Как ИИ помогает работе бэкэнд-разработчика?
AI не захватывает рынок и не лишает разработчиков работы. Наоборот, дает возможность повысить свою продуктивность и наслаждаться своей деятельностью еще больше.
Так выглядит работа с ИИ, если овладеть всеми инструментами.
💁♂️ И, например, это вышло у Татьяны — участнице прошлого Буткемпа AI
Она НЕ работала с фронтендом уже больше полугода. И пришла, чтобы стать мастером ИИ для работы в бэкенде.
До курса Татьяна использовала Клод, ЧатГПТ и Курсов. И отдавала на аутсорс мелкие задачки, просила пояснить терминологию, концепты и т.д.
Однако чего-то не хватало.
Не хватало какой-то детали, чтобы сделать из ИИ мощный инструмент для себя. Поэтому на Буткемпе стала активно и сразу же внедрять все рекомендации, советы и новые знания.
Таким образом, после курса оставила для себя 2 нейронки:
1️⃣ Курсор, который помогает разбираться в рабочих вопросах;
2️⃣ Perplexity для личных целей.
Что она для себя подчеркнула после курса?
А еще она научилась четче формулировать запросы, использовать рулзы, составлять тз, что сильно экономит запросы. И теперь тратит до 200 запросов из 500 в месяц.
При том, что спрашивает самые разнообразные рабочие вопросы/задачи, получает развернутые полноценные ответы за меньшее количество итераций.
И вот какой вывод она сделала:
А если тоже хотите научиться использовать ИИ на все 100%, то ставьте —🔥 под этим постом
AI не захватывает рынок и не лишает разработчиков работы. Наоборот, дает возможность повысить свою продуктивность и наслаждаться своей деятельностью еще больше.
Так выглядит работа с ИИ, если овладеть всеми инструментами.
💁♂️ И, например, это вышло у Татьяны — участнице прошлого Буткемпа AI
Она НЕ работала с фронтендом уже больше полугода. И пришла, чтобы стать мастером ИИ для работы в бэкенде.
До курса Татьяна использовала Клод, ЧатГПТ и Курсов. И отдавала на аутсорс мелкие задачки, просила пояснить терминологию, концепты и т.д.
Однако чего-то не хватало.
Не хватало какой-то детали, чтобы сделать из ИИ мощный инструмент для себя. Поэтому на Буткемпе стала активно и сразу же внедрять все рекомендации, советы и новые знания.
Таким образом, после курса оставила для себя 2 нейронки:
1️⃣ Курсор, который помогает разбираться в рабочих вопросах;
2️⃣ Perplexity для личных целей.
Что она для себя подчеркнула после курса?
«AI регулярно помогает разбираться в сложной бизнес логике, предлагает валидные решения.»
А еще она научилась четче формулировать запросы, использовать рулзы, составлять тз, что сильно экономит запросы. И теперь тратит до 200 запросов из 500 в месяц.
При том, что спрашивает самые разнообразные рабочие вопросы/задачи, получает развернутые полноценные ответы за меньшее количество итераций.
И вот какой вывод она сделала:
«Осознала, что ИИ может стать мощнейшим инструментом, если уметь правильно им пользоваться.»
А если тоже хотите научиться использовать ИИ на все 100%, то ставьте —
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥33🦄1
This media is not supported in your browser
VIEW IN TELEGRAM
А нужно ли такое?
Илон Маск снова всех обескуражил своим заявлением 🙃
По его словам, технологии типа Neuralink со временем позволят создавать цифровую копию человеческого сознания и загружать ее в андроидов Optimus.
Такая копия не будет полностью идентична оригиналу, но сохранит основные черты личности, воспоминания и способ мышления.
Таким образом, по мнению Маска, человечество стоит на пороге цифрового бессмертия, где граница между биологической и машинной формой жизни постепенно стирается.
Когда только несколько лет рынок «атакуют» AI, Илон уже анонсировал перенос сознания в андроида. А такое уже много раз показывали в разной фантастике.
Если подушнить, то вообще не представляю сколько строчек кода нужно будет сделать, чтобы оцифровать наше сознание.
Поэтому навряд ли нас подобное ждет. Хотя если ИИ будут нам помогать, то может и получится. Сложно сказать
Делитесь мнением в комментариях 👇
Илон Маск снова всех обескуражил своим заявлением 🙃
По его словам, технологии типа Neuralink со временем позволят создавать цифровую копию человеческого сознания и загружать ее в андроидов Optimus.
Такая копия не будет полностью идентична оригиналу, но сохранит основные черты личности, воспоминания и способ мышления.
Таким образом, по мнению Маска, человечество стоит на пороге цифрового бессмертия, где граница между биологической и машинной формой жизни постепенно стирается.
Получается какой-то киберпанк, но который наступит в ближайшие 20 лет?
Когда только несколько лет рынок «атакуют» AI, Илон уже анонсировал перенос сознания в андроида. А такое уже много раз показывали в разной фантастике.
Если подушнить, то вообще не представляю сколько строчек кода нужно будет сделать, чтобы оцифровать наше сознание.
