Реальный AI: от теории к практике

Недавно я увидел конкурс от сетки, где авторов попросили рассказать о своих профессиональных привычках, и решил поделиться своей. Я разработчик, поэтому мои главные навыки строятся вокруг программирования. У меня всё просто — я программирую каждый день. Выбираю задачу, какой-то кейс или оптимизацию, и просто делаю. Либо пишу посты. В программировании мне важен не столько результат, сколько процесс, поэтому задачу каждый раз подбираю интересную. Сейчас, например, делаю модель прогноза цен на следующий период — заодно пересматриваю современные техники, которые можно запустить на обычном ноутбуке с видеокартой и процессором.
Эта привычка не просто про дисциплину. Исследования показывают: разработчики, которые перекладывают мышление на ИИ, хуже справляются с диагностикой ошибок и пониманием базовых концепций. В одном из экспериментов пользователи ИИ показали на 17% более низкие результаты в тестах на понимание кода по сравнению с теми, кто писал вручную. Это называют когнитивной разгрузкой — полное делегирование мыслительных процессов машине. Моя ежедневная практика без ИИ — прямая противоположность такому сценарию.
Если не программирую и не пишу посты, читаю книги. У меня есть полка с непрочитанными, сейчас читаю «Книгу дракона» — учебник по компиляторам. Кто-то спросит: зачем, если есть ИИ, вайб-кодинг и прочее? Всё просто — чтобы точно понимать, как и что работает, иметь стройную ментальную модель, а ещё это профилактика когнитивных искажений и возрастных изменений. Наука на моей стороне: чем больше люди полагаются на генеративные инструменты, тем меньше у них развито критическое мышление. Microsoft Research обнаружила, что высокая уверенность в ИИ коррелирует со снижением критического мышления, тогда как уверенность в собственных силах — с его ростом. Чтение фундаментальных трудов — это тренировка той самой уверенности в себе.
Есть исследования, которые показывают: продолжительные занятия укрепляют интеллект и позволяют дольше оставаться в тонусе. Годы, потраченные на учёбу, повышают интеллект примерно на 1–5 пунктов в год. Я придерживаюсь философии, где важно полагаться на себя, вкладывать в себя и развиваться. Именно ежедневными занятиями я смог раскачать технические и математические навыки. Делая по одной олимпиадной задаче каждый день, за год вошёл в топ-1 на Codewars.
Это не просто хобби. Использование ИИ ускоряет написание кода, но замедляет развитие глубоких навыков — особенно отладки и концептуального понимания. Выигрыш в пару минут может стоить потери глубокого понимания. Решая задачи вручную, я тренирую те самые навыки, которые атрофируются при полном делегировании. Кроме того, привычка писать посты — это форма рефлексии и публичного обсуждения, которая сохраняет глубину мышления. Исследования фиксируют: разработчики с ИИ задают меньше вопросов и хуже усваивают материал, чем при работе в паре с человеком. Мои тексты — это способ оставаться в диалоге с собой и аудиторией.
Получается, мои привычки — не просто рутина, а осознанная система защиты от негативных паттернов влияния ИИ. Когнитивная разгрузка, атрофия критического мышления, деградация навыков отладки, vibe coding и потеря экспертизы — всё это реальные риски, подтверждённые исследованиями. Ежедневная ручная практика, чтение фундаментальной литературы и рефлексия через тексты позволяют им противостоять. ИИ — это инструмент, а не замена мышления. Те, кто сохраняет привычку думать самостоятельно, останутся востребованными даже в эпоху самого продвинутого ИИ. Как показывают данные, способ использования ИИ важнее самого факта его использования.
#вформе

Как я перестал бояться и полюбил архитектурную энтропию: рецепт упреждающей инженерии
Осознав масштаб проблемы, я перешёл от реактивной уборки к тому, что называю упреждающей инженерией. Вместо бесконечных ручных чисток в репозитории поселились три скрипта статического аудита. analyze_openapi_entities.py строит матрицу связей сущностей, показывая, какие из них реально используются, а какие — мёртвый груз. find_frontend_orphans.py выискивает компоненты и хуки, не импортируемые нигде, кроме самих себя. analyze_backend_data_flows.py классифицирует каждый эндпоинт по типу доступа к базе и подсвечивает дублирующиеся маршруты. Все отчёты генерируются автоматически и блокируют PR, если артефакты устарели.
Параллельно мы зафиксировали принцип единого источника истины. OpenAPI-спецификация теперь генерируется напрямую из FastAPI-кода, а не пишется вручную. Утилита Orval на её основе создаёт типизированные хуки для фронтенда — так мы избавились от ручного fetch. DBML-диаграмма базы синхронизируется с SQLAlchemy-моделями. Матрицы сущностей и потоков данных не правятся руками — только генерируются. Это исключило расхождение документации и реальности.
Жёсткие конвенции добили оставшиеся лазейки. Скрипт check-no-raw-fetch.sh отклоняет PR, если видит прямой fetch. Для оптимистичных обновлений в UI заведён канонический шаблон с обязательными onMutate, onError и onSettled — никаких падений с 500-й ошибкой. Каждая миграция API завершается командой make generate-api && npx tsc --noEmit. На бэкенде включены mypy strict и Pydantic v2, на фронте вычищены все неявные any (16 файлов, +232/-89 строк) и активирован строгий режим TypeScript. Предметно-ориентированное проектирование и денормализация позволили выделить настоящие агрегаты и радикально сократить число сущностей, убрав дублирующие таблицы и связи.
Результаты не заставили себя ждать. За двое суток (3–5 августа 2026) число таблиц сократилось с 23 до 10 (–57%), 27 миграций объединились в одну, а строки миграционного кода упали на 92%: с 3000 до 227. Из API ушли дублирующие маршруты, ещё 70 устаревших эндпоинтов запланированы к удалению. С фронта исчезли 56 файлов-призраков, все вызовы API теперь идут через сгенерированные хуки. Ноль неявных any, оптимистичные обновления работают надёжно, а аудит стал детерминированным — вместо «кажется, надо почистить» мы получили точные метрики.
Разумеется, сама энтропия никуда не делась: стохастичность LLM не отменить. Однако теперь она видна заранее, а не всплывает внезапно в продакшене. Главный урок, который я вынес: инструменты должны генерировать истину, а люди — задавать правила. Да, на это потребовалось 2274 строки инфраструктурного кода, но теперь каждый PR проверяется автоматически, и разработка с агентами стала предсказуемой. Если вы тоже тонете в агентном хаосе, начните с малого: одна кодогенерируемая схема, один скрипт аудита, один чек-лист. Энтропия отступает ровно в тот момент, когда у неё забирают право быть незаметной.

