Account
Книжный куб

Книжный куб

Разборы книг, статей и докладов про архитектуру, инженерное лидерство и AI в разработке. Каждый день. Автор: Александр Поломодов (@apolomodov), технический лидер, ex-CTO и Technical Fellow. YouTube: youtube.com/@TellMeAboutTech Сайт: polomodov.tech

Username
@book_cube
Category
Technologies
Country
RussiaRussia
Created
, 4 years
Subscribers19,400+1,896 last week
Avg views per post, 7d2,240−6.8% vs prev 7d
ERR11.55%last 7 days

Subscribers, 30 days

Nov 8 – Nov 15+1,896 (+10.8%)

Show as table
DateSubscribers
Nov 8, 202617,504
Nov 9, 202617,622
Nov 10, 202617,977
Nov 11, 202619,363
Nov 12, 202619,495
Nov 13, 202619,450
Nov 14, 202619,425
Nov 15, 202619,400

Average views per post by day

By publication day

Show as table
DateAvg views per post
Nov 4, 20262,505
Nov 5, 20262,285
Nov 6, 20262,316
Nov 7, 20262,310
Nov 8, 20262,279
Nov 9, 20262,583
Nov 10, 20262,859
Nov 11, 20262,933
Nov 12, 20262,440
Nov 13, 20262,520
Nov 14, 20261,925
Nov 15, 20261,693
Nov 16, 20261,188

Most viewed this month

  1. 01

    Материалы Research Insights #45. Модель или обвязка? (Рубрика #AI4SDLC) 9 ноября 2026 года вышел сольный выпуск Research Insights Made Simple #45. Если агент завалил задачу, за что браться первым делом? Можно дать ему модель посильнее, а можно разобраться, как обвязка даёт ему инструменты, запускает команды и забирает результат. Авторы "Harbor Adapters and Harbor-Index " сравнили вклад модели и обвязки на 54 бенчмарках (результаты и трейсы доступны на сайте harbor-index.org) В выпуске разобрал 🔸 Как перенести бенчмарк и сохранить смысл задачи В Harbor у задачи общий формат для инструкции, окружения и проверки результата. Чтобы понять, изменил ли адаптер сам тест, авторы повторяли прогоны в исходном и перенесённом вариантах с теми же моделью и обвязкой. 🔸 Откуда взялись 5,2 раза больше эффекта от моделей, чем от обвязок Каждую из восьми моделей запустили в родной обвязке и в общей Terminus-2. После поправки на различия между бенчмарками размах оценённых эффектов моделей получился в 5,2 раза больше размаха эффектов обвязок. При этом Codex и Claude Code сравниваются через общую Terminus-2. Прямой замер потребовал бы запустить одну и ту же модель в обеих родных обвязках. 🔸 Когда есть смысл платить за модель посильнее В этом эксперименте самый большой выигрыш в баллах пришёлся на задачи средней сложности. Если дорогая модель решает больше задач, сравнивать стоит ещё и цену одного успешного решения. 🔸 Что скрывается за нулём в таблице Агент мог выдать неверный ответ, а мог потратить токены и так и не отправить результат. В обоих случаях балл один и тот же. Чтобы понять, где агент застрял, приходится смотреть журнал его действий. 🔸 Как трудная задача оказывается сломанной В одном задании SWE-bench Pro проверка требовала конкретный формат логов, которого не было в инструкции. Такие расхождения ловили при отборе отдельного набора Harbor-Index. После аудита осталось 82 задачи, а лучший результат на них в третьей версии препринта — 28% у GPT-5.5 с Codex. Материалы выпуска - Страница выпуска с таймкодами и слайды выпуска - Видео: YouTube, VK Видео, - Аудио: Podster, Apple Podcasts - Текстовый конспект Если бы вы собирали свой бенчмарк для агента, какую задачу из рабочего репозитория положили бы туда первой? И как бы проверили, что агент её решил? #ResearchInsights #AI4SDLC #Agents #Evals #Engineering