Поэтому навряд ли нас подобное ждет. Хотя если ИИ будут нам помогать, то может и получится. Сложно сказать
Делитесь мнением в комментариях 👇
Как подготовить к работе ИИ, чтобы ускорить свою работу?
[ Правильные протоколы для Cursor и Сlaude Code ]
Итак. Решил, что пришло время немного зафиналить тему с промтами. И если пропустили прошлые посты, то вот:
📍 10 ключевых антипаттернов, которые делают 90% разработчиков
📍 2 примера и готовые шаблоны промтов
А сегодня поделюсь правильными протоколами для работы Cursor и Сlaude Code.
Уверен, что вам это пригодится 👌
Cursor (Ask/Agent)
1️⃣ Подготовить контекст
▪️ Выделить проблемную функцию → Cmd+L (всё попадёт в контекст).
▪️ Добавить связанные файлы (перетаскиванием/через @), при необходимости — @Docs с PRD/гайдами.
▪️ В Project Rules / .cursorrules зафиксировать стиль, целевые библиотеки, «нельзя»/«обязательно».
2️⃣ Попросить план — без правок
Ask‑промпт:
👉 После согласования — запуск Agent/Composer на выполнение изменений, он покажет дифы и применит правки по нескольким файлам.
3️⃣ Верификация
▪️ Запустить тесты/линтер.
▪️ Закоммитить атомарно (часто).
Claude Code (CLI/VS Code)
1️⃣ Настроить контекст один раз
▪️ Создать CLAUDE.md в корне: команды сборки/тестов, стиль кода, layout репо, принципы коммитов.
▪️ Разрешить безопасные инструменты (edit, git) и подключить MCP/CLI‑утилиты, чтобы агент мог читать внешние источники.
▪️ Поставить VS Code extension (real‑time дифы, Plan mode), знать про checkpoints для отката.
2️⃣ Процесс «Exploration → Plan → Patch»
Сначала попросить:
Затем:
Передать логи/трейсы в CLI пайпом, чтобы агент принял решения по фактам.
3️⃣ Контроль качества и автоповторы
▪️ Прогнать тесты/линтер; при крупном шаге — checkpoint/откат.
▪️ Закрыть задачу коммитом и коротким changelog.
Ну, как-то так. Думаю, что этого хватит, чтобы закончить обсуждение промтов на этом этапе. И можно перейти к разбору другой темы.
И если вам зашло, то ставьте — 🦄
[ Правильные протоколы для Cursor и Сlaude Code ]
Итак. Решил, что пришло время немного зафиналить тему с промтами. И если пропустили прошлые посты, то вот:
📍 10 ключевых антипаттернов, которые делают 90% разработчиков
📍 2 примера и готовые шаблоны промтов
А сегодня поделюсь правильными протоколами для работы Cursor и Сlaude Code.
Уверен, что вам это пригодится 👌
Cursor (Ask/Agent)
1️⃣ Подготовить контекст
▪️ Выделить проблемную функцию → Cmd+L (всё попадёт в контекст).
▪️ Добавить связанные файлы (перетаскиванием/через @), при необходимости — @Docs с PRD/гайдами.
▪️ В Project Rules / .cursorrules зафиксировать стиль, целевые библиотеки, «нельзя»/«обязательно».
2️⃣ Попросить план — без правок
Ask‑промпт:
«Прочитай эти файлы и распиши план фикса бага X. Пока код не меняй. Формат: шаги, риски, список файлов, критерии готовности».
👉 После согласования — запуск Agent/Composer на выполнение изменений, он покажет дифы и применит правки по нескольким файлам.
3️⃣ Верификация
▪️ Запустить тесты/линтер.
Если агент «зациклился» — закрыть и создать новый Composer на подзадачу.▪️ Закоммитить атомарно (часто).
Claude Code (CLI/VS Code)
1️⃣ Настроить контекст один раз
▪️ Создать CLAUDE.md в корне: команды сборки/тестов, стиль кода, layout репо, принципы коммитов.
▪️ Разрешить безопасные инструменты (edit, git) и подключить MCP/CLI‑утилиты, чтобы агент мог читать внешние источники.
▪️ Поставить VS Code extension (real‑time дифы, Plan mode), знать про checkpoints для отката.
2️⃣ Процесс «Exploration → Plan → Patch»
Сначала попросить:
«Исследуй файлы А/Б/В, не вноси правки; дай план и риски».
Затем:
«Сделай патч только в функции X, покрой тестом Y; если тест падает — почини и покажи diff».
Передать логи/трейсы в CLI пайпом, чтобы агент принял решения по фактам.
3️⃣ Контроль качества и автоповторы
▪️ Прогнать тесты/линтер; при крупном шаге — checkpoint/откат.
▪️ Закрыть задачу коммитом и коротким changelog.
Ну, как-то так. Думаю, что этого хватит, чтобы закончить обсуждение промтов на этом этапе. И можно перейти к разбору другой темы.