Почему ваш AI-агент плодит хаос, а не код (и при чём тут фаза луны)
Когда я в очередной раз запустил оркестр агентов, чтобы быстро собрать клиентское приложение, главная боль заключалась не в том, что модель не умеет программировать. С этим LLM справляются давно. Настоящая проблема — архитектурный дрейф, который незаметно разъедает проект изнутри.
Машина воспринимает каждый диалог как изолированный фрагмент смысла. Ответ зависит от последовательности токенов, фазы луны, цвета клавиатуры и знака зодиака. Даже при низкой температуре одна и та же просьба может быть понята по-разному. Пока вы работаете в одном файле — мир прост. Но когда проект разрастается до пяти докеров в кластере, сотни роутингов, пятисот компонентов и трёх десятков таблиц, модель начинает теряться в хитросплетениях. Вам приходится следить за этим разнородным массивом: достаточно использовать синоним в промпте, и агент дорисует лишнюю страницу, модалку или целый дублирующий сервис — просто из желания угодить, даже если настроены линтинг, тесты и документация.
Именно это случилось в моём проекте. Я доверился LLM — и вместо 12 эндпоинтов получил сотню, вместо нескольких сущностей развелось 23, а на фронте нашлось 56 неиспользуемых компонентов. API-маршруты /me, /users/me, /api/v1/me вели к одному и тому же ресурсу; после миграции events → activities фронтенд догонял бэк четырьмя заплатками подряд. База данных обросла 27 миграционными файлами почти на 3000 строк, а таблицы вроде user_contents и event_attendees существовали только сами для себя. Дрейф проявлялся во всём: дублировались схемы, устаревала документация, а ручные fetch() обходили сгенерированный API-слой.
Я быстро понял, что это не единичный случай. По данным ряда исследований 2024–2026 годов, зависимость кода от формулировок оказывается критической. При семантически эквивалентных промптах структурно различный код генерируется в значительном проценте случаев. Если в запросе мелькают синонимы или несогласованные термины (скажем, «юзер», «клиент», «аккаунт» для одной сущности), вероятность разрастания системы кратно увеличивается.
Отдельный пласт — влияние «неинженерных» промптов. Когда в индустрию приходят люди без технического бэкграунда, пишут с ошибками или смешивают языки, модель начинает перестраховываться, что ведет к избыточности кода. Даже добавление вежливых оборотов, как показывают наблюдения, может увеличивать число создаваемых файлов — модель бессознательно воспроизводит паттерны развёрнутых ответов из обучающих данных.
Глобальная статистика (по данным сервисов мониторинга AI-кода) подтверждает масштаб: в проектах до 10 файлов дрейф составляет около 6%, на 50–100 файлах — уже 19%, а при >500 файлов 28–35% кодовой базы — это «дрейфовый шум». Причём 60% шума порождено всего 15% самых неоднозначных промптов. Разрыв между опытными разработчиками и новичками (14% против 29%) почти исчезает, если в проекте применяются строгие шаблоны запросов и автоматическая генерация из единой спецификации.
Вывод очевиден: дрейф — не персональная неаккуратность, а фундаментальное свойство стохастических моделей, помноженное на хаос человеческих формулировок. Единственный способ жить с этим — перестать надеяться на идеальные промпты и встроить автоматический контроль прямо в процесс разработки. О том, как я это сделал и что из этого вышло, — во второй части.

В 40 лет с синим дипломом бакалавра Бауманки.

В прошлом году я получил синий диплом бакалавра МГТУ им. Баумана, кафедра ИУ7. Защита была непростой, с эксцессами — совсем не как защита юриста.

Многие спрашивают: зачем в 40 лет идти в бакалавриат? Ты же директор, столько времени просрал. Честно говоря, меня задолбал синдром самозванца. Ты всегда немного сомневаешься в себе и постоянно думаешь: «А что было бы, если бы у меня был диплом?». Даже проходя очередной курс от Udacity, продолжаешь сомневаться в себе и своей базе. И вот что скажу: даже несмотря на 14 лет продакшена за плечами, опыт настройки сетей, знание устройства модемов наизусть и решение олимпиадных задач — в Бауманке было больно. Особенно с учетом совмещения с работой и рождением сына.

Сдать всё на отлично и вовремя — почти невозможно. В одиночку — невозможно. Всё изучить — невозможно. Бауманка учит выплывать вопреки.

Я нарушил один из принципов обучения — обучение в группе. Пошёл по хардкору, чтобы проверить себя, и поэтому делал всё сам. Списал за всё время 1–2 раза, и то без толку. Остальное решал сам, почти не спрашивая. Хотел понять, на что способен. Понял — на многое.

Апофеозом стал диплом. Тогда я вообще не знал, что хочу делать, и попросил Кирилла Леонидовича выбрать тему за меня. Он предложил. Я не знал, как это решать, но взялся. Более того — он мне даже не помогал. Просил — сбегал. И я ему за это благодарен. Писал без нейросетей, по старинке.

Год спустя решил прогнать этот проект через Minimax с оркестром агентов: подсобрать, стереть пыль, доработать замечания комиссии. Получилось, мне кажется, неплохо. Надеюсь, кому-то пригодится.

Что зацепило: коммерческая разработка часто сводится к перекладыванию сущностей. Задачи слишком простые и неинтересные — их можно делать по дороге в зоопарк. Я, кстати, пару раз так и делал: надиктовывал решение на скорости 100 км/ч ночью в лесу по дороге в Тверь на диктофон. И от этого, если честно, грустно.

А в дипломе было что-то настоящее. Китайская модель помогла рефакторить код и указала на слабые места — на уровне профессоров. Очень горжусь китайскими разработчиками, которые создали такой инструмент.

Именно этот гибрид — инженерная закалка Бауманки и умение оркестрировать AI-агентов — позволяет мне сейчас вытаскивать проекты, где обычное «перекладывание сущностей» не работает. Если ваш AI-продукт уперся в потолок и требует настоящей глубокой проработки — вы знаете, к кому идти.

Вывод простой: иногда делаешь вещь не для работы, а для себя. И именно такие вещи вызывают настоящее чувство удовлетворения.

Знакомо? Когда годы продакшена не спасают от мысли «а вдруг я недостаточно хорош»? Как вы справляетесь со своим синдромом самозванца — закапываетесь в хардкор или находите другие способы?

