AI-инжиниринг
-
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.
-
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.
-
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.
-
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.
-
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.
-
AI ускоряет внесение изменений быстрее, чем мы успеваем их осмыслить
ACDD, атомарное мышление и контроль ответственности в эпоху AI. Как история коммитов отражает инженерное мышление и почему атомарные изменения особенно важны при работе с AI-кодингом.