И если вам зашло, то ставьте — 🦄
🦄26🔥2👍1
Какие темы раскрыть по ИИ?
Anonymous Poll
21%
Какие есть еще кейсы в компаниях, где ИИ дала профит?
33%
Больше хочется инструкций по ИИ и промтам
46%
Фишки и лайфхаки, как повышать продуктивность через ИИ
❤1
Эффективные промты — примеры и план внедрения
[ Разбираем пример MVP‑сервиса с нуля (REST API)]
Так. Увидел, что в опросе вы бы хотели получать почаще условные шаблоны промтов и внедрять их в работу
И я услышал вас 🙌
Поэтому сейчас разберем пример MVP‑сервиса с нуля (REST API)
Как обычно делают 90% разработчиков с AI?
Задают плохой промпт:
И как результат: рандомный стек, фиговая структура, никакой сборки/тестов.
Как тогда должен выглядеть нормальный промт?
1️⃣ Cursor
И вот пошаговый план реализации в Cursor 👇
1. Контекст
2. Создать пустой проект / открыть репо.
3. Включить нужные файлы (или будущие пути) в Composer (можно оздать пустые файлы заранее).
4. Задать базовые правила в .cursorrules (TS strict, code style).
5. План → структура
6. В Ask кинуть промпт на предложить структуру и список эндпоинтов, без кода.
7. Отредактировать/утвердить список.
8. Генерация каркаса
9. Включить в Composer папку src и package.json.
10. Запустить Agent/Composer с тем же промптом, но с акцентом: «Теперь создай файлы и каркас кода по согласованной структуре…».
11. Просмотреть дифы, добавить/запустить npm run dev.
2️⃣ Claude Code
И вот пошаговый план реализации в Claude Code 👇
1. Контекст / CLAUDE.md
2. В CLAUDE.md прописать стек, стиль, команды сборки.
3. Запустить Claude Code в репо или в пустой папке.
4. Exploration → Plan
5. Попросить только план и структуру.
6. В VS Code extension включить Plan mode, отредактировать шаги.
7. Code → Commit
8. Дать команду реализовать только каркас по плану.
9. После дифов — запустить npm install + npm run dev , при необходимости попросить поправить конфиг/скрипты.
10. Закоммитить как «chore: scaffold task manager API».
➡️ Рекомендую сохранить себе в «избранное» и поставить под этим постом — 🦄, чтобы ничего не забыть и обязательно попробовать
[ Разбираем пример MVP‑сервиса с нуля (REST API)]
Так. Увидел, что в опросе вы бы хотели получать почаще условные шаблоны промтов и внедрять их в работу
И я услышал вас 🙌
Поэтому сейчас разберем пример MVP‑сервиса с нуля (REST API)
Как обычно делают 90% разработчиков с AI?
Задают плохой промпт:
«Сгенерируй бэкенд для таск‑менеджера на Node.js + Postgres.»
И как результат: рандомный стек, фиговая структура, никакой сборки/тестов.
Как тогда должен выглядеть нормальный промт?
1️⃣ Cursor
«Нужно сделать минимальный REST API для таск‑менеджера.
Стек: Node 18, TypeScript, Fastify, PostgreSQL через pg.
Предложи структуру проекта (папки/файлы) и список эндпоинтов.
Пока код не пиши.
После утверждения структуры создай файлы и каркас кода:src/server.ts— запуск сервераsrc/routes/tasks.ts— CRUD для задачsrc/db.ts— подключение к БД
Добавь минимальные скрипты в package.json :dev , build , start .
Напиши 2–3 примера curl‑запросов к API. Соблюдай TypeScript strict, не используй any.»
И вот пошаговый план реализации в Cursor 👇
1. Контекст
2. Создать пустой проект / открыть репо.
3. Включить нужные файлы (или будущие пути) в Composer (можно оздать пустые файлы заранее).
4. Задать базовые правила в .cursorrules (TS strict, code style).
5. План → структура
6. В Ask кинуть промпт на предложить структуру и список эндпоинтов, без кода.
7. Отредактировать/утвердить список.
8. Генерация каркаса
9. Включить в Composer папку src и package.json.
10. Запустить Agent/Composer с тем же промптом, но с акцентом: «Теперь создай файлы и каркас кода по согласованной структуре…».
11. Просмотреть дифы, добавить/запустить npm run dev.
2️⃣ Claude Code
«Нужно спроектировать и реализовать MVP REST API для таск‑менеджера. Стек: Node 18, TypeScript, Fastify, PostgreSQL ( pg ).
Сначала проанализируй файлы в репозитории (если их нет — предложи минимальную структуру).
Дай план: структура папок/файлов, список эндпоинтов, как подключаем БД и конфиги.
После подтверждения плана создай каркас кода, не реализуя бизнес‑логику глубоко — только:
– запуск сервера
– CRUD для /tasks
Подключение к Postgres через env‑переменные
Добавь скрипты в package.json и инструкцию, как запуститьnpm install,npm run dev. Все изменения оформи в виде дифов и короткого changelog.»
