Статьи
Пишу об AI-инжиниринге, архитектуре программных систем, инженерных практиках и техническом лидерстве.
По темам
AI-инжиниринг
Заметки про MCP, агентов, инженерию контекста, RAG, векторный поиск и встраивание AI в реальные программные системы.
Программная инженерия
Архитектура, сложные системы, эволюция legacy, поставка и инженерные практики, которые оставляют систему изменяемой.
Последние материалы
-
Google Search Console MCP: поисковая аналитика для AI-агента
Зачем я написал GSC MCP на Go: четыре инструмента для поисковой аналитики, индексации и sitemap, запуск в Docker и границы интерпретации данных.
-
Яндекс Вебмастер MCP: подключение и диагностика сайта
Подключение Яндекс Вебмастера к Codex, Claude Code и Cursor: Docker, OAuth, готовые промпты и реальный разбор opatsay.com.
-
ahref: от парсера ссылок к графу сайта на Rust
Как я переделал ahref в CLI-краулер: sitemap, анкоры, глубина страниц, внутренний PageRank и экспорт графа для анализа перелинковки.
-
Agent-ready codebase: как подготовить код к AI-агентам
Как Git, ACDD, DDD, SOLID, тесты, документация, бэклог и линтеры помогают AI-агентам понимать кодовую базу и безопасно изменять легаси-системы.
-
Что такое MCP (Model Context Protocol) и как он работает
MCP не делает модели умнее. Он стандартизирует, как AI-приложения подключаются к файлам, базам данных, API и другим внешним системам.
-
Context Engineering: что это и как управлять контекстом LLM
Context Engineering — это проектирование рабочей памяти LLM: что положить туда сейчас, что оставить снаружи и в какой момент это сделать.
-
Векторный поиск и embeddings: как работает поиск по смыслу
Обычный поиск сравнивает слова. Vector search сравнивает embeddings: похожие объекты оказываются рядом в пространстве, даже если формулировки почти не совпадают.
-
Code review с AI: что проверять, когда код стало слишком легко писать
AI удешевил написание кода, но не понимание. Review смещается с синтаксиса на intent, scope, архитектуру и вопрос, должен ли этот код вообще существовать.
-
Как внедрить AI в legacy-систему без переписывания проекта
Legacy остаётся system of record, а AI появляется рядом как новый слой: adapters, read-only сценарии, shadow mode и постепенное расширение возможностей.
-
Кто отвечает за код, написанный AI
AI поменял, кто производит текст, но не то, кто решает оставить его в системе. Ownership остаётся у человека, который понимает изменение и принимает merge.
-
MCP для Obsidian: как подключить заметки к ChatGPT, Claude и Cursor
Obsidian и LLM долго жили отдельно: заметки копировались в чат руками. MCP-сервер даёт модели доступ к vault — искать, читать и при необходимости изменять заметки.
-
Атомарные коммиты и ACDD: порядок в Git и AI-разработке
Что такое атомарный коммит, как определить его границы, писать сообщения, вести чистую историю Git и контролировать изменения, созданные AI.
-
Qdrant PHP Client: векторный поиск для PHP 7.2 и 8.*
Как добавить векторный поиск в приложения на PHP 7.2 и 8.* с помощью простого клиента Qdrant.