#бакалавриат #бауманка #ИУ7 #диплом #AI #агентнаяразработка

🚀 Меня зовут Максим Богуславский. Я проектирую AI-системы, которые приносят деньги, а не хайп.

19 лет в IT: от монтажника и самоучки до CTO и основателя AI-компании. За спиной — MBA, юриспруденция, инженерный бэкграунд и десятки живых проектов в FinTech, EdTech, Logistics и Mobility.

Что я умею такого, чего не умеет обычный разработчик или консультант:
1. Вижу картину целиком: от безопасности и бюджета до архитектуры и переговоров с заказчиком.
2. Строю агентные системы по принципу «скелет + мозг» — предсказуемый детерминированный каркас и управляемый LLM-слой.
3. Считаю деньги: мои клиенты сокращают расходы на API-токены и инфраструктуру на 20–60% без потери качества.
4. Работаю по модели fractional CTO: включаюсь в кризисные проекты и довожу до результата без раздувания штата.

Почему я один:
Я проповедую принцип «есть свою собачью еду». Все мои советы по оптимизации сначала проверены на себе. В моей компании нет раздутого ФОТ, офиса и «менеджеров по вайбу» — только я, мои AI-агенты и точечно привлекаемые спецы под задачу. Это даёт вам скорость и честную цену.

Здесь я пишу о:
1. архитектуре агентных систем (MCP, оркестрация, промпт-инжиниринг),
2. реальной экономике AI (цифры, кейсы, грабли),
3. управлении проектами без «базар-вокзала».

Если у вас:
• проект буксует, а AI-подрядчик не вывозит,
• счета за API пугают, а результат не радует,
• нужно спроектировать агентную систему с нуля или вытащить из кризиса текущую - напишите мне в личные сообщения. Разберём вашу ситуацию.

19 года в IT: как опыт, который не помещается в резюме, стал моим главным активом

С 2007 года я работаю в индустрии. За это время сменил несколько доменов - EdTech, FinTech, Mobility, AI, GameDev, Logistics - и накопил набор компетенций, который сложно описать одной строчкой. Продажи, юриспруденция, кибербезопасность, MBA, инженерная и продуктовая практика - навыки, которые вызывают разумное сомнение у HR при первой встрече вместе с некоторым сомнением в моей целеустремленности.

Последние 7 лет мне постоянно приходится кромсать свой опыт, так как большинство вакансий требуют либо «AI-разработчика», либо «продакта в FinTech», либо «методолога EdTech». А что делать, если в понедельник ты проектируешь агентную CRM, во вторник считаешь юнит-экономику AI-функций для образовательной платформы, в среду разбираешь legal design требований 152-ФЗ, а в четверг применяешь кейсы из Mobility, чтобы найти архитектурное решение? Ведь именно такие кейсы встречаются в стартапах и компаниях до 200 человек.

Сейчас я занимаю позицию учредителя, генерального и технического директора в компании, разрабатывающей AI-решения. Поэтому при работе с клиентом приходится управлять полным циклом: от бюджета в 638 млн рублей и безопасности до людей и продукта. Недавно как fractional-CTO я взял кейс: десять B2B-контрактов находились на грани расторжения. Чтобы сохранить шесть из них, требовалось одновременно:

- разговаривать с заказчиками на языке бизнеса (переговоры и MBA),
- оценивать обязательства и риски (юридический бэкграунд),
- перестраивать оркестрацию агентов в ERP через MCP-серверы и промпт-инжиниринг (инженерная и AI-экспертиза),
- закладывать архитектуру, которая выдержит промышленную эксплуатацию (кибербезопасность и продуктовое мышление).

Ни одна из этих компетенций по отдельности не решила бы задачу быстро, так как потребовались бы доп люди и раздувание ФОТ. Сработала именно их синергия.

Дальше — выход из кризиса поставки: мы прошли путь от нуля до регулярных релизов. Я нанял двух ключевых инженеров (управленческий навык), провёл технический аудит и встроил контроль качества там, где его раньше не существовало: версионирование промптов, аналитика поведения агентов, юнит-экономика. Попутно сократили количество контейнеров на 60% и снизили расходы на токены. Параллельно готовили продукт к запуску: платёжные шлюзы, нагрузочное тестирование, анализ безопасности — области, в которых опыт FinTech и юридической практики оказался незаменимым.

Проекты последних месяцев были очень разными: agentic CRM для строительной отрасли, RAG-система семантического поиска для лингвистов, рекомендательные сервисы для EdTech, Low-Code / No-Code агентная сеть. И в каждом случае помогала не абстрактная «технологическая эрудиция», а насмотренность, накопленная в Mobility, FinTech и образовательных продуктах. AI — сквозной инструмент, но отраслевая память превращает его из прототипа в рабочий сервис, который приносит деньги.

Именно эта гремучая смесь вывела меня в эксперта по созданию курсов по ИИ для руководителей. Потому что захотелось преподавать и потому что через меня прошёл поток реальных внедрений. Теперь я упаковываю этот опыт в образовательные траектории для топ-менеджмента — EdTech, выросший из FinTech, Mobility и AI. Такой гибрид сложно отразить в резюме, но именно за ним обращаются клиенты.

Я до сих пор не знаю, как упаковать этот путь так, чтобы он корректно считывался автоматическими фильтрами карьерных платформ. Вероятно, никак. Но рынок — особенно в турбулентное время — платит не за умение точно попасть в ключевые слова, а за способность удерживать картину целиком: от бэкенда до бюджета, от безопасности до отраслевой специфики, от инженерной детали до продажи.

Мой опыт - попытка выживания в 90х и 2000х из самоучки в технического эксперта, который в нужный момент позволяет решать задачи любой сложности за короткий промежуток времени. Если вы тоже чувствуете, что ваш профессиональный путь шире стандартных описаний, - давайте обсуждать. Возможно, проблема не в нас, а в слишком узких рамках, которые пока не учитывают мультиролевых специалистов.

Не ИИ, а «Емели»: почему деградация менеджмента разрушает индустрию (программисты тут ни при чём)

В русском фольклоре есть персонаж Емеля — парень, который лежит на печи и ждёт, что всё сделается само, по щучьему велению. Сегодня это архетип целого класса IT-менеджеров. Они не умеют управлять скоупом, не считают экономику, не понимают инженерной культуры. Но главное — они ищут не экспертизу, а «вайб» или «мэтч», веря, что правильная энергия и культурное совпадение важнее профессиональных навыков.

