# Сопутствующие статьи по теме Разработка ПО

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Разработка ПО", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Только что Claude Fable 5 снова занял первое место

Claude Fable 5 возглавил рейтинг MirrorCode, показав абсолютный успех в 64% случаев решения задач по программированию, оставив позади GPT-5.6 Sol с результатом лишь в треть от этого показателя. Что особенно впечатляет, так это устойчивость модели при работе с непопулярными языками: при переходе с Go на Ada успешность выполнения упала всего на 3 процентных пункта (с 64% до 61%), несмотря на то, что обучающих данных по Python в открытом доступе примерно в 230 раз больше, чем по Ada. Это указывает на способность модели не просто запоминать синтаксис, а глубоко понимать логику программы и воссоздавать её функциональность с нуля на любом языке. Бенчмарк MirrorCode представляет собой сложное испытание, в рамках которого модель в изолированной среде должна, анализируя только высокоуровневую документацию и наблюдая за поведением исходной программы, полностью воспроизвести её, пройдя 100% видимых и скрытых тестов. На выполнение задач выделяется до 100 миллиардов токенов и нескольких дней непрерывной работы. Например, воссоздание биотехнологического инструмента `gotree` (16 тыс. строк кода) моделью Claude Opus 4.7 заняло 14 часов и стоило 251 доллар, достигнув 99.95% завершённости, что эквивалентно 2-17 неделям человеческой работы. Тенденция ясна: ИИ переходит от генерации отдельных фрагментов кода к самостоятельному выполнению целых проектов. Такие инструменты, как Cursor и Claude, уже демонстрируют возможности множества агентов, сотрудничающих для написания браузеров и компиляторов объемом в сотни тысяч строк. Это смещает роль разработчика: всё менее необходимо контролировать каждый шаг, всё более важной становится способность чётко ставить задачи и проверять конечный результат. Код становится дешевле, а экспертиза в постановке проблем и верификации решений — ценнее.

marsbit21 ч. назад

Только что Claude Fable 5 снова занял первое место

marsbit21 ч. назад

Основатель Claude Code: ночная армия AI, Fable 5 и две команды для настройки

Ключевые разработчики, такие как Борис Черный, отец Claude Code, больше не пишут код вручную. Вместо этого они управляют сотнями, а ночью тысячами ИИ-агентов, которые самостоятельно выполняют задачи, такие как написание кода, исправление ошибок и анализ отзывов пользователей. Секрет эффективности заключается в использовании петель (Loops) — автономных процессов, которые работают по расписанию (каждые 30 минут, день и т.д.). Основные инструменты — это команды /goal и /loop в Claude Code (и таких продуктах, как Fable 5). /goal задает конкретную, проверяемую цель, например, «все тесты должны проходить», и агент работает, пока не достигнет ее, самостоятельно проверяя результат. /loop запускает повторяющиеся действия, например, регулярную проверку почты. Критически важным элементом является система валидации, где отдельная модель-«надзиратель» проверяет работу основной, обеспечивая качество. Это меняет роль инженера: вместо написания кода человек проектирует системы, которые пишут код сами, и занимается утверждением результатов. В Anthropic ИИ-агенты даже общаются друг с другом в Slack для координации задач. Чтобы Fable 5 работал эффективно, рекомендуется настроить локальную систему контекста — папку с файлами, описывающими бизнес, правила и историю решений, что позволяет модели «помнить» пользователя между сессиями. Таким образом, будущее автоматизации заключается не в замене людей, а в их переходе к роли архитекторов автономных систем, где ключевым навыком становится умение четко определять цели для ИИ.

marsbit07/20 00:25

Основатель Claude Code: ночная армия AI, Fable 5 и две команды для настройки

marsbit07/20 00:25

Основатель Claude Code дал свежий прогноз: в эпоху ИИ разделение труда в командах переписывается, эти «пять типов» людей наиболее востребованы

