Request $request): Order {
        return Order::create([
            'user_id' => $request->user()->id,
            'amount'  => $request->amount,
        ]);
    }
}

// ✅
class OrderService {
    public function create(int $userId, float $amount): Order {
        return Order::create([
            'user_id' => $userId,
            'amount'  => $amount,
        ]);
    }
}

Сервис не должен знать что такое HTTP. Он принимает данные, а не запрос. Протестировать первый вариант очень больно, а второй вызываешь с двумя числами. Библиотека пхпшника #vardump

#dev_meme

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат. 1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами. 2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова. Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них. 📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION). На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥 🔗 Регистрация 🏃‍♀️ Proglib Academy

⌨️ Топ-вакансий по PHP за неделю PHP-разработчик — офис (Екатеринбург) — Ракета Senior PHP Developer (Streaming Team) — от 4 000 € — удалёнка — Wisebits PHP Team Lead — 350 000 —‍ 380 000 ₽ — удалёнка — GGSel ➡️ Еще больше топовых вакансий — в нашем канале PHP Jobs

🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться! Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу. 💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.

🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽! Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом 🔗 Занять место и забрать 3 курса

🧱 Не тащи string $email по всему приложению Примитив не защищает свои инварианты. string $email может быть пустым, может быть «не email», и каждый метод, который его принимает, обязан валидировать заново или молча доверять.

// ❌ валидность email — на совести каждого вызывающего
public function register(string $email, string $phone): void { ... }
// где-то проверили, где-то забыли, где-то проверили по-другому

Value Object переносит правило внутрь типа: невозможно создать невалидный объект.

final class Email
{
    private function __construct(public readonly string $value) {}

    public static function fromString(string $raw): self
    {
        $email = filter_var($raw, FILTER_VALIDATE_EMAIL);
        if ($email === false) {
            throw new InvalidArgumentException("Невалидный email: $raw");
        }
        return new self(strtolower($email));
    }
}

// теперь сигнатура — это контракт
public function register(Email $email, Phone $phone): void { ... }

🔵 Что ты получаешь → Если в метод пришёл Email, он точно валиден, проверять больше негде и незачем. → Нормализация (нижний регистр, тримминг) в одном месте, а не в пятнадцати. → readonly гарантирует, что после создания значение не мутирует. → Тип говорит за себя: register(Email, Phone) читается без документации. Value Object уместен везде, где у значения есть правила: деньги, email, телефон, координаты, проценты, диапазоны дат. Везде, где ты ловил баг «а сюда пришла пустая строка», там просился VO. 🐸 Библиотека пхпшника

🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе. Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций. Что внутри урока:

- Устройство LLM. - Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.). - Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.

После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning. 👉Смотреть закрытый урок на YouTube Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться. 🔗 Занять место на курсе

🛠 Rector — апгрейды и рефакторинг, которые делает машина Когда нужно перевести проект с PHP 8.1 на 8.3, заменить устаревшие конструкции по всей кодовой базе или прогнать сотню файлов через единый стиль руками → это недели и неизбежные пропуски. Rector работает на уровне AST: понимает структуру кода, а не текст. Накатываешь набор правил (rule sets), апгрейд версии языка, миграция мажорной версии фреймворка, переход на новый синтаксис, и он переписывает код безопасно и единообразно. 🔹 Где особенно окупается: — Массовые апгрейды версии PHP/Laravel/Symfony — Выпиливание задепрекейченного API одним прогоном — Кодстайл-преобразования, которые линтер только подсвечивает, но не чинит — Подготовка легаси к строгой типизации ⚠️ Прогонять только под контролем VCS и с тестами. Rector мощный, и именно поэтому его изменения нужно ревьюить, а не вливать вслепую. 🔗 GitHub 🐸 Библиотека пхпшника

🚀 Уже завтра стартует новый поток курса «ИИ-агенты»! Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний. Старт уже завтра! Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока! Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой. 🔗 Пройти демо-урок и занять место на курсе

