Более 28 лет опыта разработки на .NET — архитектура, практики, паттерны, реальный код, с ИИ и без него.

В IT-сфере появился термин «мясной прокси» (meat proxy), обозначающий работника, который получает вопрос от коллеги, бездумно отправляет его в ChatGPT или Claude, а затем просто копируют ответ обратно в чат.

Искусственный интеллект уже давно применяется в теоретических научных изысканиях и даже добился определённых успехов в математике и материаловедении, но исследования подразумевают и проведение практических экспериментов. В этой сфере учёным приходит на помощь новое решение Anthropic, получившее название Model Hardware Standard.

В документации на более чем 100 сайтах нашли ссылки на потенциально опасный исполняемый контент, который автоматически устанавливается из агентов искусственного интеллекта. Такой код обнаружился на сайтах нескольких десятков компаний, в том числе и из списка Fortune 500. По меньшей мере один ресурс направлял посетителей к работающему вредоносному ПО.

Сейчас разговоры о том же самом ведутся вокруг искусственного интеллекта (artificial intelligence). Но вопрос «заменит ли ИИ архитектора» кажется мне неправильно поставленным. Более практичный вопрос — как меняется сама роль архитектора, когда рядом появляется агент (agent), способный писать код, а иногда — принимать локальные технические решения самостоятельно.

В этой статье я хочу поделиться наблюдениями из своей практики: где ИИ действительно экономит время, какие ошибки он совершает регулярно, и как я перестроил свой процесс ревью и постановки задач, чтобы agentic-инструменты работали на пользу архитектуры, а не против неё.

Открытый проект для определения позы человека через Wi-Fi-сигнал (CSI) заявляет впечатляющую точность 82,69%, но она получена на подготовленном датасете — в реальных условиях с 4-6 модулями ESP32 точность восстановления скелета падает до 3%, а часть демо-роликов и вовсе работает на симуляции.