    Link preview
    Views3K
    Forwards19
    Reactions8
    Comments9
  2. 02

    [2/2] Когда память одного аналитика пригодится всей команде (Рубрика #Agent) Продолжая обсуждение MemCurrent от Databrics хочется рассмотреть вопрос применения памяти не только в разрезе пользователя, но и выше. «Исключай фоновые запросы» - так в примере из статьи аналитик поправляет расчёт активных пользователей. В следующей сессии того же человека тест проверяет, учтёт ли агент этот фильтр в новом отчёте. Когда такой отчёт понадобится коллеге, откуда агент узнает, что фильтр нужен и ему? К ноябрю 2026 года у аналитических платформ уже есть несколько способов передать такое знание команде. В Genie One сохранённые воспоминания личные. Общий контекст настраивают в Genie Agent. При подключении таблиц он ищет популярные запросы к ним среди тех, которые доступны редактору. Редактор может принять подходящий SQL как пример для будущих ответов. Так запрос, которым уже пользуется один аналитик, становится подсказкой для общего агента. Подробнее можно почитать в документации про память Genie One и настройку Genie Agent У Snowflake видно, как этот цикл устроен вокруг семантического слоя. Cortex Analyst ищет в доступной истории SQL повторяющиеся фильтры, метрики и запросы. По статистике использования он также находит популярные вопросы, для которых ещё нет проверенного SQL. Предложения можно принять в общий semantic view. А в тестах есть хорошая деталь. Когда проверенный запрос выбирают как эталон для оценки (evals), Snowflake временно убирает его из подсказок, доступных агенту, и сравнивает результат сгенерированного SQL с эталонным. Когда формула уже согласована, её можно закрепить в модели данных. В Databricks это, например, metric view в Unity Catalog. В Microsoft Fabric агент может обращаться к опубликованной семантической модели Power BI и строить DAX-запросы поверх её мер. Общий агент использует модель с правами того, кто задал вопрос. Конфигурацию самого агента, включая инструкции и выбор источников, можно версионировать в Git. Для собственного агента у Databricks есть и общее хранилище agent memroy на базе Lakebase. Принадлежность памяти определяется через actor_id (это пользователь или другой агент - это личная память, или id группы, если память шаренная), также опционально можно добавить session_id - это даст понимание из какой сессии появилось это воспоминание. Память можно получать списком или искать по ней, а также писать в нее. Здесь приходится отдельно учитывать, кому можно показать саму заметку: в ней уже могут быть цифры из исходного запроса. Отдельно авторы отмечают, что все, кто имеют доступ к хранилищу памяти могут прочитать всю память, то есть actor_id не влияет на права доступа. В исследовательском проекте MemAlign Databricks попробовала извлекать общее знание прямо из разговоров. Авторы взяли логи рабочего Genie Space, дали LLM-судье отобрать полезные и сохранили извлечённые знания. По их данным, после первых 62 записей результат на тесте превысил 50% при 33% у варианта с экспертными инструкциями. Это эксперимент в одном Genie Space. Если возвращать к примеру из статьи, то у того же фильтра фоновых запросов есть область применения. В отчёте об активности он помогает посчитать людей, а при разборе нагрузки может скрыть то, за чем аналитик пришёл. Когда SQL из истории становится примером в Genie Agent или частью semantic view в Snowflake, у команды появляется конкретное место, где можно увидеть, к каким данным и вопросам относится правило. #AI #Agents #Architecture #Data #Evals

    Link previewedited
    Views2.99K
    Forwards30
    Reactions5
    Comments0
  3. 03

    AGENTS.md / Помогает ли файл контекста агенту? — Research Insights Made Simple После добавления AGENTS.md агент чаще запускает тесты и читает больше файлов. Но помогает ли это ему решить больше задач? В новом выпуске Research Insights Made Simple, что выйдет сегодня в прямом эфире в 13:15 я разбираю исследование "Evaluating AGENTS.md". На SWE-bench и CTXbench авторы проверили, как файл инструкций влияет на долю решённых задач и стоимость работы агента. Сгенерированные файлы повысили среднюю стоимость прогона на 20–23 %, а статистически значимого прироста доли решённых задач авторы не обнаружили. Кстати, я уже разбирал этот paper письменно раньше. А сегодня мы обсудим • Чем отличается работа агента без файла, с инструкциями команды и с файлом, сгенерированным моделью. • Почему обзор репозитория в этих экспериментах не помогал быстрее найти нужный файл. • Какие правила проекта стоит передать агенту и как проверить их пользу на своих задачах. Что в вашем AGENTS.md реально меняет поведение агента? Поделитесь примером в комментариях. #AI #Agents #Architecture #Data #Evals

    Link preview
    Views2.93K
    Forwards54
    Reactions13
    Comments18
  4. 04

