AIStudy - научитесь работать с AI-агентами

Ещё недавно у меня на компьютере одновременно были открыты несколько вкладок с нейросетями. Одна рисовала картинки. Другая делала короткое видео. Третья помогала с текстом. Где-то ещё висела музыка. И почти у каждой — своя подписка, свой «лимит на месяц» и свой способ оплаты. Сначала казалось, что так и надо. Мол, у серьёзных людей серьёзный набор инструментов. Потом я заметил простую вещь: я трачу время не на работу, а на переключение. Где был удачный запрос? Какой картой я платил вчера? Почему сегодня сервис внезапно просит другую карту или VPN? В какой-то момент я понял, что плачу не за нейросети, а за зоопарк...

Разбор операционного слоя production-проекта, который восемь месяцев строили пятью CLI-агентами: что физически появляется в репозитории, как это устроено в папках и в гите, и что из этого приходится вести руками. Есть один production-сервис — генерация изображений и видео плюс встроенный чат на подписке. Его историю видно покоммитно: 1228 коммитов, 8 месяцев, пять CLI-инструментов, работавших над ним в разное время — Claude Code, Codex, Kimi, Gemini через Antigravity и по касательной DeepSeek. На этом материале видно то, что обычно скрыто за словами о том, что «код теперь пишут агенты». У проекта,...

Что на самом деле ломается в production с AI-агентами — и как перестать наступать на одно и то же. За полгода ежедневной работы с AI-агентами на пяти проектах накопилось больше восьмидесяти задокументированных производственных инцидентов. Я разложил их по семи повторяющимся классам. Это постмортем условий, которые гарантированно приводят к поломке, а не список ошибок конкретного агента. За полгода ежедневной работы с AI-агентами на пяти проектах у меня накопилось больше восьмидесяти задокументированных производственных инцидентов. Не «ой, забыл точку с запятой» — а настоящие: молчаливая потеря...

Когда вы запускаете модель в production, через месяц что-то начинает идти не так. Маршрутизация запросов ошибается, дедупликация путает разное, антифрод блокирует нормальных клиентов. Вы читаете про новую модель — там красивые цифры, рейтинги, обещания. Только с вашей реальностью они не сходятся. Вопрос «какая модель лучше?» — неправильный. Правильный — «как замерить под мою задачу?». Чужие рейтинги проверяют общее, ваша задача узкая. Бенчмарки проверяют общие умения: написать код, ответить на экзамен, перевести фразу. Но ваша задача намного конкретнее — например, определить, связаны две записи или нет...