Как внедрить Spec-Driven Development в 10-летний монолит
Еще один доклад с нашей конференции по агентной разработке
При первом ознакомлении с концепцией SDD она кажется отличной идеей и её применение на новом проекте с нуля не вызывает вопросов. А что со старым большим монолитом, окружённым россыпью микросервисов, миллионами строк кода и отсутствующей документацией?
Ведь именно такие примеры обычно умозрительно приводят, когда хотят поставить под сомнение разработку агентами. Чтож, рассказываем)
Иван Поддубный, СТО Вебпрактик, уважаемый член нашего программного коммитета (да и не только нашего), и опытный серийный спикер (не раз выступавший на нашах конференциях), рассказал про практический опыт сквозного внедрения SDD практики на основе OpenSpec в процесс разработки софта, от аналитиков, до тестирования. Ребята достигли почти 100% адопшена
Как итог — ребята пришли к Spec-First полходу: хранят и версионируют свои спеки как код по всей полирепе
https://www.youtube.com/watch?v=EZwcBSX_Rbs
П.С. Если вы хоть раз задавались вопросом "а как это чудо приземлять в свой проект", этот доклад для вас)
Требования к владению вайб-кодингом чаще всего предъявляются к соискателям на позиции Data-инженера или Data-сайентиста, ML-инженера, а также системного аналитика.
ПодробнееМногие из них получают доступ к внутренним данным, репозиториям и корпоративным API, поэтому ошибки настройки, избыточные привилегии или компрометация таких систем могут стать причиной серьезных инцидентов.
Подробнее
Еще 15% респондентов заявляет о готовности сохранять текущее место работы в течение 3-5 лет при условии, что нынешние условия труда останутся прежними. Более краткосрочные планы — задержаться на 1-2 года — обозначают 16% опрошенных сотрудников.
Подробнее
Производители платформ разошлись по двум противоположным архитектурным лагерям, информационная безопасность вышла на первое место среди критериев выбора решения, а ИИ пока используется скорее фрагментарно, чем системно.
Подробнее
Одним из ключевых препятствий на пути к соответствию новым требованиям становится качество данных. Лишь у 20% опрошенных компаний массивы данных полностью готовы и размечены — то есть адаптированы для обучения алгоритмов.
Подробнее
