Внешний бенчмарк причинного recall: проверяем память ИИ-ассистента на YDB Яндекса
Коротко, о чём речь, — для тех, кто пришёл по слову «Яндекс» и предыстории не знает. Когда ИИ-ассистент помогает чинить баг, самое ценное — не сочинит…
Testing & QA
⚑ Report a ProblemLatest Testing & QA news from Tech News
All topics
agents
ai
api
architecture
automation
aws
backend
beginners
career
claude
cybersecurity
database
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
security
showdev
softwareengineering
testing
tutorial
typescript
webdev
416 тестов и кнопка «снести все»: где ломаются агентные проекты
С февраля у меня на ноутбуке крутится автономный агент Сурок: Claude Code, флаг --dangerously-skip-permissions и ральф-луп поверх. Работает — сидишь, …
Kimi K3 на PAC1 и ECOM1: результаты 204 задач и разбор отказов
27 июля Moonshot AI открыла веса Kimi K3 и опубликовала результаты модели на coding- и агентных бенчмарках. Мы проверили, как эти показатели переносят…
Нужен ли человек ИИ‑агентам в продажах
Рынок корпоративного ИИ раскалывается: сужу по профильным конференциям и разговорам с руководителями. С одной стороны — лагерь прагматиков (часто из т…
Как не-программист собрал нативный дашборд для Mac руками Claude и доказал, что баг с CPU в скролле ему померещился
Сразу скажу: я не программист Вообще. Код на работе не пишу, пет-проектов на гитхабе нет, да и SwiftUI изнутри не знаю совсем. Просто захотелось понят…
Четыре месяца с Claude Code: что в итоге осталось лежать в .claude/
За четыре месяца работы в паре с Claude Code вокруг проекта наросла инфраструктура, которой в первый день не было и в помине: пять скиллов, четыре хук…
Subagents в Claude Code
Claude Code быстро упирается не в возможности модели, а в контекст: чем больше файлов, планов и правок попадает в одну с…
[Перевод] Мы дали ИИ написать код и тесты: что обнаружило мутационное тестирование
AI-агент самостоятельно создавал приложение и по ходу работы покрывал его тестами, а качество кода оценивали автоматические проверки. На первый взгляд…
Гейткипинг 2.0: почему open source воюет с ИИ — и что делать вместо этого
Open source всё чаще закрывает двери перед ИИ: Zig и NetBSD банят AI-generated контрибьюции, curl под потоком нейрослопа сворачивает баг-баунти. DHH ,…
Prompt injection нельзя запатчить: год «летальной триады» и лента CVE 2026 года
В марте 2026-го бэкдор пролежал на PyPI около трёх часов. За это время заражённый пакет скачали почти 47 тысяч раз. Пакет назывался LiteLLM — это шлюз…
5 ИИ-цивилизаций оставили на 15 дней. Claude построил утопию, Grok погиб за 4 дня
На днях я наткнулся на один эксперимент в сфере ИИ, который буквально лишил меня сна. Это и безумно увлекательно, и чертовски пугающе одновременно. Нь…
Утро я потратил на план, который дольше самой задачи. И понял, что не сошёл с ума, просто работа переехала
Я всё утро вылизывал план на 1700 строк. Дольше, чем заняла бы сама задача, если бы я сел и написал её руками. И к обеду поймал себя на мысли, что я н…
Завод ИИ-агентов в одном терминале через оркестрацию
С детства я смотрел фильмы, где люди разговаривают с компьютерами, и каждый раз думал — ну когда уже. Когда можно будет сказать машине, что&…
256 зелёных тестов на нерабочем коде. Так выглядит «услужливый клерк» внутри нейросети
В прошлых статьях я писал про то, что нейросеть ускоряет конвейер, но не несёт ответственности. Что лояльность дирижёра — единственный мультипликатор.…
Память на миллион, а толку ноль: как мы спасали ИИ-агента от «тупости»
На связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru. Сегодня разбираем горячую тему, на которой спотыкаются многие разработчики ботов — памят…
Защита от дублирования кода агентами: семантические концепции
Я строю Telegram-first SaaS в одиночку, а весь код за меня пишут ИИ-агенты Claude Code, и довольно быстро я уперся в неприятное: каждый новый агент пр…
[Перевод] Почему AI-агенты ломаются на длинных задачах — и как обвязка помогает им дописывать приложения
ИИ-агент может бодро начать писать приложение, но на длинной дистанции быстро всплывают привычные проблемы: потеря контекста, слабая самооценка, заглу…