Account
Уютный IT адочек

Уютный IT адочек

С любовью к людям и их горящим задницам

Username
@lovely_it_hell
Category
Technologies
Country
RussiaRussia
Created
, 8 years
Subscribers3,652−7 last week
Avg views per post, 7d712+2.8% vs prev 7d
ERR19.49%last 7 days

Subscribers, 30 days

Nov 5 – Nov 15−7 (−0.2%)

Show as table
DateSubscribers
Nov 5, 20263,659
Nov 6, 20263,660
Nov 7, 20263,658
Nov 8, 20263,659
Nov 9, 20263,661
Nov 10, 20263,663
Nov 11, 20263,659
Nov 12, 20263,658
Nov 13, 20263,655
Nov 14, 20263,654
Nov 15, 20263,652

Average views per post by day

By publication day

Show as table
DateAvg views per post
Oct 17, 20261,700
Oct 20, 20261,546
Oct 23, 20269,069
Oct 26, 20261,190
Oct 27, 20261,212
Oct 29, 2026933
Oct 31, 2026738
Nov 2, 2026612
Nov 3, 2026799
Nov 5, 2026695
Nov 6, 2026580
Nov 10, 2026690
Nov 12, 2026835
Nov 13, 2026610

Most viewed this month

  1. 01

    ИИ обещал освободить мне время. Лол. Столько работы, сколько я сделал за последние месяцы, я, кажется, не делал вообще никогда. Я лез в незнакомые кодовые базы. Разбирался, как устроены память агентов, approvals, MCP, биллинг и доставка токенов через пять сервисов. Чинил CI. Смотрел логи в Kubernetes. Проектировал тесты безопасности. Поднимал прокси. Исследовал рынок. Писал статьи. Делал карусели. Монтировал видео. Придумывал маленькие игры в стиле PS1, потому что обычного человеческого хобби мне, видимо, уже недостаточно. Раньше половина этих задач умерла бы ещё в голове. Раньше между "интересно попробовать" и результатом лежал промышленный слой унылой фигни: найти документацию, выкачать репозиторий, понять структуру, написать обвязку, привести данные к одному виду, десять раз перепроверить, что не наврал. Агент не убрал с меня ответственность и я не отдал ему решения, но он убрал цену входа. Теперь я могу утром исследовать чужую архитектуру, днём разбирать падение на стенде, вечером делать сценарий, а ночью объяснять рендереру, что заголовок на картинке всё ещё выглядит как корпоративная презентация для людей, потерявших смысл жизни. Когда производство результата резко дешевеет, ты не идёшь отдыхать. Ты просто начинаешь делать всё то, до чего раньше никогда не доходили руки. Работать меньше не получилось, но получилось перестать выбирать только одну жизнь.

    Text
    Views9.07K
    Forwards168
    Reactions64
    Comments25
  2. 02

    Появилась статья названием, будто завтра агент самостоятельно перепишет себя и уйдёт из компании: Harness²: Recursive Agent Harnessing for an Open World. За громким recursive self-improvement скрывается вполне здравая автоматизация. Берём готовый Codex или OpenCode, запускаем на задаче, а потом другие агенты переписывают ему AGENTS.md, skills, scripts и hooks, повторяют запуск и сохраняют удачную "заточку" для следующих работ такого типа. То есть модель и ядро агента конечно никто не переписывает. Мы просто автоматизировали работу инженера, который после третьего факапа дописывает в инструкцию: "Перед сдачей, сука, открой созданный файл и проверь, что он вообще открывается". Теперь один improvement step - это уже четыре исполнительских прогона плюс отдельные editor, composer и reflector sessions. А при k=5 — двадцать (!!!!!) прогонов задачи. Радостно видеть, что в индустрии появляется всё больше научно обоснованных способов сжечь ещё больше токенов. Не уверен, как к этому относиться. Сорцы для желающих автоматизировать автоматизацию

    Text
    Views1.86K
    Forwards16
    Reactions15
    Comments18
  3. 03
    Views1.55K
    Forwards6
    Reactions22
    Comments10
  4. 04
    Views1.54K
    Forwards1
    Reactions4
    Comments0
  5. 05