И вот пошаговый план реализации в Claude Code 👇
1. Контекст / CLAUDE.md
2. В CLAUDE.md прописать стек, стиль, команды сборки.
3. Запустить Claude Code в репо или в пустой папке.
4. Exploration → Plan
5. Попросить только план и структуру.
6. В VS Code extension включить Plan mode, отредактировать шаги.
7. Code → Commit
8. Дать команду реализовать только каркас по плану.
9. После дифов — запустить npm install + npm run dev , при необходимости попросить поправить конфиг/скрипты.
10. Закоммитить как «chore: scaffold task manager API».
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11🦄11❤1👍1
ИИ скоро начнет увольнять сотрудников и разработчиков?
На недавней конференции AI Journey Греф поделился новостью:
Мда. Конечно, не так хотелось бы работать с ИИ, но что имеем, то имеем.
В данном случае, уже эффективность сотрудников измеряют с помощью ИИ и делают выводы о сокращении. Что будет дальше?
Возможно, разработают условного помощника, который будет закреплен за каждым разработчиком и сотрудником в компании и будет «пинать», напоминать и отдавать данные руководителям.
Но это я так, фантазирую.
Если говорить серьезно, то подобная новость — звоночек для тех, кто заботится о своем будущем.
И означает, что нужно ТОЧНО сделать упор на увеличение эффективности, чтобы за единицу времени приносить компании больше профита.
💁♂️ Поэтому я тут не пугаю, а напоминаю: ИИ стало обыденностью даже на таком уровне.
А следовательно игнорировать этот факт = отставать от индустрии и проигрывать в конкуренции.
Так что перед вами 2 варианта:
1️⃣ Оставить все, как было и надеяться, что станете настолько незаменимым разработчиком, что никакой ИИ вам не понадобится
2️⃣ Использовать возможности AI-инструментов, чтобы возглавить рынок и работать на 40% меньше, чем остальные, а успевать больше.
Лично я приверженец второго варианта, а вы?
Ставьте —🔥 , если выбираете тоже второй
Ставьте — 🦄, если выбираете первый
На недавней конференции AI Journey Греф поделился новостью:
«Сбербанк до 1 января завершит сокращение 20% сотрудников, которое проводится с применением анализа искусственного интеллекта»
Мда. Конечно, не так хотелось бы работать с ИИ, но что имеем, то имеем.
В данном случае, уже эффективность сотрудников измеряют с помощью ИИ и делают выводы о сокращении. Что будет дальше?
Возможно, разработают условного помощника, который будет закреплен за каждым разработчиком и сотрудником в компании и будет «пинать», напоминать и отдавать данные руководителям.
Но это я так, фантазирую.
Если говорить серьезно, то подобная новость — звоночек для тех, кто заботится о своем будущем.
И означает, что нужно ТОЧНО сделать упор на увеличение эффективности, чтобы за единицу времени приносить компании больше профита.
💁♂️ Поэтому я тут не пугаю, а напоминаю: ИИ стало обыденностью даже на таком уровне.
А следовательно игнорировать этот факт = отставать от индустрии и проигрывать в конкуренции.
Так что перед вами 2 варианта:
1️⃣ Оставить все, как было и надеяться, что станете настолько незаменимым разработчиком, что никакой ИИ вам не понадобится
2️⃣ Использовать возможности AI-инструментов, чтобы возглавить рынок и работать на 40% меньше, чем остальные, а успевать больше.
Лично я приверженец второго варианта, а вы?
Ставьте —
Ставьте — 🦄, если выбираете первый
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥25🦄10❤5
ZoomInfo — GitHub Copilot как массовый пилот (400+ разработчиков)
[ Разбор реального кейса внедрения AI в компаниях ]
Если до этого мы обсуждали промты и разные мифы про ИИ, то сегодня предлагаю разобрать один из реальных кейсов.
Зачем?
Чтобы быть в курсе того, как рынок развивается и как лучше всего подготовиться к будущим изменениям
💁♂️ Что за проект?
ZoomInfo — крупная B2B‑SaaS‑платформа (GTM‑интеллект) с ~4 000 сотрудниками и ~400 активными разработчиками, сотни микросервисов на TypeScript, Java, Python, JS и тысячах репозиториев.
Как помогло внедрение AI? 🙌
По результатам 2024 года и анализа использования Copilot:
– Примерно 20% экономии времени на рутине (болванка кода, тесты, комментарии и т.п.).
– В продакшен уже ушли сотни тысяч строк кода, сгенерированных Copilot.
– Средний acceptance‑rate:
~33% от предложений Copilot разработчики принимают;
~20% от предлагаемых строк реально попадает в код.
– Наибольшая польза:
📍 генерация boilerplate и юнит‑тестов;
📍 ускорение документирования;
📍 помощь при изучении новых библиотек.
– Ограничения:
📍 слабое качество на доменно‑специфичной логике;
📍 необходимость править предложения;
📍 риск пере‑зависимости от ассистента — поэтому они ввели 📍 строгие правила безопасности и обзора кода.
Какие выводы для обычного разработчика?
