Channels

Top 100 Trending New

Categories

Crypto Gaming News Entertainment Music Sports Tech Gambling Bots and mini apps Finance Business Education Lifestyle Health Travel Auto Fashion Jobs Dating Deals and shopping

Stickers

Stickers Emoji Themes Wallpapers

Bots Gifts Tools

Currency

$ USD ₽ RUB € EUR ₴ UAH ₸ KZT ₺ TRY zł PLN ₪ ILS AED AED R$ BRL Rp IDR RM MYR ¥ JPY ₩ KRW CN¥ CNY

Theme

Português (Brasil)

Bahasa Indonesia

Беларуская

Українська

Channels Categories Stickers Bots Gifts Tools

Premium Wiki Glossary Legal

Notifications Settings Log in

Книжный куб: post #4884 — TG.ME

Книжный куб@book_cube · 15.6K subscribers Open in TelegramOpen

[media without text]

t.me/book_cube/4884

10

3

1

1

August 31, 2026 1.2K 2 21

More from this channel

JetBrains Developer Ecosystem 2026: что 15 509 разработчиков говорят об AI-агентах (Рубрика #AI4SDLC) JetBrains опубликовала срез десятого ежегодного Developer Ecosystem Survey. Опрос проходил с мая по июль 2026 года, в анализ вошли 15 509 профессиональных разработчиков. Было восемь языков, региональные квоты и статистические веса по региону, занятости, языкам программирования и знакомству с продуктами JetBrains. Что получилось: - 90% респондентов используют AI-агентов для разработки на работе хотя бы раз в неделю, 68% — ежедневно; - Claude Code вырос с 18% в январе до 39%. В США — 47%, а для 31% разработчиков это основной AI-инструмент; - GitHub Copilot снизился с 29% до 21%, Cursor — с 18% до 12%; - Codex вырос с 3% до 16%, а его узнаваемость — с 27% до 65%; - OpenCode набрал 7%, Google Antigravity — 6%, JetBrains AI Assistant и/или Junie вместе — 9%. Рост Claude Code и Codex — сильный рыночный сигнал: расклад рабочих инструментов быстро меняется. Но показатель использования здесь легко прочитать слишком широко. Заголовок говорит об агентах, но вопрос на графике шире: какие AI tools респондент использует на работе. В одном списке смешаны агенты, ассистенты и редакторы; ответы множественные, а показана лишь часть списка. Поэтому 39% и 21% — не доли рынка, не оплаченные лицензии и не телеметрия. Один разработчик мог отметить Claude Code, Copilot и Codex. С репрезентативностью тоже есть нюанс. Выборка большая, международная, квотированная и взвешенная, но вероятностного случайного отбора в опубликованных материалах нет. Был открытый opt-in-набор с призами, скидкой на лицензию и наградой за приведённых участников. Большое N уменьшает случайный шум, но не самоотбор — например, повышенный интерес к AI или JetBrains. Подробная ссылка из нового материала пока ведет на методологию опроса 2025 года. Для волны 2026 не опубликованы каналы рекрутинга, показатель участия, размеры страновых подвыборок, эффективный размер после взвешивания и обезличенные исходные данные. Поэтому 47% для США стоит читать осторожнее, чем глобальный результат. И еще: январские цифры взяты из AI Pulse, а летние — из Developer Ecosystem Survey. Это разные срезы, а не наблюдение за одними людьми. Можно говорить, что доля Copilot между опросами снизилась. Нельзя — что конкретные пользователи «перешли» в Claude Code или почему они это сделали. Так что я бы использовал исследование как рыночный радар, а не точный измерительный прибор. Claude Code вышел вперед среди показанных инструментов, Codex быстро набрал долю, прежние лидеры просели. Но для решения внутри компании нужен уже свой приборный щит: активное использование, принятые изменения, время ревью, доля переделок, инциденты и стоимость полезной задачи. Иначе глобальные 90% легко превращаются в еще одну красивую цифру внедрения без ответа на вопрос, что стало лучше. #AI4SDLC #AI #Agents #Research #Metrics #DevTools 661·Aug 31 Code of Leadership S2E15 - Последние 90 дней в компании начинаются до заявления (Рубрика #Management) Часть много говорят о первых 90 днях в новой роли. Мне захотелось разобрать обратную сторону перехода — последние 90 дней в компании. 