    AI-агент знает всё про Kubernetes. Но не знает, что legacy-api у вас приносит 70% денег, prod-old — единственный настоящий production, а "спросить у Паши" входит в disaster recovery plan. Добро пожаловать в Agent Context Engineering. Обычно проблему решают по-корпоративному: выгружают агенту весь Confluence, Slack за пять лет и триста postmortem’ов. Можно ещё вколотить пару человеко-лет в "корпоративный RAG" и "векторную базу данных". Хороший способ сделать так, чтобы агент знал четыре взаимоисключающие версии вашей архитектуры. Задача не в том, чтобы скормить агенту компанию целиком. Нужно сделать компанию навигабельной. Что конкретно ему предоставить: - Словарь компании: что означают внутренние названия, сокращения и загадочные core-v2-final. - Карту систем: продукты, сервисы, окружения и зависимости между ними. - Владельцев: какая команда отвечает за сервис, кто сейчас on-call и куда эскалировать. - Источники правды: где смотреть код, конфигурацию, деплои, метрики, инциденты и финансовые данные. - Правила доступа: что можно читать, что можно менять и где нужен человек. - Runbooks: как диагностировать типовые проблемы, проверить результат и откатиться. - Маршруты контекста: что загружать для billing, deployment, incident или работы с конкретным сервисом. - Живые инструменты: доступ к Kubernetes, CI/CD, мониторингу и PagerDuty вместо пересказа их состояния в Markdown. Тогда он сможет фразу "посмотри, почему задерживается billing в production" развернуть в: billing → сервисы → production → деплои → метрики → runbook → on-call Не надо раздувать контекст всеми артефактами, что вам подвернулись. Нужно объяснить, куда лезть, чему верить, а что запрещено трогать. Всё остальное — классический onboarding. Теперь и для роботов.

    Photo
    Views1.21K
    Forwards36
    Reactions27
    Comments8

Latest posts

#741Text

Я сейчас тимлижу команду девопсов. И несмотря на богатый бэкграунд, иногда упираюсь в технологии, про которые знаю примерно ничего. Ответственность за решение при этом вполне конкретная. Тут досталось по наследству внедрение PKI: цепочки сертификатов, доверие и вот это вот всё. Почему не работает и что с этим делать — предстояло разобраться. Взял агента, принёс ему диалоги из тасок, пошли исследовать IaC. Сорок минут вопросов, уточнений и проверки гипотез — и я: 1. понял, в чём проблема 2. подтвердил её тестами в реальном окружении 3. сформулировал вариант решения На следующий день обсудили с более опытными коллегами. Решение подтвердилось, за пять минут договорились и пошли работу работать. А не «выравнивать понимание» полтора, блять, часа, как обычно. Пожалуй, самое полезное здесь — не то, что агент знает про сертификаты больше меня. А то, что с ним можно пройти путь от "я вообще не понимаю, что происходит" до конкретной гипотезы, не собирая для этого всю команду. И всё это — за 40 минут! Конечно же, мало потрындеть — надо проверить ответы об реальность. Тестами, конфигурацией, разговором с людьми, которые в этом разбираются. Но С ТАКОЙ СКОРОСТЬЮ подготовиться с нуля ко встрече, прийти, мол, вот проблема, вот проверка, вот что предлагаю сделать — это прям вау! В какой прекрасный век я живу.

Open in Telegram
Views610−58%vs avg
Forwards12
Reactions43
Comments10
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
11 h466
35 h565
71 h610
  1. Total to date610
#739Text