Нормально принимать \~1/3 подсказок.
Это не «Copilot пишет весь код», а «много мелочёвки делает за вас».
Главный выигрыш — в рутине. Тесты, болванки, повторяющиеся паттерны, документация, миграции — вот, где реальные +20% времени, а не в «магическом решении архитектуры».
И очень важен процесс: пилот → метрики → правила.
ZoomInfo не просто включили Copilot «всем сразу» — они измеряли, где он реально помогает, и завели политики использования и безопасности.
Как применять это у себя?
Вот для вас порядок действий для реализации мини‑версии процесса ZoomInfo:
– Сделайте личный “trial” на 2–4 недели.
– Выберите 1–2 репозитория.
– Используйте ассистента только в IDE (не в браузере/чате).
– Измерьте свои метрики:
📍 грубо оцените, сколько времени уходит на типичные задачи до/после (рефакторинг, добавление фич, тесты);
📍 смотрите на свои acceptance‑rate: если вы принимаете почти всё — вы рискуете «отключить мозг».
– Выделите зоны “разрешённого” применения:
📍 генерировать тесты и болванки;
📍 помогать с незнакомыми фреймворками/SDK;
📍 писать комментарии, doc‑строки и PR‑описания.
А еще задайте себе правило:
Итого, что мы имеем?
У ZoomInfo Copilot стал массовым, но управляемым инструментом, не заменой разработчиков.
➡️ Так что вот простой урок: максимальный профит будет, если использовать AI как системный инструмент (с метриками и ограничениями), а не как игрушку «по настроению».
И ставьте —🔥 , если вам это было полезно и хотите еще подобных разборов
[ Разбор реального кейса внедрения AI в компаниях ]
Если до этого мы обсуждали промты и разные мифы про ИИ, то сегодня предлагаю разобрать один из реальных кейсов.
Зачем?
Чтобы быть в курсе того, как рынок развивается и как лучше всего подготовиться к будущим изменениям
💁♂️ Что за проект?
ZoomInfo — крупная B2B‑SaaS‑платформа (GTM‑интеллект) с ~4 000 сотрудниками и ~400 активными разработчиками, сотни микросервисов на TypeScript, Java, Python, JS и тысячах репозиториев.
В 2023–2024 они провели четырёхфазный эксперимент с GitHub Copilot: небольшой качественный пилот, формальный пилот на 126 инженерах, затем постепенный rollout на всех.
Как помогло внедрение AI? 🙌
По результатам 2024 года и анализа использования Copilot:
– Примерно 20% экономии времени на рутине (болванка кода, тесты, комментарии и т.п.).
– В продакшен уже ушли сотни тысяч строк кода, сгенерированных Copilot.
– Средний acceptance‑rate:
~33% от предложений Copilot разработчики принимают;
~20% от предлагаемых строк реально попадает в код.
– Наибольшая польза:
📍 генерация boilerplate и юнит‑тестов;
📍 ускорение документирования;
📍 помощь при изучении новых библиотек.
– Ограничения:
📍 слабое качество на доменно‑специфичной логике;
📍 необходимость править предложения;
📍 риск пере‑зависимости от ассистента — поэтому они ввели 📍 строгие правила безопасности и обзора кода.
Какие выводы для обычного разработчика?
Нормально принимать \~1/3 подсказок.
Это не «Copilot пишет весь код», а «много мелочёвки делает за вас».
Главный выигрыш — в рутине. Тесты, болванки, повторяющиеся паттерны, документация, миграции — вот, где реальные +20% времени, а не в «магическом решении архитектуры».
И очень важен процесс: пилот → метрики → правила.
ZoomInfo не просто включили Copilot «всем сразу» — они измеряли, где он реально помогает, и завели политики использования и безопасности.
Как применять это у себя?
Вот для вас порядок действий для реализации мини‑версии процесса ZoomInfo:
– Сделайте личный “trial” на 2–4 недели.
– Выберите 1–2 репозитория.
– Используйте ассистента только в IDE (не в браузере/чате).
– Измерьте свои метрики:
📍 грубо оцените, сколько времени уходит на типичные задачи до/после (рефакторинг, добавление фич, тесты);
📍 смотрите на свои acceptance‑rate: если вы принимаете почти всё — вы рискуете «отключить мозг».
– Выделите зоны “разрешённого” применения:
📍 генерировать тесты и болванки;
📍 помогать с незнакомыми фреймворками/SDK;
📍 писать комментарии, doc‑строки и PR‑описания.
А еще задайте себе правило:
«вся AI‑логика проходит такой же ревью, как код джуна».
Итого, что мы имеем?
У ZoomInfo Copilot стал массовым, но управляемым инструментом, не заменой разработчиков.
И ставьте —
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥12❤1👍1🦄1
Лучший момент, чтобы усилиться в IT, перейти в Golang, подняться в Python или освоить AI со скидкой
До 30 ноября включительно доступны самые выгодные условия на 4 ключевые программы InterviewHustlers.
Такого никогда не было, и повторяться вряд ли будет.
1.
