Authority topics
AI-инженерия
Инженерное преимущество появляется, когда вероятностные компоненты становятся наблюдаемыми, проверяемыми и ограниченными внутри детерминированных систем.
Практические разборы coding agents, агентной инфраструктуры, context и retrieval, границ моделей и инструментов, верификации и систем вокруг model output.
Основные тексты
Надёжные AI-системы сужают вероятностную поверхность
Самые сильные agent systems этой недели не пытались заставить модели рассуждать обо всём. Они переносили явные цели в жёсткие constraints, детерминированную работу с данными — до model context, машинные интерфейсы — в структурированные contracts, полномочия — в lifecycle-bound metadata, а надёжность — в evidence полного workflow, оставляя probabilistic reasoning той неоднозначности, где оно действительно нужно.
Разбор неделиМодель перестала быть системой
Неделя 15 июня 2026. Под каждой историей шёл один сдвиг: модель стала заменяемым компонентом, а контроль переехал в слой вокруг неё — review, границы, контекст и люди, владеющие результатом. TL;DR для беглого чтения, пять тем — каждая с operator move, одна разобрана вглубь, три counter-signal и что отслеживать.
Разбор неделиДругие тексты
Код дешевеет. Почему мы всё ещё управляем delivery вручную?
ИИ-агенты уже ускоряют отдельные части разработки, но написать код и доставить результат — по-прежнему разные задачи. Чем быстрее происходят изменения, тем больше ручной работы уходит на то, чтобы сводить воедино цель, план, решения, зависимости и реальное состояние проекта. Именно эту часть процесса я пытаюсь постепенно передать самой системе в The Tam.
AI and Engineering LeadershipKISS your SOLID frontend code to keep it DRY (Part 1)
On applying SOLID, KISS, and DRY/DIE principles to frontend engineering — written in 2021 after eight years in the field, and still where most frontend complexity actually goes wrong.
Engineering practiceСвежие разборы
ИИ превращает скрытые предположения в системные контракты
Чем дешевле и автономнее становится исполнение, тем опаснее оставлять требования, критерии приёмки, границы автономии, состояние и архитектурную экономику неявными. Этот Weekly Read разбирает, как превращать такие предположения в проверяемые системные контракты через восстановление требований, независимую приёмку, evidence-based handoffs, durable state и lifecycle cost models.
Разбор неделиИнтерфейсы AI-агентов становятся контуром управления
Интерфейсы AI-агентов перестают быть просто связующим слоем: контекст, MCP/WebMCP, корпоративная идентичность, автоматические feedback loops и драйверы оборудования уже определяют, что система может сделать. В этом выпуске — где должны жить provenance, делегирование, retry budgets, отзыв полномочий и физические interlocks, чтобы возможности агента не обгоняли границы вокруг него.
Разбор неделиМодель перестала быть интересной переменной
Неделя 17 августа 2026. Mistral утроила точность на финансовой отчётности — с 26,7% до 86% — изменив то, как модель ищет, а не какая модель ищет. Две разные модели из двух разных лабораторий получили примерно одинаковый трёхкратный прирост от одной и той же обвязки. Тот же узор прошёл через неделю: авторизация распалась на четыре отдельных вопроса, оптимизация токенов сократила токены и подняла суммарную стоимость в полтора раза, пропускная способность обогнала окружающую её ёмкость ревью, а исполнение переехало в общие командные каналы. Рычаг раз за разом оказывался вне модели. Скан-слой TL;DR, пять тем каждая с operator move, одна разобрана глубоко, три контр-сигнала и что отслеживать.
Разбор неделиСпособность обогнала подтверждение
Неделя 3 августа 2026. Frontier-модели сгенерировали 6080 патчей безопасности, и примерно четверть из них сработала — а правдоподобная, но неверная подсказка в промпте роняла успех до одного из шести, причём агенты шли за подсказкой против собственных данных. Тот же зазор открылся всюду: пиковая способность расходится с продакшн-надёжностью, агенты не могут проверять сами себя, операционные данные ставят потолок любой модели, а переносимые артефакты не несут переносимого доверия. Производство подешевело. Подтверждение производимого — нет. Скан-слой TL;DR, пять тем каждая с operator move, одна разобрана глубоко, три контр-сигнала и что отслеживать.
Разбор неделиНи один слой не был надёжен по умолчанию
Неделя 6 июля 2026. Модель регрессировала на своих инструментах, бенчмарк для её оценки оказался сломан, и «умнее» перестало значить «надёжнее». Поэтому «одна лучшая модель» тихо перестала быть архитектурой: зрелая система держит портфель, маршрутизирует по проверенной пригодности к задаче и проверяет уверенность снаружи модели на каждом слое. TL;DR для беглого чтения, пять тем — каждая с operator move, одна разобрана вглубь, три counter-signal и что отслеживать.