🐳 Работа с Docker CLI Собрали образ и он весит 2 ГБ, а вы не понимаете, откуда столько? docker history покажет размер каждого слоя — сразу видно, какая инструкция в Dockerfile раздула образ. 🔹 Зачем это нужно — Каждая инструкция в Dockerfile создаёт слой, и docker history показывает размер каждого. — Сразу видно, если COPY затянул 800 МБ зависимостей. — Помогает оптимизировать порядок слоёв для лучшего кэширования. 🔹 Как использовать — Посмотреть слои: docker history my-image — Без обрезки команд: docker history --no-trunc my-image — Только размеры в human-readable: docker history --format "{{.Size}}\t{{.CreatedBy}}" my-image — Сравнить два образа: запустите history для обоих и сравните слои. 💡 Если видите большой слой от COPY . . — значит, в контекст сборки попали модули, .git или логи. Проверьте dockerignore, это обычно экономит сотни мегабайт.

✔️ PHP-тест: один запрос кладёт воркеры CPU одного ядра — в полку на несколько секунд. PHP-FPM воркеры заканчиваются, сайт встаёт. И всё из-за одного поля формы 👇 📦 Задание Форма регистрации компании. Поле «теги деятельности» — строка вида php, backend, api. Сделали «надёжную» валидацию регуляркой. Работало месяцами. Потом сайт начал периодически зависать на 5–10 секунд, мониторинг показывает 100% CPU на одном ядре, а APM — что время уходит внутри preg_match. Воспроизводится только на определённых вводах от пользователей.

// src/Validation/TagsValidator.php
class TagsValidator
{
    private const PATTERN = '/^([a-zA-Z0-9]+\s*,?\s*)+$/';

    public function validate(string $tags): bool
    {
        return (bool) preg_match(self::PATTERN, $tags);
    }
}

🔹 Задачи — Объяснить механизм катастрофического бэктрекинга на этом паттерне — Привести пример строки, которая «вешает» движок регулярных выражений — Переписать проверку Ставьте → 🔥 если нравится формат. Если нет → 🌚 💬 Решения пишите в комменты под спойлер — сравним подходы.

🔥 Не называйте любого продвинутого чат-бота «ИИ-агентом»! Дмитрий Юдин, руководитель AI/ML-направления в Сloud․ru, наглядно разбирает уровни абстракции ИИ-продуктов и убирает путаницу в понятиях. Что внутри видео: - Почему ассистент и агент принципиально разные сущности; - Как ассистент может быть просто «обёрткой» над LLM, а может скрывать под капотом сложнейшую мультиагентную систему; - Как понимать архитектуру глубже, чтобы проектировать сильные решения. Начните создавать агентные системы с нашего бесплатного демо-урока. Всего за 2 часа разберем внутреннее устройство агента, научим его чинить свой собственный код и сохранять контекст после перезапуска. 🔗 Забрать бесплатный демо-урок

🤨 Как заставить AI-агента не ломать архитектуру, а нормально писать код? Мы привыкли общаться с ИИ промптами, но для автономных систем это путь к бесконечным циклам и сливу бюджета. Чтобы убрать хаос, инженеры переходят на Spec-Driven Development (SDD). Вот как этот подход меняет работу агента на практике: 🔹Контракт вместо текста. Сначала пишется строгая спецификация (JSON-схема/OpenAPI) и автотесты. Агент зажат в рамки интерфейсов, за которые физически не может выйти. 🔹Контроль на шагах. Внутри петли Think-Act-Observe агент сверяет действия со спецификацией. 🔹Саморефлексия. Если ИИ нарушил типы или «додумал» лишнее, тест падает. Агент получает ошибку в контекст и сам правит код, не выходя за рамки ТЗ. Это лишь база того, как укротить ИИ-разработку. Если вы хотите глубоко внедрить эту методологию, научиться проектировать архитектурные контракты и собирать отказоустойчивые системы — оставляйте заявку на наш новый курс по Spec-Driven Development. Стартуем совсем скоро🙂

#dev_meme