Идеален, если ты уже знаком с основами языка и хочешь системно перейти в разработку.
Главная цель программы:
трудоустроить тебя как Python Middle разработчика с зарплатой от 150 000 ₽, сформировать сильный фундамент и помочь успешно пройти испытательный срок.
Как всё устроено:
— Лекции
— Групповые практики
— Составление резюме
— Созвон по собесам, отработка рассказа о себе
— Материалы в Notion, чат в Телеграме
— Ведём переговоры о зарплате за вас
— Групповой экзамен до 5 человек или мок-собес
80+ разработчиков трудоустроились в Yandex, Avito, Tinkoff, Cloud.RU, X5, VK, PostgresPro, Yadro и другие компании.
2.
Подходит тем, кто уже работает разработчиком и хочет вырасти в грейде.
Курс направлен на получение оффера от 250 000 ₽, включает:
— микросервисный проект,
— практики уровня продакшена,
— работу над архитектурой,
— развитие hard & soft skills,
— системную подготовку к собеседованиям.
3.
Для разработчиков из других стеков (Python, Java, Frontend, Mobile и др.), кто хочет освоить Go с нуля, разобраться в фундаменте, concurrency и сетевой модели.
Как всё устроено:
— Полная программа по перекату в Golang за 2,5 месяца
— Практика на реальных задачах уровня высоконагрузочных систем
— Подготовка к собеседованиям
— Тех-ревью, разбор кода, помощь на каждом этапе
— Сопровождение до оффера
— Комьюнити разработчиков + созвоны и практика
4.
Курс подойдёт Junior/Middle разработчикам, тимлидам и техническим специалистам, которые хотят ускорять задачи, повышать качество кода и работать как senior-инженер с помощью AI-инструментов.
За 6 недель вы освоите ChatGPT, Claude, Cursor, AI-IDE, prompt engineering, работу с LLM, автоматизацию через n8n и создание AI-агентов. Научитесь решать рабочие задачи быстрее, строить архитектуру с поддержкой AI и применять нейросети в реальных проектах.
Не упускай такую возможность, только до 30 ноября скидка на все курсы до 20%. Прокачай навыки и получи оффер уже этой зимой!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7🔥3👍1🦄1
Увеличиваем продуктивность благодаря AI-инструментам
[ AI-редактор кода (Cursor / Claude Code) как «двигатель» разработки ]
Так-так-так.
Хочу ввести новую рубрику «Повышаем продуктивность за счет внедрения AI-инструментов», чтобы вы могли прямо сейчас прочитать пост и пойти попробовать «руками» все это применить.
И сегодня начнем с разбора AI-редактора кода (Cursor / Claude Code)
💁♂️ Например, если вы до этого не прикасались к этой теме, то инструменты вроде Cursor и Claude Code — это не просто автодополнение, а полноценный AI-помощник прямо в IDE/редакторе:
– генерирует черновой код по описанию задачи;
– редактирует уже написанный код по инструкции («перепиши на async/await», «добавь логирование»);
– помогает искать по большому проекту и делать изменения в нескольких файлах;
– умеет делать план шагов и авто‑ревью (например, Plan Mode, AI Code Review и массовый поиск/замены в Cursor).
И, например, Claude Code отдельно заточен под работу с большими репозиториями, поиском по миллион+ строк кода и выполнением сложных задач через одну команду.
А теперь давайте посмотрим, как работает на практике 🙌
Базовый цикл работы:
1️⃣ Формулируете задачу в человеческом языке
Например, из Jira/Linear:
2️⃣ Просите AI:
3️⃣ Используете inline‑редактирование:
– выделяете фрагмент кода;
– формулируете команду:
4️⃣ Генерите тесты:
После того, как разобрали немного теории, давайте посмотрим, как все будет происходить на примере реальной задачи.
Условно – нам нужно реализовать импорт CSV:
Шаг 1. Прошу AI в Cursor:
Шаг 2. Получаю план из 5–7 шагов.
Шаг 3. Прошу:
Шаг 4. Прошу сгенерировать unit‑тесты и пример миграции БД, если нужно поле/таблица.
Шаг 5. Дальше я только дорабатываю специфику бизнеса, оптимизации и проверяю руками.
Что мы получаем в итоге?
Черновой вариант задачи делается за 20–40% от прежнего времени, основное время уходит на проверку и доводку, а не на «механическое» написание кода.
Как-то так. Надеюсь, вы сразу попробуете реализовать это у себя в работе. И если вам понравился такой формат, то ставьте — 🦄
[ AI-редактор кода (Cursor / Claude Code) как «двигатель» разработки ]
Так-так-так.
Хочу ввести новую рубрику «Повышаем продуктивность за счет внедрения AI-инструментов», чтобы вы могли прямо сейчас прочитать пост и пойти попробовать «руками» все это применить.
