RU

Как мы внедряли ИИ на 500 инженеров, а скорость не росла. Часть 2. Почему AI-first команды не делают нас быстрее

В первой части статьи мы пришли к выводу, что само использование ИИ не ускоряет инженерную систему. Можно вырастить MAU LLM, потом MAU API, раздать лю…

agentic engineeringai-first командыкодинг-агентыllmsdlcmau apiинженерная эффективностьхакатоныворкшопыharness
Хабр — Управление
RU

Как мы внедряли ИИ на 500 инженеров, а скорость не росла. Часть 1. Рост использования не равен ускорению разработки

ИИ в разработке сейчас внедряют почти все. Кто-то подключает чат, кто-то раздаёт доступ к кодинг-агентам, а кто-то обучает свои модели. На графиках по…

внедрение иикодинг-агентыllmagentic engineeringsdlcинженерные метрикиlead timethroughputdefect rateadkar
Хабр — Управление
RU

AI предлагает, мержу я: почему я не даю агенту последний ход

TL;DR. Я не пытаюсь сделать кодинг-агента самостоятельным разработчиком. Я задаю для него процесс: SPEC → PLAN → TEST → CODE → REVIEW → LEARN , артефа…

AI-агентыкодинг-агентыLLMClaude Codecode reviewspec-driven developmentавтоматизация разработкиинженерные практикиmap-frameworkarxiv
Habr
RU

Пишем кодинг‑агента на Swift с нуля: неочевидные сложности очевидной идеи

Я долго пользовался разными кодинг‑агентами, и на их фоне Claude Code для меня заметно выделялся: качеством решений, удобством работы и вним…

swiftai-агентыllmкодинг-агентыclaude-codeagent loopcontext managementtool callingуправление контекстомии
Habr
RU

Новый бенчмарк по кодингу для LLM ProgramBench: 9 топ моделей, 200 задач, 248 тысяч тестов. Полностью решённых — ноль

200 задач. 248 тысяч тестов. Девять моделей, среди них всё свежее: Opus 4.7, GPT 5.4, Gemini 3.1 Pro, Sonnet 4.6. На SWE-bench те же модели берут 70 %…

ProgramBenchбенчмаркLLMкодинг-агентыSWE-benchvibe-codingopus 4.7GPT-5.4