    3 AImigo S1E14: Бюджет на токены / Сколько стоит AI в разработке? (Рубрика #AI4SDLC) В пятницу, 13 ноября, в 12:00 МСК в новом выпуске 3 AImigo в прямом эфире поговорим о том, как планировать бюджет на AI в разработке. Почему токены дешевеют, а счёт растёт? Агент перечитывает контекст, запускает инструменты и пробует снова, если с первого раза не получилось. По цене миллиона токенов трудно понять, во сколько команде обходится задача, которую она довела до принятого изменения. Обсудим, как посчитать стоимость такого изменения, когда выгоднее подписка, кредиты или оплата по API и как настроить лимиты, чтобы команда могла продолжать работу при приближении к бюджету. Как вы сейчас планируете расходы на AI в команде? Расскажите в комментариях. P.S. Эта серия 3 AImigo неплохо продолжает тему «AI ускорил разработку: как понять, что это правда» , которую я буду сегодня рассказывать на крутой по составу участников конфе AI Dev Live 2026. Конфа уже началась, но вы все еше можете бесплатно на нее попасть и успеть на мой доклад, что будет в 18:50. Подробности и полная программа доступны на сайте И увидимся в прямом эфире (а может быть даже в двух - сегодня и в пятницу). #AI4SDLC #Agents #Engineering #Metrics #Conference

    Photo
    Views2.87K
    Forwards12
    Reactions11
    Comments0
  5. 05

    [1/2] MemCurrent: что агент уносит из прошлой сессии (Рубрика #Agent) Databricks в октябре описала MemCurrent — систему памяти, которая помогает агенту использовать опыт прошлых сессий. В Genie, где пользователи задают вопросы к своим данным, таким опытом может быть поправка к расчёту метрики, знание о том, какую таблицу брать, или уже проверенный способ связать несколько таблиц. У MemCurrent два слоя. В одном лежит сырой журнал сессий. В другом — извлечённые из него заметки с определениями, поправками и рабочими приёмами. При старте плагин показывает агенту их оглавление memory.md, а во время работы автоматически ведёт журнал. Агент может сам искать в обоих слоях и сразу записывать явные поправки. В фоне отдельный процесс, который авторы назвали dreaming, извлекает уроки из сессий, объединяет дубли и разбирает противоречия. Эта статья перекликается со статьей про dreaming от Anthropic, о которой я рассказывал На публичных LoCoMo, LongMemEval и ConvoMem авторы проверили, как агент отвечает на вопросы по истории диалогов. С MemCurrent он в среднем отвечал примерно так же точно, как с полной историей в контексте, и использовал около 8,4 тыс. входных токенов на вопрос вместо 103 тыс. Для Genie сделали свой тест. В нём агенту надо, например, вспомнить прошлую поправку к метрике и применить её в SQL для нового отчёта. Из 12 000+ сессий авторы выделили примерно 3 000 кандидатов и после проверок получили 114 задач на историях 29 пользователей. По данным Databricks, на этом наборе доля зачтённых задач у Genie выросла с 22,3% без памяти до 68,4% с MemCurrent. Среднее время сократилось с 340 до 252 секунд, расход токенов — на 31%. В одном из примеров агент после замечания пользователя запомнил, что перед ответом надо открыть файл с результатами SQL. В другом он почти шесть минут выяснял, где лежат данные о клиентах продукта SDP и как их связать. Когда пришёл новый вопрос о клиентах SDP, агент поднял сохранённый порядок действий и справился за 41 секунду. Авторы также отключали компоненты по очереди. С одним журналом получилось 35,8%, с заметками и их оглавлением — 66,1%, с обоими слоями — 68,4%. В отдельном опыте по наполнению заметок фоновая обработка дала 63,5%, запись только во время сессии — 53,9%. А теперь к моим заметкам на полях У схемы на рис. 2 я выписал три способа подключить память — плагин, инструменты и фоновую обработку. Мне нравится, что на одной картинке видно, какая работа должна случиться прямо в сессии, а какую можно отложить. И два примера в статье хорошо показывают, зачем это нужно. Иногда прошлый опыт возвращает пропущенный шаг, а иногда позволяет сократить путь. В примере с клиентами ответ пришлось посчитать заново, а схему данных агент уже знал. «На внутреннем бенче результаты отличные» — так я и записал. А рядом с воронкой отбора у меня другая пометка — «выборка быстро сжимается». Авторы специально искали задачи, на которых может пригодиться прошлый опыт. Чтобы понять средний выигрыш на обычном потоке запросов, надо ещё знать, как часто такие задачи там встречаются. Рядом с публичными тестами я отметил GPT‑5.6 luna. Интересно повторить сравнение на тех же задачах с другой моделью и посмотреть, сохранится ли отрыв. Особенно понравились абляции. По ним видно, что заметки вместе с оглавлением дают основную часть прироста. Мне здесь хочется ещё одного прогона. Оставить агенту те же заметки и тот же поиск, убрать только оглавление и посмотреть, как часто он сам вспомнит, что ему есть куда заглянуть. #AI #Agents #Architecture #Data #Evals

