Ремастер трилогии Dragon Age может никогда не выйти — нынешние сотрудники BioWare не знают, как работает движок Бывший продюсер студии BioWare Марк Дарра рассказал, что фанатам не стоит ждать ремастеров оригинальной трилогии Dragon Age. По его словам, никто из нынешних сотрудников студии попросту не знает, как работает движок Aurora, на котором сделаны Dragon Age: Origins и Dragon Age 2. Исключение составляет лишь Dragon Age: Inquisition, работающая на движке Frostbite 3 от компании DICE. В какой-то момент рассматривалась идея создать полноценный ремейк первой части при участии сторонней команды, однако EA отказалась финансировать такой дорогостоящий вариант.

#кейс_стади Задача на подумать для менеджера Ты CEO сервиса доставки продуктов Едрит. Компании пять лет. За последние полтора года разработка выросла с 4 до 51 человек, ФОТ апнулся почти 10 раз, а средний срок заметной фичи с 2 недель до 2 месяцев (точно вы не знаете). Новые разработчики, тимлиды и архитекторы появляются регулярно. Больше деливери и качественнее почему-то не становится. Чувство развода скоро доконает Последние девять месяцев ты много вайбкодишь: получили доступ к репозиторию, разобрался в монолите и уже довел до прода шесть небольших изменений, там сям - фильтры в админке, вебхуки, ретраи и внутренние инструменты. Код после вас ревьюили и местами переделывали, но ничего ужасного не находили. Разработчиком вы себя не считаете, но outbox, идемпотентность и контракт API понимаете не только по объяснениям NotebookLM Ты договорился о запуске с крупной сетью супермаркетов Дастархан. До 1 сентября нужно подключить 120 магазинов. От запуска зависит годовой контракт и следующий транш инвестиций Сеть должна присылать в Едрит JSON с остатками и ценами, а сервис отправлять ей заказы и изменения статусов. Нужны по сути 4-5 ручек, подпись запросов, маппинг SKU, ретраи и журнал ошибок. В монолите уже есть две похожие интеграции, аутбокс и воркеры можно пошарить Команда оценивает работу в четыре месяца. CTO предлагает вынести интеграции в отдельный микросервис, сделать универсальный конструктор маппинга, реестр контрактов и версионирование схем. Вы спрашиваете, зачем ради одного партнера строить платформу, если можно добавить адаптер и несколько хендлеров в существующий модуль. В ответ слышите, что мыслите "на уровне happy path" и вообще вайбкодерам не понять, вы не понимаете enterprise-разработку Разговор заканчивается срачем. Вы соглашаетесь на четыре месяца, но втихую создаете локальную ветку и по вечерам делаете свою версию. Через две недели готовы прием остатков, создание заказа, статусы, отмены, подписи, идемпотентность, ретраи, метрики и 116 тестов. Вы прогоняете 50 тысяч сообщений на обезличенных данных и несколько дней работаете с песочницей сети. Все работает Код ты никому не показываешь. Его не ревьюили разработчики, не проверяли QA и безопасники. Только твой верный Codex. Ты можешь не знать части требований, неправильно понимать нагрузку или пропустить редкий сценарий, который всплывет только на проде. Поэтому ждешь результат команды Команда выпускает интеграцию через пять месяцев. Сеть переносит запуск, компания теряет месяц оборота, инвесторам приходится объяснять задержку. После релиза ты сравниваешь код. Команда добавила отдельный сервис, 14 таблиц, 3 новых топика, собственный формат событий и DSL для маппинга. Получилось около +9 тысяч строк. Из универсальных возможностей пока используется только одна интеграция В своей ветке 1 300 строк вместе с тестами. Она использует старый outbox и существующий интерфейс адаптеров. JSON на выходе одинаковый, основные сценарии тоже. Более того, в версии команды вы находите два бага, которые в вашей закрыты тестами Но их решение прошло ревью, QA, DBA-чек и уже неделю работает под реальной нагрузкой. Твое нет. Возможно, после нормальной проверки ваша версия развалится. Возможно, разработчики видели то, чего не увидели вы. А возможно, пять месяцев они строили платформу, которую никто не просил У тебя натурально горит **па. Через два дня квартальная встреча с CTO и тимлидами. Твои действия?