Я ненавижу монтировать видео. Катись оно всё ко всем чертям! Я физически не хочу сорок раз двигать один и тот же кусок по timeline, слушать собственную фразу "вот, собственно говоря" и решать, оставить паузу на 0,4 секунды или на 0,7, чтобы зритель успел осознать глубины полёта моих мыслей. А ведь до монтажа ещё надо посмотреть все дубли. Найти, где мысль сказана целиком. Распознать речь. Убрать повторы. Выбрать начало. Сделать субтитры, которые не занимают половину экрана. Сделать вставки. Проверить звук. Перерендерить. Обнаружить опечатку в слове на третьей секунде. Перерендерить ещё раз. Тьфу ты, пропасть! Вместо "сейчас запишу короткий ролик приключение на 20 минут" я сижу и дёргаю ползунок видеоредактора весь вечер. Но агенту можно отдать всё нудное: транскрибацию, поиск удачных фрагментов, черновую сборку, captions, технический рендер, извлечение кадров, проверку форматов, подбор вариантов картинок и создание анимаций-вставок. Ролик от этого не появляется магически: Мне надо решить о чём будет рассказ, выкинуть нейрослоп, подобрать нормальный хук, вычистить клише, прикопаться к деталям, которые как я уверен на основании своего огромного опыта важны и я хочу чтобы было именно вот так, а не иначе. Но теперь моя ненависть к монтажу перестала быть запретом на производство видео. Я наконец могу делать то, что раньше стабильно сжирало пол дня и в результате всё равно было к чему придраться.

Open in Telegram
Views690−52%vs avg
Forwards3
Reactions12
Comments21
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
10 h425
35 h504
71 h690
  1. Total to date690
#738Textedited
Views580−60%vs avg
Forwards27
Reactions6
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
5 h382
17 h448
29 h498
77 h580
  1. After 6 hours382
  2. After 24 hours498
  3. Total to date580
#737Text
Views730−49%vs avg
Forwards26
Reactions23
Comments2
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
9 h490
33 h668
69 h730
  1. Total to date730
#736Text

Часть AI-инфраструктуры — это LLM proxy. А какой лучше? Когда есть разные провайдеры, разные модели, разные payload, разный streaming, как мерить-то? Может почитать бенчмарки, где каждый хвалит себя? Мы поэтому сделали то, что в IT обычно откладывают до последнего: измерительный стенд. Генератор нагрузки ходит через несколько прокси в одну и ту же LLM. Сохраняет TTFT, полную latency, ошибки, токены и сырой результат. Потом аналитика сравнивает прогоны и отдельно пытается ответить: мы измерили прокси или просто флуктуации вселенной в конкретную секунду? Руками это адская работа, конечно же: Разберись, как поднять каждый из вариантов proxy. Приведи их конфиги к сопоставимому виду. Убедись, что запросы действительно одинаковые. Не перепутай latency продукта с latency модели. Потом ещё открой два архива метрик и пойми, почему в одном поле называется output_tokens, а в другом — как-то иначе, потому что автору так захотелось. Слава кремниевым мозгам. Жестянка стремительно всё сделала и помогла на данных принять решение, которое до этого либо пришлось бы принимать "на чуйке", либо вколачивать в него уйму ресурсов. Я настаиваю, что это вообще лучший сценарий использования AI в инженерной работе — не просить его выиграть спор уверенным текстом, а заставить собрать воспроизводимый эксперимент, на котором его же вывод можно поймать за жопу. А вот вовремя переформулировать задачу, чтобы перейти к проведению экспериментов, а не просто написать очередную спеку и пропустить её через "идеально работающий SDD-пайплайн" — задача квалифицированного инженера.

Open in Telegram
Views660−54%vs avg
Forwards4
Reactions10
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
10 h471
34 h609
70 h660
  1. Total to date660
#734Text

Есть два способа дать AI-агенту доступ к production. Неправильный: отправить AI-агента на production, мол, "разберись что не работает и почини" Правильный начинается скучно: вот namespace, вот конкретная сессия, вот временной интервал, вот что можно читать, а менять ничего нельзя. Потому что расследование инцидента — это отдельный сорт инженерной археологии. Найди pod, который был жив двадцать минут назад. Сопоставь логи трёх сервисов, где один пишет UTC, второй — local time, а третий вообще считает, что timestamp для слабых. Проверь deployment image. Найди workflow. Выясни, был ли запрос отклонён policy, потерян в стриме, убит timeout или честно умер в provider API. Руками я эту работу ненавижу. Почти так же сильно, как править YAML-ы и считать пробелы в них. Агент отлично собирает факты: команды, события Kubernetes, логи, конфигурацию, историю сессии, состояние базы. Он может быстро показать, что проблема в миграции, несовместимом provider tool или pod, который никак не может стать ready. Но диагностировать — не значит исправлять. Откатить миграцию, перезапустить pod, изменить secret или поднять лимиты — это уже новое решение. У каждого действия есть его blast radius! Самая полезная привычка при работе с агентом в инфраструктуре, на мой взгляд — разделять полномочия по шагам: • сначала докажи причину; • потом предложи действие; • потом спроси разрешение именно на это действие; • потом докажи, что стало лучше. Я пока что не верю в использование агента в режиме "пойди сделай зашибись", но практика показывает, что можно снять с себя когнитивную нагрузку, когда ты сам понимаешь что нужно сделать.