    File
    Views2.81K
    Forwards46
    Reactions13
    Comments0

Latest posts

#5201Link preview

Продуктивность разработки / как её измеряет DX (Рубрика #DeveloperProductivity) Наш выпуск 3 AImigo откладывается на пятницу - выздороветь за выходные у одного из ведущих не получилось, но сегодня я проведу другой эфир на близкую тему по версии платформы DX, что была куплена Atlassian прошлой осенью за 1 млрд долларов. Вопрос про продуктивность может звучать так: если команда стала выпускать больше pull request’ов, как понять, выросла ли её продуктивность? И как оценить вклад AI, если код пишется быстрее, а очередь на ревью растёт? В прямом эфире сегодня в 17:00 по Москве разберу, как на эти вопросы отвечает платформа DX 🔸 История DX С чего начиналась платформа и как исследования опыта разработчиков легли в основу её подхода к измерению продуктивности 🔸 DX Core 4 Что фреймворк взял из DORA, SPACE и DevEx и как объединяет четыре измерения: скорость, эффективность работы разработчиков, качество и влияние на бизнес 🔸 AI Measurement Framework Как связать использование ассистентов и агентов с изменениями в работе команды и оценить, во сколько обходится полученный эффект 🔸 CAFE(S) Как проверить, понятен ли контекст агенту, можно ли по нему действовать, точен ли он, достаточно ли в нём нужной информации и безопасно ли её передавать Что изменилось в 2024–2026 годах. Сравню отчёты DX о потоке pull request’ов и покажу, что можно узнать из этих данных о скорости разработки и где стоит отдельно смотреть на время до первого ревью. #Management #Leadership #Engineering #Software #Productivity #Processes #Metrics

Open in Telegram
Views1,021−56%vs avg
Forwards13
Reactions5
Comments0
#5200Link preview

От продуктов к потребностям: как меняется организация — материалы выпуска (Рубрика #Management) В это воскресенье вышел очередной выпуск Code of Leadership (S2E31, #89) на это раз о том, как в одном большом финтехе попробовали выстроить работу вокруг потребностей клиента. Представьте: человек накопил на первый взнос за машину и получил одобрение по кредиту. Потом выясняется, что страховка слишком дорогая, и покупка срывается. У страховщика были свои причины назначить такую цену. А кто в этой схеме отвечает за всю покупку? В выпуске разобрал: 🔸 Где заканчивается автономия продуктовой команды Вертикали позволили бизнесам развивать свои продукты и меньше зависеть от общей очереди. А при покупке машины на каждом шаге важно знать, какую машину клиент присмотрел, сколько отложил и на какой кредит рассчитывает. Тут командам приходится договариваться, кто передаёт этот контекст и кто решает, что делать, если один из шагов застопорился. 🔸 Зачем нужны сегменты Одному человеку машина нужна сейчас, другой готов подождать и накопить на больший взнос. Потребность одна, а подходящие размер кредита и ежемесячный платёж могут отличаться. 🔸 Как считать экономику нескольких продуктов На условном примере с вкладом, инвестициями и страхованием жизни показываю, как считать взвешенный LTV: вклад каждого продукта в ценность отношений с клиентом зависит от вероятности, что тот его оформит. 🔸 Откуда взялся тессеракт На слайдах вращаю проекцию четырёхмерного куба (тессеракта): потребности, сегменты, продуктовые и технические платформы. По моим наблюдениям, после редизайна в некоторых случаях согласований стало больше. Поэтому я бы взял один клиентский сценарий и посмотрел, какие решения в нём команды теперь принимают иначе. Материалы выпуска: — Страница выпуска с таймкодами и слайды — Видео: YouTube, VK Видео — Аудио: Podster, Apple Podcasts — Текстовый конспект А у вас кто принимает решение, когда одной команде выгодно сказать «нет», а клиенту без неё дальше не пройти? #CodeOfLeadership #Management #Leadership #OrgDesign #Product