31 августа в 17:00 проведу сольный эфир Code of Leadership где рассмотрю не только увольнение, но и все три равноправных исхода: остаться в пересобранной роли, перейти внутри компании или уйти. Поговорим о том, как не принять карьерное решение после одной плохой недели; понять, что именно перестало работать; описать следующую роль через ответственность, а не должность; проверить внутренние возможности и внешний рынок; выбрать исход и передать управление так, чтобы старая роль больше не зависела от вашего незримого присутствия. Отдельно разберу важную для руководителей часть: документ не равен переданному знанию. Сначала новому владельцу нужно передать право принимать решения, затем — контекст, отношения, рабочие ритмы и доступы. И дать ему начать управлять ещё до вашего последнего дня. Для меня главный тезис такой: последние 90 дней — это не обратный отсчёт до увольнения. Это управляемый переход между двумя профессиональными главами (если новое место уже выбрано) #Management #Leadership #Engineering #Career 1.7K·Aug 30 Материалы 3 AImigo S1E3: почему AI дешевеет, а внедрение усложняется? (Рубрика #AI) Готовы материалы третьего выпуска 3 AImigo, который вышел 28 августа. Вместе с Евгением Сергеевым и Алексеем Литвиновым мы впервые сделали совместный новостной дайджест: не прошлись по ленте анонсов, а собрали шесть связанных сюжетов вокруг одного сдвига. Модели и их использование дешевеют, а собрать из них работающую AI-систему становится сложнее. Обсудили: - Почему рост личной продуктивности ещё не равен системному ROI — и как данные McKinsey возвращают разговор от скорости отдельного инженера к перепроектированию всего цикла поставки; - Почему, по нашей оценке, дефицит смещается в данные, интеграции с унаследованными системами и governance; фоном для этого сюжета стали июльская сделка SAP–Dremio и ранние сигналы Reuters о спросе на работу интеграторов; - Как улучшение price-performance расширяет число выгодных AI-сценариев и почему общий расход может расти даже при удешевлении каждого запроса; аналогия с парадоксом Джевонса здесь остаётся гипотезой, а не прогнозом; - Зачем enterprise-агентам control plane с управлением правами, бюджетами, размещением и сроками хранения данных, а также аудитом: возможности модели важны только внутри управляемого контура; - Как Cursor собирает цикл compute → model → harness/evals → code hosting → deploy → telemetry → correction — и почему часть этого полного цикла обратной связи из продакшена пока остаётся планом, а не готовой автономной системой; - Чему учат инциденты OpenAI и Anthropic во время cyber-evals: сочетание слабой изоляции, ошибочной модели окружения и реальных инструментов создаёт практический риск, но не доказывает «сознательный побег» агента. Все материалы выпуска: - Страница выпуска: конспект, таймлайн, факт-карточки и источники - Интерактивная дека - Видео: YouTube, VK Видео - Аудио: Podster, Яндекс Музыка, Apple Podcasts Если вы иначе видите главный сдвиг августа — поспорьте с нами в комментариях. И присылайте новости, которые стоит проверить в следующем дайджесте. #AI #AI4SDLC #Agents #Engineering #Management #Security #Podcast 1.7K·Aug 30 Loop Engineering: агентный цикл как термостат, а не бесконечный bash (Рубрика #AI4SDLC) В июле мы уже разбирали Loop Engineering с Максом Смирновым, но у слова loop есть ловушка: оно заставляет смотреть на повторение, хотя инженерная ценность начинается с обратной связи. В 18-минутном докладе «Loop Engineering from First Principles» Kyle Mistele предлагает воспринимать coding agent не как prompt, засунутый в бесконечный bash, а как часть настоящего контура управления. Kyle — CTO и сооснователь HumanLayer, автор технических материалов про MCP, context и harness engineering. В его публичном профиле рядом стоят OSCP, distributed systems и вклад в vLLM и llama.cpp — полезный контекст для внимания к детерминированным границам. В докладе он опирается на внутренний кейс HumanLayer, а в финале приглашает попробовать опубликованный skill и присоединиться