Автоматизация
AI‑агент исправил упавший CI, сборка стала зелёной — можно мержить? В эксперименте с двумя AI‑ассистентами выяснилось, что при конфликте тестов со спецификацией агенты могут менять сами тесты, подгоняя результат под ожидаемый. В статье разбираем шесть ошибок в организации работы с AI‑агентами и способы защитить тестирование от незаметной подмены требований. Проверить AI-агента
Читать далееZOLT JOURNAL / ДАЛЬШЕ
Стандартный технический скрининг и классический live coding стремительно теряют смысл: на онлайн-собеседованиях кандидаты массово используют невидимые ИИ-суфлёры (вроде Ghost GPT), а типовые алгоритмические задачки любая современная LLM решает за пару секунд. Пытаться победить это одними запретами и прокторингом — тупиковый путь. В какой-то момент мы в SymbioWay решили пойти от обратного: официально разрешили кандидатам использовать ИИ-агентов прямо на интервью, но изменили сами задачи так, чтобы без глубокого понимания архитектуры и кода нейросеть человеку не помогла. Под катом расскажу, какие навыки мы теперь проверяем у разработчиков и как устроены такие задачи.
Перед каждым релизом — те же формы, те же кнопки, те же проверки. Я делаю Testence, чтобы передать эту рутину ИИ-агенту и получить автотесты, которые дальше работают без него. Но первый же зелёный тест заставил спросить: а мы вообще проверили то, что нужно?
Спорить о качестве кода, написанного ЛЛМ, можно вечно, а если речь заходит про 1С, то градус взлетает до небес. Мы придумали идеальный эксперимент. Берём не самый свежий релиз типовой конфигурации и даём задание поправить реальные баги, найденные и закрытые в следующей версии. Сравниваем код от агента с официальным патчем вендора.