Open in Telegram
Views1,355−41%vs avg
Forwards12
Reactions5
Comments2
#5199File

DX Q3 2026 и цена доверия к коду (Рубрика #AI4SDLC) В двух выпусках Research Insights Made Simple мы с Евгением Сергеевым разбирали, как ребята из DX предлагают измерять инженерную продуктивность и эффект от AI (вот подкасты про DX Core 4 в общем и про измерение влияния AI). В октябрьском отчёте DX применяет обе рамки. Core 4 показывает скорость поставки, опыт разработчиков, качество и долю времени на новые возможности. AI Measurement Framework добавляет использование AI, его эффект и расходы. В основе отчёта — телеметрия и опросы из более чем 500 организаций, которые используют платформу DX. С Q4 2025 по Q3 2026 медианный недельный TrueThroughput вырос на 75,5%, с 1,43 до 2,51 взвешенного PR на инженера. За последний квартал разработчики заметно лучше оценили отладку в проде (+13,3%), документацию и сборку с тестированием (по +10,4%). Оценка того, насколько легко доводить изменения до выпуска, выросла на 3%. Доля неудачных изменений и время восстановления после неудачного деплоя остались примерно на прежнем уровне. Доля рабочего времени на новые возможности по опросам сдвинулась с 57% до 59% за четыре квартала. По телеметрии около 56% наблюдаемых AI-сессий шли на поддержку и исправления, 11% — на новые возможности. Здесь мне нравится, что есть два разных способа посмотреть на работу команды. Опрос показывает, как инженеры распределяют своё время, а сессии — для каких задач они зовут агента. Чтобы понять, куда ушли сэкономленные часы, надо проследить сами задачи от начала до конца. А теперь к тому, что я пометил на полях. 1️⃣ Из чего сложились +75,5%? TrueThroughput взвешивает влитые PR по сложности при помощи модели. Размер diff в строках — один из сигналов, и медианный PR за этот период вырос на 122%. Тут мне хочется увидеть рядом обычное число мержей на инженера и средний вес PR по одним и тем же компаниям. Пока по графику трудно понять, сколько роста дали дополнительные мержи и сколько — более тяжёлые по оценке DX изменения. На стр. 10 мелькает ещё +47% к delivery volume. Было бы интересно узнать у DX, что именно они там посчитали. Немного про это рассказывал Аби Нода из DX в рассылке, когда говорил о весах этой модели. 2️⃣ Почему первое ревью приходится ждать дольше? В Q3 у компаний с долей AI-кода 20–40% медианное ожидание первого ревью было 40 минут, а в группе с 80% и выше — 82 минуты. Я бы рядом со временем ожидания посмотрел на число PR на ревьюера и время активной проверки одного PR. Если ревьюеры просто заняты другими изменениями, можно перераспределить нагрузку. Если им приходится подолгу восстанавливать контекст каждого изменения, это уже вопрос к тому, что приходит на ревью. 3️⃣ Расходы на AI на разработчика выросли примерно в 21 раз за один год Я обвёл обе точки на графике, $63 в Q4 2025 и $1 314 в Q3 2026. Ещё 94% токенов в последнем квартале пришлись на чтение из кеша. Чтобы понять, сколько денег уходит на повторное чтение контекста, нужна разбивка биллинга по типам токенов. Дальше хочется посчитать, во сколько обходится одна задача, прошедшая ревью и тесты, и как эта цена меняется по мере роста расходов. Это продолжение моего поста про token burn. 4️⃣ Цена доверия к изменению DX предполагает, что часть работы ревьюера уходит на восстановление того, чего не было в контексте агента. Зачем вообще нужна эта правка? Какие ограничения действуют? Как поймём, что задача решена? Авторы предлагают оценивать контекст через фреймворк CAFE(S), и в Q3 это пока гипотеза о причинах задержек. Мне было бы интересно проверить её на похожих задачах. Если заранее записать архитектурные ограничения и критерии приёмки, сколько человеческого времени удастся сэкономить от открытия PR до мержа, включая переделки? #AI #AI4SDLC #Engineering #Metrics #Research

Open in Telegram
Views1,422−38%vs avg
Forwards12
Reactions10
Comments1
#5198Link preview
Views1,963−15%vs avg
Forwards8
Reactions8
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
1 h410
15 h1,650
29 h1,963
  1. After 1 hour410
  2. After 24 hours1,963
  3. Total to date1,963
#5197Photoalbum
Views1,963−15%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,480
29 h1,963
  1. After 24 hours1,963
  2. Total to date1,963
#5196Photoalbum
Views1,976−14%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,483
29 h1,976
  1. After 24 hours1,976
  2. Total to date1,976
#5195Photoalbum
Views1,964−15%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,478
29 h1,964
  1. After 24 hours1,964
  2. Total to date1,964
#5194Photoalbum
Views1,880−19%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,441
29 h1,880
  1. After 24 hours1,880
  2. Total to date1,880
#5193Photoalbum
Views1,869−19%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,428
29 h1,869
  1. After 24 hours1,869
  2. Total to date1,869
#5192Photoalbum
Views1,870−19%vs avg
Forwards9
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
15 h1,430
29 h1,870
  1. After 24 hours1,870
  2. Total to date1,870

All posts

Connections