Этот тип массово захватил управленческие позиции, и у него появилось новое оружие — ИИ. Не против инженеров, а против самой инженерии.

ИИ как «щучье веление»
Данные не подтверждают истерику о том, что ИИ заменяет программистов. SignalFire (2026): инженеры — 55% новых наймов в тех-гигантах, исторический максимум. Спрос на квалифицированных разработчиков растёт. Дженсен Хуанг, CEO Nvidia, сказал прямо: «Маловероятно, что вас заменит ИИ. Вас обойдёт человек, который умеет его использовать».

Проблема не в технологии. Проблема в том, как её использует Емеля. Для него ИИ — та самая волшебная щука, которая должна исполнить любое желание без его участия. А раз так, зачем вообще напрягаться?

Атака на джуниоров: «печь» стала уже
Логика Емели-менеджера проста: «Сеньор с ИИ делает задачу джуниора за часы. Зачем нам джуниор?» И он прав — сегодня. Завтра станет некому стать тем самым сеньором.

Цифры жёсткие: в США количество junior-позиций рухнуло вдвое от пика 2022-го. Занятость разработчиков 22–25 лет упала на 20% (Stanford). Буткемпы, обещавшие 72% трудоустройства, скатились к 18%. Емеля не экономит — он уничтожает лестницу, по которой инженер годами карабкался от простых задач к архитектурным решениям.

Сеньор как надсмотрщик вместо мастера
Оставшихся сеньоров Емеля превращает в надзирателей ИИ-кода. Вместо созидания — бесконечный надзор за генерацией, которая «выглядит правильно, но ошибается». Сеньор-ремесленник становится конвейерным контролёром. Ирония: именно его глубокая экспертиза позволяет замечать эти ошибки, но использовать её по назначению ему больше не дают.

По данным Gartner (2025), CEO активно ищут способы сократить средний менеджмент с помощью ИИ. AI берёт на себя рутину, но не делает Емелю умнее. Напротив, теперь один Емеля с хорошим «вайбом» может управлять ещё большей командой, вообще не понимая, что происходит.

«Вайб» и «мэтч» против экспертизы
Это ключевой сдвиг. Емели нанимают и продвигают не тех, кто доказал свои компетенции, а тех, с кем «совпали по вайбу». Техническое собеседование заменяется вопросами про «культурный фит», а глубокая экспертиза воспринимается как угроза — слишком сложно, слишком непонятно, «ты просто не мэтчишься с командой».

Так управленческий класс замыкается в аквариуме с комфортной водой, где нет неудобных вопросов, нет архитектурных споров, нет критериев качества — только ощущение, что «мы классно вибрируем». Результат: решения принимаются не на основе данных и опыта, а на основе того, насколько идея «заходит» эмоционально.

Замкнутый круг деградации
Цепочка неумолима:
1. Емеля не разбирается в инженерии и ищет «мэтч», а не навыки.
2. Он убирает джуниоров — потому что «сеньор с ИИ дешевле и не спорит».
3. Сеньоры перестают строить и становятся контролёрами машин.
4. Новых сеньоров неоткуда взяться — джуниоров не обучают, «вайб» не растит экспертизу.
5. Качество падает, а ИИ продолжает генерировать код, ошибки в котором способен заметить только опытный глаз — и которого скоро не будет.

Индустрия, где управленцы — Емели, а инженерная культура подменена «вайбом» и верой в волшебного ИИ, через пять-десять лет окажется без тех, кто умеет строить. Это не прогноз, это данные 2025–2026 годов. Программисты тут ни при чём. Вирус — в менеджменте.

20 лет в разработке. MBA. «Бауманка». 10 лет в руководстве. И я устал, но...

Не от кода. Не от сложных архитектур. А от вечного «базар-вокзала», который в некоторых компаниях называют «корпоративной культурой».

Особенно там, где вроде бы пытаются сохранить дух стартапа, а сами уже — ентерпрайз на 2500 человек. Митинги ради митингов. Согласования ради согласований. И момент, когда Вася без технического образования вдруг ловит «озарение», как правильно делать авторизацию. Или почему синхронные вызовы — это ад. И ты сидишь и думаешь: «Господи, за что».

Я долго считал, что агентная разработка — это очередной хайп. Ну, такой же фейк, как «мы переходим на Agile» в департаменте из трёх тысяч человек. Но в прошлом году начал погружаться. И понял: не фейк.

Да, работает нестабильно. Примерно так же, как люди. Иногда сотрудники приходят на работу пьяными или под грибами — и ничего, терпим. LLM тоже глючит, галлюцинирует, путает языки. Но есть одно критическое различие.

Нет подковёрных решений.

С LLM ты хотя бы точно знаешь её особенности и пределы непредсказуемости. Она не играет в политику. Не копит обиду. Не «забывает» предупредить о риске, потому что «ну, я думал, это и так понятно». С ней ты — дирижёр. Или, если угодно, Аид. Подземный Зевс. Тот, кто не просто управляет, а властвует над самими основами процесса. Гефест куёт свои механизмы, а ты — решаешь, как они будут работать, без оглядки на чьё-то эго.

Я как архитектор хочу одного: свести дебильное общение к минимуму. Оставить только суть. И вот тут AI-агенты дают то, чего не даёт ни одна org structure: прозрачность без политики и исполнительность без переработок.

В моей текущей системе агент закрывает роли разработчика, ревьюера, девопса и даже продакт-менеджера. Я лишь задаю направление. И главное — больше никаких «озарений» от Васи. Есть зафиксированные правила, архитектурные решения и автоматический аудит того, что раньше приходилось вылавливать руками.

Это не волшебная таблетка. Это архитектура. Методология. Её нужно правильно выстроить, но когда она работает — ты перестаёшь быть пожарным и становишься создателем.

Если вам тоже надоел базар-вокзал и хочется обсудить, как перевести рутину на агентов, а себе оставить стратегию и архитектуру — напишите в личные сообщения. Я расскажу, с чего начать и какие грабли я уже собрал за вас.

Гибридный стек и трезвый взгляд на агентные системы

Предыдущие два поста подводят к центральному архитектурному принципу: агентная система должна состоять из двух чётко разделённых слоёв.