И сегодня начнем с разбора AI-редактора кода (Cursor / Claude Code)
💁♂️ Например, если вы до этого не прикасались к этой теме, то инструменты вроде Cursor и Claude Code — это не просто автодополнение, а полноценный AI-помощник прямо в IDE/редакторе:
– генерирует черновой код по описанию задачи;
– редактирует уже написанный код по инструкции («перепиши на async/await», «добавь логирование»);
– помогает искать по большому проекту и делать изменения в нескольких файлах;
– умеет делать план шагов и авто‑ревью (например, Plan Mode, AI Code Review и массовый поиск/замены в Cursor).
И, например, Claude Code отдельно заточен под работу с большими репозиториями, поиском по миллион+ строк кода и выполнением сложных задач через одну команду.
А теперь давайте посмотрим, как работает на практике 🙌
Базовый цикл работы:
1️⃣ Формулируете задачу в человеческом языке
Например, из Jira/Linear:
«Нужно добавить эндпоинт POST /imports/csv , который принимает файл, валидирует формат, сохраняет строки в БД и возвращает количество успешно импортированных записей и количество ошибок.»
2️⃣ Просите AI:
«Сделай план реализации этой задачи по шагам.»
«Сгенерируй скелет контроллера и сервисного слоя для этой задачи на [ваш язык/фреймворк].»
«Предложи структуру DTO и базовые проверки валидности.»
3️⃣ Используете inline‑редактирование:
– выделяете фрагмент кода;
– формулируете команду:
«Добавь обработку ошибок с логированием в такой-то формат»,
«Оптимизируй этот запрос к БД»,
«Вынеси повторяющийся код в отдельную функцию/хук»
4️⃣ Генерите тесты:
«Напиши unit‑тесты для этого сервиса с учетом таких-то edge‑cases»;
«Добавь e2e‑тест, который проверяет полный цикл импорта».
После того, как разобрали немного теории, давайте посмотрим, как все будет происходить на примере реальной задачи.
Условно – нам нужно реализовать импорт CSV:
Шаг 1. Прошу AI в Cursor:
«Сделай план реализации импорта CSV в сервисе заказов. Стек: Node.js + NestJS + PostgreSQL. Учти валидацию данных и логирование ошибок.»
Шаг 2. Получаю план из 5–7 шагов.
Шаг 3. Прошу:
«Сгенерируй контроллер и сервис для этого плана. Пиши максимально идиоматичный код.»
Шаг 4. Прошу сгенерировать unit‑тесты и пример миграции БД, если нужно поле/таблица.
Шаг 5. Дальше я только дорабатываю специфику бизнеса, оптимизации и проверяю руками.
Что мы получаем в итоге?
Черновой вариант задачи делается за 20–40% от прежнего времени, основное время уходит на проверку и доводку, а не на «механическое» написание кода.
Как-то так. Надеюсь, вы сразу попробуете реализовать это у себя в работе. И если вам понравился такой формат, то ставьте — 🦄
🔥15❤5👍5
Две стороны одной модели ИИ
Немного вернемся к обсуждению рынка труда на фоне AI. Итак 🙌
Вы в курсе, что разработчиков пугают тем, что нейронки их заменят. Мы тут даже рассматривали парочку новостей. И надеюсь, что смог вас разубедить в этом.
💁♂️ Однако есть две другие точки зрения:
и
То есть, что мы имеем?
Пока одни утверждают, что без навыков работы с нейронкой не попасть на нормальный стэк, другие — кодинг с ИИ станет простой и разработчики совсем перестанут работать.
Забавная ситуация, да?
Получается из одной крайности переходим в другую крайность, а правда где-то посередине.
Сами посудите — работа с AI помогает оптимизировать разработку и высвободить лишние часы под другие задачи? Да. А следовательно работать с нейронками НУЖНО.
Работадатель это понимает. И ему нужны разработчики, которые приносят больше денег за прежнюю единицу часов 👌
Однако он же против того, чтобы с помощью нейронок на нем обогащались и зарабатывали лишние деньги. Вот пример.
Недавно слышал историю из одной компании, где разработчики с помощью вайбкодинга выполняют задачи сверхнормы и потом ставят себе дополнительное время в переработку, хотя ее в реальности не было.
Из-за этого работу реально могут начать контролировать иначе, что негативно отразится на самих разработчиках 🙃
Но как будет на самом деле — мы еще увидим, а пока ставьте:
🔥 — если работадателя не должно касаться, как выполнена работа;
🦄 — если не надо наживаться на работадателе.
И пишите свое мнение в комментариях — обсудим 👇
Немного вернемся к обсуждению рынка труда на фоне AI. Итак 🙌
Вы в курсе, что разработчиков пугают тем, что нейронки их заменят. Мы тут даже рассматривали парочку новостей. И надеюсь, что смог вас разубедить в этом.
💁♂️ Однако есть две другие точки зрения:
«На работу без навыков AI скоро перестанут брать»
и
«Разработчики совсем перестанут нормально работать с AI»
То есть, что мы имеем?
Пока одни утверждают, что без навыков работы с нейронкой не попасть на нормальный стэк, другие — кодинг с ИИ станет простой и разработчики совсем перестанут работать.
Забавная ситуация, да?
Получается из одной крайности переходим в другую крайность, а правда где-то посередине.