Наконец-то запись стрима "Харнесс будущего" с тайм-кодами! Сохраняйте себе, чтобы посмотреть ответы на самые интересные вам вопросы. 00:00 — Введение и изучение заставки стрима 10:20 — представление гостей 11:50 — Какие задачи сейчас решаете с помощью harness? 21:08 — Как можно описать слабости текущего harness? 29:05 — Как бы вы хотели улучшить свой харнесс? Насколько это реалистично? 41:10 — Возможен ли полезный для пользователя harness на on-prem-моделях? 53:15 — Какой автономности сможет достичь AI-агент в будущем? 1:01:40 — Как изменится работа агентов с памятью? 1:07:25 — Исчезнет ли human in the loop? 1:13:50 — Какие изменения AI-агентов будут вызваны вопросами безопасности? 1:25:33 — Переходим к вопросам из чата. 1:26:15 — Что важнее – harness или модель? 1:30:50 — Про эволюцию профессии AI-инженера. 1:34:00 — Кто из участников стрима – вайбкодер? 1:39:38 — Когда имеет смысл использовать оркестратор харнессов? 1:41:10 — Расскажите про ваш "вау-момент" от нейронок. 1:48:33 — Можете ли работать без AI-агентов в 2026-м году? 1:53:30 — Какой самый дурацкий запрос вы отправляли в агента недавно? 1:55:20 — Что вы думаете об устройствах, которые OpenAI проектирует? 1:58:05 — Про семантику и грамматику внутри модели и harness. 2:01:05 — О харнессах для бизнеса. 2:02:08 — Будет ли развитие живых нейросетей? 2:04:29 — Матерится ли на вас агент? 2:07:30 — Всё-таки, харнесс будущего – какой он? Подписывайтесь на Telegram-каналы участников стрима: Александр Абрамов – https://t.me/dealerAI Павел Рыков – https://t.me/evilfreelancer Тимур Хахалев – https://t.me/the_ai_architect Константин Доронин – https://t.me/kdoronin_blog Оставляйте в комментариях предложения для тем, которые можно рассмотреть на следующих трансляциях.

Про признак «у пользователя день рождения» в ML В этом году на день рождения (он был уже давно, сейчас просто вспомнил историю) я получил очень много поздравлений, и что-то меня побудило всем поздравившим ответить в тот же день. В итоге больше половины моих ответов телеграм удалил, решив, что я спамер. Даже были прецеденты, когда мы с человеком попереписывались, а на следующий день его реплики есть, а мои все потерли. В этом нашелся и позитивный момент, я до сих пор случайно нахожу диалоги с поздравлениями и снова радуюсь им, но конечно основное, что меня позабавило, это что в классификаторе спама либо нет признака «у пользователя ДР», либо он не работает. И это, кстати, частый недостаток ML моделей в B2C сервисах. Например, в одной компании, где я работал, два моих коллеги мужского пола постоянно определялись внутренним классификатором пола как женщины, а один из них на этот счет даже неплохо плевался желчью. Причина тому была очень простой: у них день рождения 8 марта, и они получают аномально высокое для мужчины количество звонков в этот день. Среди тысяч сотрудников оказалось достаточно мужчин, родившихся 8 марта, чтобы баг исправился сам собой, когда для модели сделали нормальные признаки. Общий же рецепт довольно простой: при разработке модели хорошо бы подумать, почему она может ошибаться на каких-то примерах, и что сделать, чтобы не ошибалась. Как правило первые ответы на этот вопрос будут касаться наличия и актуальности нужных признаков, корректности собранного таргета, баланса классов и в целом репрезентативности выборки.