Первый — детерминированный скелет. Это код, базы данных, REST/GraphQL API, очереди сообщений, workflow-движки. Всё, что можно протестировать, верифицировать и гарантировать. Второй — недетерминированный мозг. LLM и промпты. Вся вариативность, которую мы допускаем, должна быть ограничена этим слоем, а его выходы обязаны проходить через жёсткие валидационные ворота обратно в скелет.

MCP и A2A в этом стеке — адаптеры, а не замена существующей инфраструктуры. За каждым MCP-сервером стоит проверенный API с контрактом. Агент получает доступ к инструментам, но не подменяет их собой. Ровно так же A2A (Agent-to-Agent) стандартизирует взаимодействие между агентами, но не отменяет необходимости в классических протоколах передачи данных.

Отдельное требование — observability как first-class citizen. К классическому distributed tracing добавляются LLM-специфичные метрики: токсичность, галлюцинации, стоимость задачи, количество вызовов инструментов. Принципиально важно отвечать не только на вопрос «что произошло», но и «почему агент принял такое решение». Без этого инженерная команда остаётся слепа.

HITL в критических точках и Event Sourcing для аудита решений — не опциональные украшения, а страховочные механизмы. Агент может предлагать действие, но не выполнять его без подтверждения, а каждое его решение должно быть сохранено как событие для последующего анализа и, при необходимости, отката.

Итог не новый, но отрезвляющий. Мы знаем, что агентные системы нестабильны, что промпты плывут, MCP-серверы падают, а оркестрация может превратиться в хаос. Однако мы знаем, как это исправить — не магией, а инженерной дисциплиной. Разделение скелета и мозга, валидация выходов, observability, контроль человека, событийный аудит. Это не хайп, это эволюционное расширение проверенных архитектурных паттернов. И именно в этом — зрелость AI-инжиниринга.

Оркестрация: workflow-движки против LLM-графов

Второй срез, где агентные системы вступают в конфликт с классической инженерией, — оркестрация.

Традиционные workflow-движки (Temporal, Camunda) строятся на жёстких схемах. Шаг A всегда предшествует шагу B, откат идёт по компенсационным транзакциям, идемпотентность гарантирована. Агентная оркестрация устроена иначе. Здесь оркестратором выступает LLM, которая динамически определяет последовательность действий. Паттерны ReAct, Plan-and-Execute, Supervisor + Workers, LangGraph-графы объединяет отказ от заранее заданной схемы в пользу рантайм-планирования.

Это даёт гибкость, недоступную классическим workflow, но плата за неё — потеря предсказуемости. Тот же промпт, тот же контекст — и агент может пойти по разным цепочкам вызовов. Он может зациклиться, выбрать нерелевантный инструмент, сгенерировать галлюцинацию. Метафора «русской рулетки» здесь описывает не эмоции, а реальный инженерный риск: отсутствие гарантий повторяемости.

Что из классики необходимо заимствовать в обязательном порядке:
1. Structured Output (JSON Schema). Без жёсткой валидации выходных данных агента любая последующая детерминированная логика обречена.
2. Hard checkpoints и Human-in-the-Loop. Критические действия — платежи, изменения в production, юридически значимые операции — не должны выполняться без подтверждения человека.
3. Retry с детерминированной логикой. Не всякая ошибка исправляется переспросом LLM; для некоторых операций нужен классический экспоненциальный backoff и fallback.

Отдельного внимания заслуживает попытка применить паттерн Saga к мультиагентным взаимодействиям. Если рассматривать каждое решение агента как событие, которое можно сохранить (Event Sourcing), мы получаем воспроизводимость, аудит и потенциальную возможность отката. Но реализация упирается в недетерминизм повторов (тот же промпт может дать иной результат) и объём данных. Тем не менее без этой базы мы даже не можем установить, почему агент ошибся. Event Sourcing для агентов — не серебряная пуля, а необходимый гигиенический минимум.

Агентный оркестратор, таким образом, не заменяет workflow-движок. Он надстраивается над ним. Сильный инженер оставляет жёсткий детерминированный скелет и позволяет LLM импровизировать только внутри проверенных, валидированных ворот.

Почему промпт не заменяет GraphQL, а MCP — не шина данных

Начинать разговор об агентных архитектурах стоит с отрезвляющего тезиса: промпт не является заменой ни агрегирующим запросам, ни GraphQL, ни контекстному поиску. Это распространённое упрощение, которое на практике ведёт к архитектурной деградации.

Промпт — слой интерпретации. Он получает уже собранные и переданные в контекст данные и объясняет модели, что с ними делать. Сам он не умеет обращаться к базе, строить join'ы и резолвить эндпоинты. Путать его со средствами доступа к данным — значит добровольно отказываться от контрактов, строгой схемы и предсказуемости.

Однако возникает закономерный вопрос: если промпт только интерпретирует, то каким образом агент динамически выбирает инструменты и источники? Здесь появляется Model Context Protocol (MCP) — и вместе с ним новая волна заблуждений. MCP-сервер описывают как замену шины данных и GraphQL, что технически некорректно.

MCP — это универсальный адаптер. Он предоставляет агенту стандартизированный интерфейс к трём сущностям: Tools (действия), Resources (данные), Prompts (шаблоны). Но под капотом MCP-сервер вызывает те же REST, GraphQL или SQL, а не подменяет их. Он не занимается трансформацией сообщений, не гарантирует доставку, не обеспечивает транзакционную целостность и, главное, не принимает решений о маршрутизации. Решение о том, какой инструмент вызвать, принимает LLM — недетерминированно, на основе описания.

Именно здесь возникает то самое «поле чудес и русская рулетка», о которых говорилось ранее: агент угадывает инструмент, а результат этого угадывания может быть как точным, так и разрушительным. MCP здесь выполняет роль стандартизированного слоя доступа, но не роль шины данных. Считать «агент + MCP» эволюцией ESB — ошибка. ESB обеспечивает детерминированную маршрутизацию по правилам; MCP обеспечивает стохастический выбор, ограниченный лишь качеством промпта и описаний инструментов.

Практический вывод: антипаттерн «заменили GraphQL промптом» не просто неточен, он опасен. Правильная архитектура подразумевает чёткое разделение: GraphQL и REST — для детерминированной работы с данными, промпты и MCP-адаптеры — для недетерминированного принятия решений. Агент без проверенной API-подложки беспомощен, а его «гибкость» превращается в генератор ошибок.