Сами посудите — работа с AI помогает оптимизировать разработку и высвободить лишние часы под другие задачи? Да. А следовательно работать с нейронками НУЖНО.
Работадатель это понимает. И ему нужны разработчики, которые приносят больше денег за прежнюю единицу часов 👌
Однако он же против того, чтобы с помощью нейронок на нем обогащались и зарабатывали лишние деньги. Вот пример.
Недавно слышал историю из одной компании, где разработчики с помощью вайбкодинга выполняют задачи сверхнормы и потом ставят себе дополнительное время в переработку, хотя ее в реальности не было.
Из-за этого работу реально могут начать контролировать иначе, что негативно отразится на самих разработчиках 🙃
Но как будет на самом деле — мы еще увидим, а пока ставьте:
🦄 — если не надо наживаться на работадателе.
И пишите свое мнение в комментариях — обсудим 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥41🦄6👍4
Как превратить «болото» из кода в понятные и адекватное?
[ Рефакторинг, легаси и ревью через AI ]
Да, мы продолжаем нашу рубрику, где повышаем продуктивность за счет внедрения AI. И сегодня мы обсудим, как с его помощью работать быстрее с кодом.
Итак. AI превращает работу с чужим/старым кодом из «болота» в достаточно понятный процесс:
– объясняет, что делает сложный или запутанный файл;
– помогает разбивать огромные функции на небольшие;
– предлагает более чистую архитектуру;
– облегчает массовый рефакторинг (поиск по репозиторию, замену API, миграции).
Claude Code, например, заточен под работу с большими кодовыми базами и может искать и менять вызовы по всему проекту.
Типовая схема работы
1️⃣ Понимание легаси
2️⃣ Поиск проблем
3️⃣ Сам рефакторинг
4️⃣ Ревью и авто‑ревью
Мини‑чеклист безопасного рефакторинга с AI
📍 Сначала — понимание
Попросить AI объяснить код своими словами и проверить, что вы согласны с описанием.
📍 Потом — тестовые сценарии
Если тестов нет — создаете хотя бы часть по списку от AI.
📍 Только потом — изменения
Просите AI предложить патч, но сами внимательно читаете дифф.
📍 В конце:
– прогоняете тесты;
– проверяете критические сценарии руками;
– смотрите, нет ли изменений в поведении (логах, метриках, интерфейсе).
Что ж. На сегодня это все. Сохраняйте к себе мини-инструкцию и ставьте — 🦄, если нужно продолжать эту рубрику
[ Рефакторинг, легаси и ревью через AI ]
Да, мы продолжаем нашу рубрику, где повышаем продуктивность за счет внедрения AI. И сегодня мы обсудим, как с его помощью работать быстрее с кодом.
Итак. AI превращает работу с чужим/старым кодом из «болота» в достаточно понятный процесс:
– объясняет, что делает сложный или запутанный файл;
– помогает разбивать огромные функции на небольшие;
– предлагает более чистую архитектуру;
– облегчает массовый рефакторинг (поиск по репозиторию, замену API, миграции).
Claude Code, например, заточен под работу с большими кодовыми базами и может искать и менять вызовы по всему проекту.
Типовая схема работы
1️⃣ Понимание легаси
«Объясни, что делает этот файл/класс/модуль. Опиши входы/выходы, побочные эффекты и потенциальные проблемы.»
«Нарисуй (словами) схему, как этот модуль взаимодействует с остальными частями проекта.»
2️⃣ Поиск проблем
«Найди потенциальные точки для рефакторинга в этом коде: дублирования, слишком большие функции, нарушенные принципы SOLID.»
«Предложи, как можно улучшить структуру без изменения поведения.»
3️⃣ Сам рефакторинг
«Разбей этот метод на несколько маленьких, сохрани поведение.»
«Перепиши этот код под [новую версию фреймворка/библиотеки].»
«Замени использование библиотеки X на Y во всем проекте, предложи пошаговый план и пример кода.»
4️⃣ Ревью и авто‑ревью
«Сделай code review этого диффа: где проблемы, что улучшить по стилю, читаемости, производительности?»
«Проверь, нет ли здесь возможных утечек памяти/ресурсов/SQL‑инъекций и т.п.»
Мини‑чеклист безопасного рефакторинга с AI
📍 Сначала — понимание
Попросить AI объяснить код своими словами и проверить, что вы согласны с описанием.
📍 Потом — тестовые сценарии
«Опиши набор тестов, который должен пройти этот код. Какие edge‑cases нужно проверить?»
Если тестов нет — создаете хотя бы часть по списку от AI.
📍 Только потом — изменения
Просите AI предложить патч, но сами внимательно читаете дифф.
📍 В конце:
– прогоняете тесты;
– проверяете критические сценарии руками;
– смотрите, нет ли изменений в поведении (логах, метриках, интерфейсе).
Что ж. На сегодня это все. Сохраняйте к себе мини-инструкцию и ставьте — 🦄, если нужно продолжать эту рубрику
🦄16👍2❤1