Разбор неделиСистема вокруг модели стала важнее самой модели
Неделя 8 июня 2026. Пять тем, где ценность раз за разом смещалась с модели на систему вокруг неё — контракты на compute, наблюдаемый governance, runtime для агентов и операционная модель, которой приходится впитывать выхлоп. Плюс три counter-signals, которые стоит держать в напряжении.
Разбор неделиOutput подешевел, absorption подорожал
Неделя 1 июня 2026. Один паттерн повторился в AI-затратах, корпоративных агентах, безопасности, кодинге и стейблкоинах: генерация подешевела, ограничение сместилось к absorption. TL;DR для беглого чтения, пять тем — каждая с operator move, одна тема разобрана вглубь, три counter-signal и что отслеживать.
Разбор неделиControl planes важнее автономии. Токены перестают означать прогресс.
Неделя 25 мая 2026. Пять макротем о том, как AI-агенты, AI-разработка и AI-экономика на самом деле приживаются в серьёзных инженерных организациях. И три контрсигнала, которые стоит держать в напряжении.
Заметка неделиКороткие тексты
One task in my workflow can be researched in ChatGPT, implemented by Codex, challenged by Claude, and updated through MCP.
Most project tools still assume every participant is human, which leaves someone acting as the relay between chats, repositories, decisions and the board.
BuildingA generated patch is a hypothesis until someone re-runs the exploit.
Across 6,080 AI-generated patches only 26% were clean — and a plausible-but-wrong fix direction in the prompt cut success from two-thirds to one in six, with agents overriding their own contrary evidence.
AI engineeringWe keep securing the model and trusting the scaffolding around it.
Every control we put on an agent lives in the harness — so once the agent can edit its own prompts, tools and memory, a harness change is a privileged production change.
AI engineeringFour agents cleared the backlog because none was allowed to be the hero.
Astro's issue factory separated reproduction, diagnosis, verification and implementation — the improvement came from forbidding self-verification, not from adding agents.
AI engineeringAI can generate five implementations of the same rule before anyone notices the rule has split.
When generation gets cheap, duplicated business meaning gets expensive — the source of truth has to become harder to copy, not easier.
AI engineeringYour AI product is already interviewing every user — most teams throw the transcript away.
An AI interaction states intent directly instead of leaving it to be inferred from clicks, which makes conversation logs a governed product-research surface rather than discarded exhaust.
AI governanceThe strongest privacy policy may be a system that never sends the data.
On-device inference turns privacy into a property of architecture rather than paperwork — the strongest privacy policy is a system that never sends the data.
AI governanceIn agentic systems, safe defaults matter more than good warnings — the agent may never read the warning.
As agents run more workflows, security has to live in default-off execution paths, because the agent may never read the warning a human would have caught.
AI securityA good agent skill is not a clever prompt — it is organizational procedure made executable.
A reusable agent skill is organizational procedure made executable — versioned, reviewed, and owned — which is how know-how moves from tribal to institutional.
AI engineeringThe dangerous agent failure is not always a bad answer. Sometimes it is public input reaching private context.
GitLost showed a crafted public GitHub issue steering an agent with cross-repo read access into posting a private README as a public comment — no stolen credentials, just a context-separation failure. The agent runs on a service-account permission model, not a user one, so no patch closes it; the fix is architectural. If public text can steer private access, the permission model is already broken.
AI SecurityA model can get smarter and still make your system less reliable. That is what weak tool contracts do.
The newest Claude models regressed on one edit tool — inventing fields that did not match the schema, failing ~20% of the time in a real agentic session. Smarter model, worse tool behavior, only visible in a long history. The fix is not a better prompt; it is stricter schemas and runtimes that fail loudly. The tool contract is part of the product's intelligence.
AI EngineeringAI is getting good at reviewing code. That is exactly why the human's job in review has to move up.
An AI reviewer is good at the mechanical pass — but it misses the change that fits the diff and breaks the architecture. The reviewer's value moves up the abstraction stack, to the judgment and accountability the model structurally cannot supply. The mechanical reviewer can be automated; the one who owns the consequence cannot.
AI EngineeringПроекты из этой практики
Codencer
Постоянный демон, который управляет, исполняет, валидирует и аудирует задачи, выполняемые внешними кодовыми агентами.
Оркестрационный мост для кодовых агентовRhodd
Превращает определение архитектуры в production-ready код, инфраструктуру и CI/CD-пайплайны. Без boilerplate.
AI-инфраструктурный оркестратор