Парадокс управления при разработке AI-продуктов

Сейчас во все щели и дыры нам пихают ИИ. Мы массово переходим на генеративные инструменты, планируем продукты с GenAI, думаем о том, как сократить, переиспользовать и автоматизировать разработку. Бизнес этого хочет и мечтает. Но стоит нам начать использовать GenAI для общения с самим бизнесом — возникает любопытный парадокс. Нас тут же обвиняют в нейрослопе и brain rot.

За последние восемь месяцев я собрал минимум пять разных кейсов — заказная разработка, fractional CTO, консультации по исследованиям. В сумме с чужими наблюдениями из соцсетей складывается тревожная картина. Мы внедряем AI везде: анализируем ответы клиентов через генеративные модели, генерируем вопросы для коммуникации, работаем с суппортом, пишем тексты, проводим аудиты, создаём отчёты для начальства. Но когда тот же самый бизнес, который требует экономии, скорости и масштабирования, получает от нас AI-сгенерированное сообщение — он чувствует себя оскорблённым. Ему не хватает «человеческого общения».

Заказчик давит на экономию времени, требует ускорения и сокращения издержек. При этом сам же инициирует офлайн-встречи по старинке. И хочет общаться без диктофонов, без транскрибации, без «генеративных сообщений». Почему? Потому что «это уважение».

Я смотрю на стол, где перед каждым лежит телефон. Любой телефон — включённый или выключенный — это микрофон, процессор, хранилище, батарейка и сетевой адаптер. Мы всегда сидим с диктофоном. Приватность разговора, когда у всех на столе гаджеты и любой может начать запись, — оксюморон. Тем не менее иллюзия приватности и «живого» контакта перевешивает здравый смысл.

Тут я вспоминаю принцип Toyota из кайдзен: мы должны сами использовать свой продукт, чтобы прожить боли клиентов и на основе этого анализа улучшать продукт. Если ты строишь бизнес на GenAI-решениях, но тебя тошнит от GenAI-письма — значит, ты отказываешься есть собственную собачью еду. Но почему?

Разгадка, как выясняется, имеет научное обоснование. Свежие исследования 2025–2026 годов вскрывают системный психологический сдвиг.

Во-первых, Coman и Cardon (2026) опросили 1100 профессионалов и выявили «разрыв восприятия». Когда руководитель использует AI в письме с похвалой или обратной связью, сотрудники оценивают его искренность на 40–52% ниже, чем если бы письмо было написано вручную. Но собственное использование AI теми же сотрудниками не вызывает у них сомнений в искренности. Люди думают: «Я-то AI-текст проверяю и вкладываю душу, а руководитель — просто поленился». Двойной стандарт налицо.

Во-вторых, Hunter.io (2025) обнаружили парадокс холодных писем в B2B. 47% профессионалов говорят, что не ответят на письмо, если заподозрят в нём AI. Но 67% тех же самых людей, выступая в роли получателей, признают, что им всё равно, написано письмо AI или человеком, если оно релевантно. Мы боимся, что получатель накажет нас за AI, хотя на деле он наказывает только за плохой контент.

В-третьих, Hajder (2025) экспериментально доказал: сама по себе пометка «создано AI» снижает воспринимаемую подлинность сообщения, даже если получатель отлично знаком с AI и активно им пользуется. Это чистая эмоциональная реакция, которую не снимает рациональное понимание технологии.

Объединим: бизнес видит в нашем AI-письме не результат работы умного инструмента, а сигнал «мы не захотели тратить на тебя своё драгоценное человеческое время». Требуя от нас внедрять AI для экономии, заказчик невольно требует признать, что его собственное время не настолько ценно, чтобы на него тратили живого человека. А с этим смириться невозможно.

Значит ли это, что «есть свой продукт» в эпоху GenAI — утопия? Должны ли мы принять, что AI-коммуникация всегда будет восприниматься как угроза статусу, и оставить людям островок «настоящего» общения, даже если он технологически иллюзорен? Или наша задача — последовательно приучать бизнес к тому, что AI-сообщение — это и есть проявление уважения: мы потратили меньше рутины, чтобы освободить голову для сложных задач?

Что думаете вы? Вам знакомо такое отторжение — и с какой стороны баррикад вы его наблюдали?

Мой стиль работы с AI-агентом — это не магия и не «сгенерируй мне приложение». Это task plan-based метод:
1. Формулировка задачи с приоритетом.
2. Создание чек-листа (focus chain) — агент понимает, куда идти.
3. Фаза plan — исследование, CoT, валидация архитектуры.
4. Фаза act — быстрая реализация под присмотром.
5. Итеративная приёмка и движение по чек-листу до 100%.

Цифры показывают, что такой подход даёт предсказуемо высокий процент завершения, ничтожную стоимость, высокий темп итераций и минимальный оверхед на переделку. Конечно, данные не идеальны: метрики churn (реального переписывания файлов) пока не собираются, и без них я не могу утверждать, что модель не переписывает одно и то же. Но косвенные признаки — высокий процент завершённости, быстрые итерации, малое активное время — скорее свидетельствуют о том, что переписываний немного.

Если вы слышите «вайб-кодинг» и представляете хаотичное «сделай красиво», мои 787 задач показывают обратное: за фасадом простого общения с агентом стоит строгая система планирования, приоритезации и рефлексии. Именно она позволяет превратить AI в производительного напарника, который не просто отвлекает, а методично закрывает пункты бэклога — быстро, дёшево и с понятным результатом.

Привет. Я изучил все 787 ваших диалогов с Cline за четыре месяца и готов рассказать, как на самом деле выглядит работа с AI, когда в её основе лежат не хаотичные «вайбы», а дисциплина планирования, исследовательские цепочки мысли и прозрачная система приоритетов.

Начну с цифр:
1. 93,3% задач содержали структурированный план (focus chain) — чек-лист шагов.
2. 82,6% задач были полностью завершены по этому плану.
3. Медианное время активной работы на задачу — 13,8 минут.
4. Медианный интервал между сообщениями — 43 секунды.
5. Средняя стоимость одной задачи — $0,017.

Главное, что опровергает миф о «вайб-кодинге» в моём случае, — статистика focus chain. Практически каждая задача (93,3%) начиналась с создания или активации чек-листа: разбивка на атомарные шаги, дедолжные привязки к бэклогу (TASK-RICE-006 и подобные), явная приоритезация. Модель не просто получала размытое пожелание, а работала в рамках заранее сформулированного плана.

Результат — 82,6% задач доведены до полного выполнения всех пунктов. Оставшиеся 17,4% — это не провалы, а осознанно приостановленные или разбитые на следующие итерации работы. Такой процент завершённости в разработке (да ещё и в соло-режиме) трудно переоценить: он говорит о том, что плановая дисциплина работает, и AI-агент не сходит с рельсов, если рельсы проложены заранее.

