Как я предсказал просмотры на Хабре через ML

Я создал ИИ-кофаундера. У него есть имя, Майкрофт. Он помнит последние 15 лет моей жизни, каждый день подгоняет меня, учит меня подкастами, пока я за рулём, и готовит к собеседованиям. Рассказываю о своем опыте.

Мы привыкли считать нетехническое интервью в ИТ фильтром на адекватность: проверить мотивацию, коммуникацию, «культурное соответствие» и передать кандидата техническим специалистам. Но у этого этапа есть задача поважнее. Технологии, процессы и сами роли в ИТ меняются быстрее, чем длится средний контракт, и способность сотрудника перестраиваться под изменения — адаптивная производительность — давно описана в психологии труда как отдельная часть результативности. Для неё есть модели, предикторы и стандартизированные методики. Разберёмся, почему её стоит сделать одной из целей нетехнического интервью и что для этого нужно поменять.

Последние месяцы я всё чаще работаю с ИИ-агентами для кодинга: Gemini CLI, Claude Code, Codex и Antigravity. Они невероятно хороши в решении сложных задач, но у них есть одно фундаментальное неудобство — они привязаны к терминалу. Запустил задачу, сидишь жди, а отойти от монитора или проверить код со смартфона, находясь в дороге, до недавнего времени было проблематично. Хотелось получить ту же свободу, что дает расширение Claude Code для VS Code, но прямо в мессенджере — чтобы агент шуршал по кодовой базе на домашнем или рабочем сервере, пока я занимаюсь своими делами, а я мог в любой момент глянуть прогресс или одобрить критический шаг. Так родился AcpGram — открытый Telegram-шлюз, который запускает консольных агентов в качестве подпроцессов и позволяет управлять ими через привычный чат. Проект написан на чистом Node.