к компании. Поэтому это взгляд инженера-провайдера из собственной практики, а не независимое исследование рынка. Антипример — blind loop, который получает большую задачу и возвращает PR на 40 000 строк: формально агент сделал много, практически результат никто не хочет читать. Для команд, сложных кодовых баз и систем с реальными пользователями он возвращает loop к control theory и объясняет его через обычный термостат: - Set point задаёт желаемое свойство кодовой базы; - Sensor измеряет текущее состояние и ошибку относительно цели; - Controller выбирает следующее небольшое изменение; - Actuator — coding agent — вносит его; - Затем система проверяет результат и начинает новый оборот уже из нового состояния. Главная деталь — LLM здесь нужна далеко не везде. В примере HumanLayer постепенно переводит RPC procedures на Effect. ast-grep детерминированно находит старый паттерн, controller может выбрать самую маленькую процедуру, а агент переносит её по вручную написанным golden patterns. Базовый список нарушений хранится в Git, чтобы новые изменения команды не увеличивали долг. Одна итерация CI создаёт маленький PR; пока он открыт, следующий не появляется. Если человек оставляет /iterate, замечания попадают в versioned feedback-файл и меняют дальнейшее поведение цикла. Ту же схему Mistele в день доклада выложил как open-source skill. И вот здесь нужно сказать о том, что в день выхода видео другой сооснователь HumanLayer, Dex Horthy, опубликовал большой пост «Why Software Factories Fail». Dex объясняет, почему lights-off factory ломается даже с хорошим harness: тесты дают быстрый сигнал «работает сейчас», но цена плохого program design проявляется через месяцы. Надёжного быстрого verifier для maintainability пока нет. Примерно об этом он рассказывал в выступлении "Harness Engineering is not Enough: Why Software Factories Fail", о котором я рассказывал Получается важная граница. Если sensor видит только количество немигрированных RPC procedures, loop может идеально свести этот счётчик к нулю — и ничего не понять про архитектуру получившегося кода. Контур оптимизирует выбранный сигнал, а не наше невысказанное намерение. Поэтому Kyle и Dex не противоречат друг другу: - У Kyle человек уже присутствует в контуре: задаёт golden patterns, читает каждый небольшой PR, оставляет feedback и не разрешает работе бесконтрольно накапливаться. - Dex добавляет уровень выше: человек должен владеть самим set point и медленными переменными — product requirements, system architecture, program design и порядком vertical slices. Я бы смотрел и читал их парой. Kyle показывает механику: автоматизировать actuator и воспроизводимые проверки там, где они возможны. Dex ставит ограничитель: пока инженер по-прежнему выбирает, что считать ошибкой, и отвечает за код, к которому придётся вернуться через полгода. #AI4SDLC #AI #Agents #Architecture #Evals #Engineering #Software 2K·Aug 30 [media post] 2.3K·Aug 29

An open web layer over public Telegram — search, stats and channel reading right in your browser, no account, no install.

Not affiliated with Telegram FZ-LLC; all data comes from public sources.

Catalog

Top channels Categories Countries Search

Content

Stickers Emoji Gifts Themes Wallpapers

Help

Tools Wiki Glossary Blockchain Safety Premium Advertisers Advertising

© 2026 TG.ME · G.Media network· Updated 08/31/2026 · v0.2.0 · 1350ad3

Privacy Terms DMCA & complaints Report a violation

Similar channels

Teamlead Good Reads – ежедневные советы про менеджмент людей и команд28.3K subscribers

{ между скобок } анонсы 📣4.7K subscribers

Архитектура ИТ-решений16.2K subscribers

emacsway-log: Software Design, Clean Architecture, DDD, Microservice Architecture, Distributed Systems, XP, Agile, etc.3.6K subscribers

Russian Association of Software Architects4.3K subscribers

Инжиниринг Данных23.8K subscribers

Мысли Коноплёва | IT Management1.1K subscribers

Тимлид Очевидность | Евгений Антонов15.7K subscribers