Следующий слой — это когнитивный процесс. Я использую агентный подход, в котором модель может находиться в двух режимах: plan (планирование, исследование, рассуждение по цепочке — CoT) и act (непосредственные действия: генерация кода, запуск команд, запись файлов). Суммарно за 787 задач накопилось 37 743 сообщения, из которых 33,1% — plan, а 66,9% — act.

Внимательный взгляд на модели показывает, что это соотношение не случайно, а осознанно управляемо. Там, где нужна глубокая проработка архитектуры или исследование неизвестной территории, я чаще задействую deepseek-chat и deepseek-v4-pro: у них plan составляет 54,6% и 54,2% соответственно. Для быстрых реализаций, когда план уже ясен, идёт MiniMax-M2.7 с 32,7% plan и 67,3% act. Qwen в нескольких задачах отработал исключительно в act — и это были строго очерченные поручения без планирования.

Иными словами, «вайб» не диктует модель, а я выбираю инструмент под фазу задачи. И данные подтверждают, что планирование не потеряно, а занимает ровно столько эфирного времени, сколько требуется, чтобы затем действовать быстро.

Медианный интервал между сообщениями в 43 секунды — это темп реального диалога. Да, среднее время сильно улетает из-за ночных пауз (idle 86% от астрономического времени), но костяк работы — быстрые, сфокусированные переписки. Медианное активное время задачи — 13,8 минут. Половина всех задач уложилась в этот отрезок чистого взаимодействия с агентом.
Средняя стоимость задачи — $0,0166. Основная рабочая лошадка MiniMax-M2.7 обходится в $0,00026 за задачу. Deepseek-chat, который используется для сложных плановых сессий, дороже ($0,134), но применяется дозированно. Я не гоняю дорогие модели на черновую работу, и это видно по распределению: 520 задач на MiniMax-M2.7 и лишь 45 — на deepseek-chat.

Кэширование промптов — ещё одно доказательство эффективности. После исправления бага в скриптах выяснилось, что 63% задач имеют ненулевой cache hit, а общий коэффициент попадания в кэш — 58,3%. Больше половины токенов не требуют повторных вычислений. В комбинации с низкой стоимостью и малым активным временем это означает, что инфраструктура работает с высоким КПД, и я не плачу за воздух.
86,9% задач выполнены с одной моделью. Ещё 10,9% — с двумя, и лишь в 1% случаев задействованы три или четыре модели. Это не «охота за идеальной моделью», а осознанная тактика: например, начать с deepseek для планирования, затем переключиться на MiniMax для реализации. Данные, увы, не фиксируют причину смены, но характер задач и моделей позволяет говорить о целенаправленной маршрутизации, а не о панике.
Что всё это значит для подхода в целом

Платформенная оркестрация: умножитель проблем, а не решение

Вы думаете, что платформенные сервисы с AI-оркестрацией спасут? Murakkab (MIT CSAIL + Microsoft Azure Research, 2025) зафиксировал: без специальной оптимизации оркестрации переплата достигает 4,3×, энергопотребление — до 3,7×, а задержки непредсказуемы. Каждый дополнительный LLM-вызов в цепочке добавляет латентность и стоимость. Большинство компаний используют «наивные» стратегии маршрутизации, не задумываясь об оптимизации. Результат — счета за API, от которых финансовый отдел падает в обморок, а продукт тормозит.
UX-ловушка: быстрее — не значит лучше

И последний гвоздь. CHI 2026 (Нью-Йоркский университет): ответы ИИ, приходящие за 2 секунды, воспринимаются пользователями как менее продуманные и менее полезные, чем те же ответы, полученные через 9 или 20 секунд. Пауза интерпретируется как признак «думанья». При этом стандартные UX-метрики — SUS, NPS — структурно непригодны для оценки стохастических систем (Vijayakumar 2026). Вы гонитесь за минимальной задержкой, тратите ресурсы, а пользователь считает результат поверхностным. Вы измеряете успех метриками, созданными для детерминированного софта, где одинаковый вход даёт одинаковый выход. Они врут.
Что со всем этим делать?

Tencent доказывает: при тотальной вертикальной интеграции, жёсткой дисциплине, стандартизации и AI-преревью 94% кода можно получить реальные +20% эффективности и снижение багов на 31,5%. Но это исключение. Accenture в Китае показывает: 46% компаний масштабируют GenAI, но только 9% добиваются значимой ценности. Разрыв пятикратный.

Пока бизнес не перестроит свои метрики, процессы и ожидания, ИИ будет ускорять создание проблем, а не их решение. Генерация кода — не bottleneck. Бутылочное горлышко — это то, что между ушами у заказчика, у продажника и у «гибкого менеджера», который не может сформулировать требования иначе как «сделай красиво».

Парадокс продуктивности-надёжности не рассосётся от новой модели GPT. Он зашит в самой природе стохастической системы, которую пытаются втиснуть в детерминированный бизнес-процесс с вайб-культурой управления. Исследования 2025–2026 годов это не опровергают — они это измеряют и документально фиксируют.

Хотите реального ускорения? Возвращайтесь к кнопке и инпуту — и пересобирайте управление продуктом с нуля. Либо готовьтесь платить за иллюзию скорости трижды: токенами, переделками и выгоранием тех, кто этот зоопарк разгребает.

Почему ваш ИИ-разработчик заменил пол-офиса, а продукт всё равно опаздывает на три месяца

Вы чувствуете это каждый спринт. Copilot строчит методы быстрее, чем вы читаете условие задачи. Claude генерирует микросервис по голосовому описанию. Продажники, ошалевшие от демо, уже продали интеллектуальную базу знаний, взяли аванс и поставили дедлайн «вчера». А релиз лежит в ветке и гниёт третью неделю. Коммитов — гора, работающего продукта — ноль. Почему?

Потому что вы ускорили то, что и так не было узким горлышком. А настоящий ад начался именно там, где вы не ждали.
Миф, который стоит миллиарды: код ≠ продукт

Свежайшие данные NBER (2026) на 100 000+ разработчиках GitHub фиксируют реальность, от которой хочется выпить: автодополнение поднимает число коммитов на 40%, интерактивные агенты — на 140%, полностью автономные агенты — на 180%. А рост реальных релизов? Жалкие 30%. Разрыв в шесть раз.