Open in Telegram
Views612−58%vs avg
Forwards9
Reactions19
Comments6
#733Textedited

"Давайте закатаем разработку в рельсы!" — регулярная влажная мечта менеджмента. Мол, код — это конвейер, требования превращаются в коммиты всегда одинаково, щас еще агентами всё обмажем и все будет отлично, отвечаю. Всегда так было! Вот нихрена подобного. Вот ну не согласен. Вот ну не получается у меня с агентами сборка типовых табуреток. Получается бесконечная адаптация к контексту задачи. И чем глубже, тем сильнее всё ветвится: — Нужен LLM-прокси? Пойди сначала отбери кандидатов, проведи замеры задержек и стоимости, сравни качество. Это R&D, а не превращение тикета в код. — Интеграция со сторонним API? Сама склейка и перекладывание json'ов — капля в море. Основное время сжирает расковыривание чужой логики данных и принятие решений: а нам точно нужны именно эти костыли? — "Сделай фичу как у конкурента"? Иди погоняй их продукт, пойми компромиссы, придумай, как натянуть эту сову на наш легаси-ландшафт, и договорись с людьми что берём на себя именно эти риски. И тут из кустов регулярно вылезают персонажи с позицией: "это не мои проблемы", "пусть аналитик распишет", "это задача платформы я просто пишу на джаве". Хочется таких сразу слать нахрен. В условиях постоянной неопределенности узкоспециализированные исполнители, которые умеют двигать пиксели строго по ТЗ, становятся обузой. Конвееризировать можно только то, что уже закостенело и вышло на плато. Если процессы вокруг тех же LLM-агентов бурлят и меняются каждую неделю, любая попытка жестко залить всё в бетон приведет к банальному: весь пар уйдет в свисток. Вы потратите 90% времени не на продукт, а на бесконечный ремонт и перестройку самого "конвейера". Опа, новая модель. Опа, новый корнер кейс в бизнесе. Опа, хотелка которая все меняет. Выйдет технология на стабильный уровень — поговорим за стандарты и заводы. А пока земля ходит ходуном: стиснули зубы, сняли белые перчатки и лезем по локоть в практику.

Open in Telegram
Views738−49%vs avg
Forwards8
Reactions24
Comments41
#732Photoedited

Пока луддиты-бро уходят в отрицание агентов, ИИ-зависимые ищут всё новые способы жечь токены. И мы все не понимаем, насколько далеко это всё зайдёт. И дело не только и не столько в генерации кода. Не в рисовании картинок. И даже не в генерации видео. Зачем самостоятельно копаться в море документов/онлайн-ресурсов? Это может сделать твой агент. Зачем задавать вопросы коллегам по поводу документов в вики/кодовой базе? Они всё равно полезут за ответами в них же — это может сделать твой агент. Зачем отвлекать коллег для онбординга в проект/тему/задачу? Это может сделать твой агент, знающий тебя, понятным тебе способом. .... Зачем общаться с людьми, с кем не хочешь общаться? Это так же может сделать агент. Ну серьёзно, знаете, как в играх. Даёшь ему задание, он ведёт переписку, когда подходит к ключевой сюжетной развилке — спрашивает тебя куда дальше. Ты выбираешь — он работает дальше. Фантастика? Скриншот выше показывает, что это УЖЕ работает на практике. Это БУКВАЛЬНО реальный скриншот из РЕАЛЬНОЙ практики. А потом мы будем отправлять своих агентов договориться с их агентами...

Open in Telegram
Views942−35%vs avg
Forwards9
Reactions18
Comments16

All posts

Connections