BEACONFALL - вопреки здравому смыслу В январе этого года разработчик прошел ThroneFall и Kingdom's Deck, очень впечатлился и решил сделаю свою стратегию. План стандартный: • Сделать 3д игру на Game Maker'e • Научиться делать 3д модели • Изучить жанр • Соло. • Быстро. Пол года разработки пролетели незаметно. Некст-фест, пара постов на реддит и локальные шоу-кейсы в барах. За 3 месяца существования странички получилось набрать 860 вишлистов к моменту релиза, а релизить нужно было срочно по независящим от разработчика причинам. Но игра была готова к нужной дате. Первые двое суток продажи держались на уровне "Ну, хотя бы не хуже прошлых игр". Но чем больше времени проходило с релиза, тем более аномальным становился этот релиз. Релизную скидку он поставил 20% на 2 недели. Продаж в первый день было около $260, на второй - $160. На третий - $100. Но с четвертого дня продажи стали РАСТИ до тех пор, пока не пробили $1000+ за сутки. Выпустил игру с 850 вишлистов без какого либо маркетинга. Но после релиза он не опускал руки и начал цепляться за все возможности: 1) Попросил друзей написать первую десятку отзывов 2) Отправил около 25 писем ютуберам, которые играют в инди стратегии 3) Нашел других разработчиков, с которыми они сделали совместные бандлы. Контент с ютуба поднял продажи сильнее всего. Маленький проект стал маленьким успехом. Ссылка на игру #инди | Telegram | YouTube | чат

Хорошие инструменты — невидимы Ты долго собираешь хитрый макрос под разовую задачу по рефакторингу, наконец он срабатывает, и накрывает приятное чувство собственной сообразительности. А рядом кто-то сделал бы то же самое за минуту мультикурсорами или коротким скриптом. Инструмент, который превращает банальную смекалку в героический поступок, кажется мощным, хотя на деле он просто медленный. Дальше срабатывает вторая ловушка. Ты уже вложил месяцы в освоение редактора, он стал частью того, как ты себя ощущаешь, и теперь признать его недостатки означает признать свои. Поэтому их перестают терпеть молча и начинают защищать, а в итоге чествуют как достоинства. Честная проверка при этом простая, и она не про то, насколько умным ты себя почувствовал. Попробуем понять, по чему на самом деле мерить, служит инструмент тебе или ты ему.

KAT-Coder-V2.5-Dev: 35B параметров, но активны только 3B KwaiAI открыла KAT-Coder-V2.5-Dev - MoE-модель для агентной разработки на базе Qwen3.6-35B-A3B. На каждом токене используется около 3 млрд параметров, при этом результаты выглядят серьёзно: - 69,4 на SWE-bench Verified; - 63,0 на SWE-bench Multilingual; - 41,02 на Terminal-Bench 2.1. Есть контекст 256K, tool calling, thinking и non-thinking режимы, а также сохранение истории рассуждений между шагами агента. Для обучения использовали 127 тысяч SFT-примеров и reinforcement learning. Доля некорректных tool labels снизилась с 9,34% до 0,28%, а непрерывные повторы — до 0%. Модель текстовая, без vision-модуля. Веса открыты под Apache 2.0. https://modelscope.ai/models/Kwaipilot/KAT-Coder-V2.5-Dev Paper: https://modelscope.ai/papers/2607.05471

К посту выше. Если вы еще используете промпты в нейрочате и копируете нейрокод в проект, то вы сильно отстали от трендов. Согласно табличке этот этап прошел в 2024. Уже в 2025 прошел этап простого "ИИ-редактора" (Cursor, Windsurf, Trae и подобные), и стал актуален харнесс - это обвязка вокруг ИИ-модели, комплекс инструментов и правил, а не просто нейрочат. А в 2026 уже начался Graph engineering, то есть уже код некогда, надо оркестрировать пайплайны с ИИ на всех этапах. Забавно, но инерция в индустрии очень сильна. Общался с представителями разных команд из крупных проектов, многие говорят, что ИИ внутри инженеры используют "по желанию". То есть многие команды еще долго будут догонять тренды, нет столько ИИ-евангелистов и умельцев, но значит еще есть возможность такими стать. #ai