Исследователи называют это «гипотезой слабого звена»: эластичность замещения человека ИИ в реальном цикле поставки ценности — всего 0,25. ИИ и разработчик не заменяют друг друга, они — комплементы, завязанные на одни и те же организационные бутылочные горлышки. Ускоренная генерация кода просто быстрее забивает эти бутылки.
«Сделай красиво» как технический долг

Вы говорите: «Да это всё ерунда, ИИ может автоматизировать и такое». Может. Только он выбирает не то, что вам нужно, а то, что статистически правдоподобно. А чувство прекрасного у заказчика привязано к колоссальному числу ассоциаций. Си шарп дотнет, Астра, Реакт, Флаттер — всё красиво, и всё выглядит убедительно на демо. Продажники под впечатлением от интеллекта и скорости продают эту убедительность, берут аванс, а потом команда месяцами не может сдать продукт. Промпты и ожидания не совпадают, представления об интеллектуальных системах у всех разные, и начинаются переделки. В случае с ИИ их больше, потому что нужна чистка стохастического выхлопа.

METR (2025) измерил это в лоб: разработчики ожидали сокращения времени задач на 24% при использовании ИИ-помощников — получили фактическое увеличение на 19%. Harness (2025) по США, Британии, Франции и Германии: 63% инженеров заявляют об ускорении создания кода, но 45% деплоев с ИИ-кодом приводят к проблемам, 73% предупреждают о расширении зоны поражения. 63% прямо называют «вайб-кодинг» катастрофой.

Так и живём: бизнес по-прежнему делается на вайбе, гибких менеджерах на шарнирах и ТЗ «сделай красиво». А стохастическую систему пытаются заставить работать как детерминированную кнопку.
Кнопка, инпут и проклятие стандартизации

Автор высказывания прав: проще сделать кнопку, инпут и прочее — с ними всё ясно. Но естественный язык сложен для стандартизации, и люди пока не понимают, что ИИ требует реализации скиллов и экономии токенов. Умная система дорогая по обращениям, дешёвая требует харнесса — жёсткой обвязки, валидации, детерминированных предохранителей. Без харнесса получается вот что: GitClear фиксирует увеличение дублирования кода в 8 раз, снижение повторного использования. Сложность кода растёт, число уязвимостей — в 1,5–2 раза, логических ошибок — на 75% чаще. А проверять это всё вы ставите своих самых дорогих людей.

Xu et al. (2026) показали, что опытные разработчики проверяют на 6,5% больше ИИ-сгенерированного кода, и их собственная продуктивность падает на 19%. Ускорили джунов — убили сеньоров.

Управление промптами: почему в 2026 году это уже не «просто текст»

В типовой архитектуре LLM-приложения есть код, описывающий навыки модели, API для доступа к базам знаний, реестр навыков, очереди и прочие компоненты. Вся эта инфраструктура легко автоматизируется: для неё давно написаны статические анализаторы, тесты и линтеры.

Но есть один непредсказуемый элемент — промпт. Это инструкция на естественном языке, которая связывает запрос пользователя с доступными агенту навыками. Именно здесь возникает три базовых operational проблемы:
1. Хранение. Где держать промпты, чтобы они не терялись в коде и не плодили копии?
2. Тестирование и валидация. Как проверить, что изменение одной фразы не сломает поведение системы?
3. Выкатка. Как деплоить новые версии промптов без полного пересборки приложения?

На практике часто используют упрощённый подход: «написали — залили — работает». Это терпимо, пока инструкция проста (например: «ешь кашу, не ругайся матом и слушайся старших»). Но как только вы пытаетесь описать сложную логику — выбор между семантическим и лексическим поиском, обработку аудио, поддержку языков, правила вроде «заваривать кофе, но без сливок» — система начинает трещать по швам.

Во-первых, рост токенов. Чем объемнее промпт, тем сильнее он грузит контекст. А значит, вы платите за каждый входной токен (у разных моделей по-разному: у DeepSeek вход бесплатный, у Minimax — нет). Толстый промпт сложно поддерживать, а слишком упрощённый теряет связь с запросом пользователя.
Во-вторых, непредсказуемость пользовательских запросов. Даже идеально выверенный по форме и объёму промпт не гарантирует, что агент правильно отреагирует на любой запрос. Потому что запросы бывают самыми разными — и они постоянно меняются. Ожидания пользователя не всегда совпадают с тем, что заложено в инструкцию.

Тестирование промптов и сопоставление ожидаемого поведения с реальным — это отдельная большая история. Например, недавно мне пришлось выгрузить 500 текстов реальных переписок клиента с агентом, чтобы вручную разобрать, в каких случаях и как именно система должна реагировать на те или иные сообщения. Без таких данных любые изменения промпта — лотерея.

Для управления этой сложностью существуют специализированные инструменты. Один из них — Langfuse (open-source платформа для observability и управления промптами). Он позволяет:
- версионировать промпты;
- считать эффективность затрат по токенам;
- измерять удовлетворённость ответами;
- связывать промпты с трассировками для анализа по версиям;
- тестировать разные версии промптов на одном датасете и сравнивать результаты side-by-side.

Мы же, стремясь ускорить процессы, пошли дальше и добавили ещё один уровень абстракций — надстройку, которая помогает быстрее переключаться между версиями и A/B-тестировать их.

Важно понимать дилемму. Вы либо миритесь с высоким потреблением токенов (платя за «толстый» и понятный промпт), либо тратите время инженеров на его упрощение, жертвуя качеством сцепки с текстом пользователя. Langfuse помогает отслеживать этот баланс, но не отменяет необходимости выбора: дешёвый контекст против адекватной логики.

Более того, даже выбрав золотую середину по объёму, вы сталкиваетесь с необходимостью постоянно валидировать поведение на живых данных. А это требует сбора репрезентативной выборки диалогов, разметки эталонных ответов и регулярного пересмотра промптов под новые сценарии.

В 2026 году такой процесс — это уже не просто «написать и забыть», а полноценный цикл разработки: промпты версионируются, тестируются на регрессии, выкатываются канареечным способом и мониторятся в проде. Более того, индустрия активно движется в сторону Loop Engineering — когда вы проектируете не один промпт, а систему, которая сама генерирует промпты, проверяет результаты и перезапускает процесс при необходимости.

Идеального решения нет. Но системный подход к версионированию и постоянное тестирование на реальных кейсах (как тот пример с 500 переписками) делают этот компромисс управляемым и прогнозируемым.