Отцом Claude Code заявлено: в эпоху ИИ разделение ролей в команде переосмыслено, эти «пять типов людей» наиболее востребованы. На фоне бума Agent Coding, меняющего индустрию ПО, меняется не только роль «инженера». Более глубокая трансформация происходит на уровне организационной структуры команд. Борис Черни, руководитель команды Claude Code в Anthropic, высказал интересное наблюдение: по мере слияния функций инженерии, продукта, дизайна и data science традиционные «ярлыки должностей» стираются. Вместо них появляются пять новых «несвязанных» ролей, основанных на моделях поведения: 1. **Прототипировщик (The Prototyper):** Генерирует множество новых, часто радикальных идей, не все из которых будут реализованы. 2. **Строитель (The Builder):** Превращает сырые идеи или прототипы в готовый для производства продукт или высокодоступную инфраструктуру (от 0.1 до 1). 3. **Уборщик (The Sweeper):** Фокусируется на «упрощении»: удаляет избыточные функции, рефакторит код и архитектуру для повышения производительности и ремонтопригодности, борясь с побочным эффектом ИИ — раздуванием. 4. **Специалист по росту (The Growth):** Работает с готовым продуктом, проводя быстрые итерации, чтобы приблизить его к рынку, повысить удержание пользователей и превратить продукт из «рабочего» в «необходимый» (комбинация продуктовых, data, пользовательских и экспериментальных навыков). 5. **Специалист по поддержке (The Maintainer):** Обеспечивает долгосрочную эксплуатацию зрелой системы, уделяя первостепенное внимание безопасности, надёжности, эффективности и отказоустойчивости. Эти роли не соответствуют традиционным должностям. В эффективной команде, усиленной ИИ, многие члены не являются «винтиками»: дизайнер может быть и прототипировщиком, и уборщиком; инженер — строителем и специалистом по поддержке. Вопрос смещается с «Какова ваша должность?» на «Какую стадию жизненного цикла продукта вы можете продвигать?». Здоровая комбинация этих ролей зависит от этапа продукта: - Новый продукт, ищущий PMF: нужны роли 1, 2, 3. - Растущий продукт с найденным PMF: нужны роли 2, 3, 4 с добавлением 5. - Зрелый продукт с сильным PMF: нужны роли 3, 4, 5 с сохранением некоторых 2. Как отмечают в обсуждениях, роли человека часто меняются в зависимости от проекта и его фазы. Гибкость и фокус на целях важнее строгих границ. На вопрос, зачем нужны строители и уборщики, если ИИ пишет код, Борис Черни ответил, что Claude уже хорошо помогает в этих задачах и со временем станет ещё лучше, но человеческие роли эволюционируют, а не исчезают.

marsbit06/30 05:54

Основатель Claude Code дал свежий прогноз: в эпоху ИИ разделение труда в командах переписывается, эти «пять типов» людей наиболее востребованы

marsbit06/30 05:54

Первый набор данных для обучения Doc2Repo на длинных последовательностях: Code Agent не только исправляет ошибки, но и начинает создавать репозитории

С развитием LLM Code Agent исследователи начинают переходить к более сложным задачам, приближенным к реальным сценариям, таким как генерация целого репозитория кода с нуля. Команда из Института искусственного интеллекта Гаолинь Китайского народного университета представила новый набор данных DeNovoSWE, предназначенный для длительных задач в области программной инженерии, особенно для создания репозиториев на уровне кода. DeNovoSWE использует методологию «Разделяй и властвуй» (Divide & Conquer) и механизм «Критика и исправление» (Critic & Repair) для создания высококачественных данных. Набор содержит 4 818 реальных примеров задач, что предоставляет масштабные данные для обучения Code Agent выполнению длительных операций. Эксперименты показали, что модель Qwen3-30B-A3B-Instruct, обученная на DeNovoSWE, значительно улучшила свои показатели: с 5,8% до 47,2% на BeyondSWE-Doc2Repo и с 4,3% до 23,0% на NL2RepoBench. Ключевая сложность задачи заключается в том, что агент должен воссоздать весь репозиторий, начиная только с документации, в очищенной среде без исходного кода, тестов и потенциальных утечек. Это требует навыков планирования архитектуры, создания модулей, определения API и обработки зависимостей. DeNovoSWE структурирует документацию по ключевым возможностям (capabilities) репозитория, обеспечивая ясность, полноту и соответствие критериям оценки. Результаты подтверждают, что данные, ориентированные на длительные задачи генерации репозиториев, более эффективны для развития соответствующих способностей Code Agent по сравнению с данными, сфокусированными только на исправлении ошибок. DeNovoSWE закладывает основу для следующего этапа развития код-агентов, способных понимать требования, планировать и создавать целые рабочие программные проекты.

marsbit06/25 08:52

Первый набор данных для обучения Doc2Repo на длинных последовательностях: Code Agent не только исправляет ошибки, но и начинает создавать репозитории

marsbit06/25 08:52

Какие направления в эпоху ИИ все еще имеют «ров»?

В эпоху ИИ сохраняются несколько «защитных рвов»: эксклюзивные данные (например, внутренние данные хедж-фондов), регулирование (барьеры для входа в традиционные финансовые рынки), авторитет человека (юридические заключения, аудиты) и физический мир (медленное развитие аппаратного обеспечения). Однако эти барьеры лишь замедляют изменения, но не останавливают их. Ключевой сигнал необратимости перемен — способность ИИ стабильно генерировать рабочий код и рекурсивно улучшать себя. В условиях неопределенности важно действовать на основе сигналов, а не ждать полной ясности. Действие создает информацию, которая ведет к итерациям и прогрессу. Окно возможностей быстро закрывается: через 4-5 лет новые стартапы вряд ли смогут конкурировать с гигантами, накопившими данные и expertise. Чтобы оставаться незаменимым, нужно превосходить ИИ в долгосрочном стратегическом планировании и управлении сложными системами.

marsbit03/15 05:36

Какие направления в эпоху ИИ все еще имеют «ров»?

marsbit03/15 05:36

活动图片