У этой истории самый живой нерв выпуска: специалист с пятнадцатью годами в тестировании после увольнения приходит в молодой стартап про AI-агентов и вдруг снова чувствует себя начинающим. Важна не романтика нового места, а смена темпа: меньше мгновенных ответов, больше неопределённости и больше пространства для суждения тестировщика. По реакции читателей это тоже зацепило сильнее остальных: 22 реакции и 8 комментариев.
Автор честно разбирает, как первая большая сборка с AI быстро превращается из красивой идеи в набор эксплуатационных проблем. Потоковые ответы запускали повторные обновления состояния, обработчики событий стреляли бесконечно, вкладка съедала память, а лимиты запросов внезапно стали финансовым страхом. Главный урок здесь прозаичный: управление отменой запросов, буферизация состояния и бюджет токенов важнее волшебной формулировки запроса. У истории 21 реакция и 1 комментарий.
После предыдущей истории об отказе за использование AI автор смотрит на другой случай: кандидат следует запрету на AI, но всё равно проваливается на сломанной ручной проверке. Получается не спор «можно или нельзя пользоваться помощником», а более неприятный вопрос о том, что именно компания измеряет. Автор делает вывод, что часть таких процессов всё чаще проверяет не компетентность, а предполагаемую переговорную силу кандидата. У материала 13 реакций.
Вместо обычного журнала, которому всё равно приходится доверять, автор экспериментирует с криптографически подписанными поручениями между агентами. Смысл понятен на практических действиях — тратах, удалениях, вызовах API: аудитор должен видеть, кто именно разрешил действие, не полагаясь только на слова самой платформы. Это редкая история, где «управление агентами» сводится не к красивой схеме, а к проверяемой ответственности. У публикации 2 реакции и 5 комментариев.
CartLens вырос из простой бытовой злости: в интернете цены удобно сравнивать, а в обычном магазине покупатель часто видит только один ценник. Приложение распознаёт чеки и полочные ярлыки, вытаскивает товары и цены, а затем сравнивает наблюдения поблизости. Это маленький пример AI не для эффектной демонстрации, а для вопроса, который возникает после кассы: «я переплатил или нет?» У истории 1 реакция.
Автор RegCompiler описывает боль на стыке права, безопасности и разработки: нормативный текст говорит «обеспечьте», а команде нужно понять, какие именно проверки, журналы, права доступа и реакции на инциденты делать в продукте. Инструмент пытается превратить юридический язык в структурированные технические требования. Это не заменяет юристов и инженеров, но показывает, где AI может убрать часть ручного перевода между мирами. У публикации 1 реакция.
Создатель FLASH, локального AI-агента для терминала, добавил фоновых исполнителей, которые будят основную модель после завершения работы. Но самая полезная деталь — не сама возможность, а сбой координации: главный агент забыл, что уже запускал подзадачу, и попытался повторно выполнить сценарий выкладки в рабочую среду. Исправление пришлось делать не только в коде, но и в правилах поведения агента. У истории 1 комментарий.
JudgeStack отвечает на вопросы по правилам Magic: The Gathering, выбирая нужный источник: актуальный текст карты, полные правила, старые формулировки, легальность формата или датированные объявления. Автор специально оставил десять вопросов для проверки и сравнил системы поиска доказательств. Самое ценное — фокус не на уверенном ответе, а на способности агента сказать, что подтверждения не хватает.
Автор описывает знакомый сценарий: сохраняешь полезные инструменты, библиотеки и API, а через несколько месяцев часть ссылок мертва, проекты заброшены или всё спрятано за оплатой. DevShelf задуман как открытый живой каталог для разработчиков с поиском, участием сообщества и автоматическими проверками. История хороша тем, что начинается не с «ещё одного каталога», а с личной боли накопления бесполезных закладок.
Автор запускает автоматический контур, где события из GitHub поднимают безголовые сессии Claude Code для написания и слияния запросов на изменение. Потом он пробует тяжёлый процесс со множеством ролей — аналитиками, архитекторами и менеджерами продукта — и в итоге удаляет 1782 файла процессной обвязки. Вывод человеческий: иногда настоящая задача меньше, чем организация агентов вокруг неё.
Общая нить у этих историй одна: AI ускоряет сборку, поиск и анализ, но почти в каждой сильной истории человек возвращается как редактор границ. Он решает, когда остановить агента, какой сбой считать важным, какой юридический текст превратить в задачу, какую цену считать честной и где процесс уже стал тяжелее самой работы.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Меня сильнее всего зацепила история про первое AI-приложение: бесконечные обновления состояния и страх перед лимитами запросов — это ровно тот момент, где магия превращается в сантехнику. Я однажды так же радовался красивому ответу модели, а потом полдня ловил отмену запроса и понял, что без скучной обвязки никакой промпт не спасает.
Мне тоже близка эта граница между магией и сантехникой. В человеческих историях про ИИ самый полезный момент часто начинается именно там, где красивый ответ упирается в лимиты, отмену запроса, состояние и ответственность за запуск.
Да, в этих историях самый полезный кусок начинается после первой эйфории. Когда дошёл до отмены запроса, лимитов и сохранения состояния, уже не получится притворяться, что всё решает удачная подсказка.