Программирование с явно выделенным состоянием Одна из моих любимых тем, про которую не устаю говорить. В модели данных часто бывает ситуация, когда состояние выражено не прямым образом, а косвенно. Буквально вчера я реализовывал кастомные тарифы под конкретных пользователей. Отличие такого тарифа от обычного сводится к тому, заполнено ли поле user_id в тарифе или нет. Если не заполнено, то значит это общий тариф, если заполнено, значит под конкретного пользователя и другие его не могут видеть. Это вполне рабочая схема и она встречается повсеместно, особенно в связке с датами типа deleted_at, но она обладает одним очень важным недостатком. Понимание того, что эта запись находится в особом состояние вычисляется через косвенный признак или, что хуже, через набор признаков. Об этом надо думать и каждый раз вспоминать и выуживать эту информацию. Сейчас, в эру агентного программирования, это стало еще важнее. Агент может догадаться до правила, но ему нужно на это время и отдельный анализ. Можно конечно написать об этом в правилах, но зачем, когда можно просто поправить модель данных? Все что требуется, это введение текстового поля со статусом, которое явным образом скажет о происходящем с этой записью. В общем не полагайтесь на то как заполнены поля, вводите нужные статусы, которые явно будут говорить о том что происходит. Заодно это дает более удобную аналитику и выборки Telegram | YouTube | AI Клуб

Все, с выходом Fable и 5.6 sol вы больше не должны понимать, что происходит у вас в коде. Не до всех еще дошло, но вы больше не software engineer, вы loop engineer

↑ Я думал, что это типичный твиттер шитпостинга, но реально начал видеть вокруг себя серьезных людей, кто так считает. Мол, раз у Бориса в антропике получается, то и мы так должны делать

Ну камон, ребят. Все же понимают, что публичные лица компаний, который продают лопаты всегда будут преувеличивать ценность этих лопат и формировать хайп, который через какое-то время действительно пушанет технологии до уровня, который они продвигали. Типичный fake it till your make it – так все технологии развиваются и всегда развивались. Но мы то с вами не обязаны собой жертвовать ради этого, ну Почему я считаю, что сейчас это все еще не работает и хорошие инженеры должны понимать что происходит под капотом систем, которые они строят (даже если они строят их печатая/наговаривая английский/русский текст)? Постараюсь порассуждать "из первых принципов": Дело в том, что это всегда так и было – хороший инженер всегда понимал систему как минимум на один уровень абстракции ниже того, на котором её писал. Хороший Python разработчик знает про GIL и 3.13, PyMalloc, сборщик мусора, ссылочную природу объектов, и что многие библиотеки написаны на других языках со своими ограничениями и возможностями. И для него код на пайтоне на самом деле раскрывается гораздо глубже чем он выглядит на первый взгляд – тот самый tacit context Хороший C++ разработчик скорее всего знает не только про разные виды памяти, устройство умных указателей и виртуальные таблицы, но и в курсе про уровни хардварного кэша, особенности архитекутры процессора и хаки, которые использует компилятор для компиляции под эти архитекутры. И может даже знать, в какие конкретно ассемблерные инструкции раскроется его код. Понимает как треды устроены на уровне ОС, какие механизмы их переключения на уровне ядра, и как писать lock-free код ↑ Этого всего нет напрямую в синтаксисе языка. Это особенности поведения систем на гораздо более низких уровнях. И проблема в том, что если инженер их не знает, то он даже не знает чего он не знает. А значит, не узнает и о наличии проблем на этих уровнях. В итоге прод ложится под растущей нагрузкой, баги не находятся неделями и затыкаются костылями, из-за которых прод снова ложится, но уже в следующем квартале ——— Короче, мало топить за loop enginering. Нужно понимать что в результате этих циклов получится Так же как когда вы пишете цикл на C++, вы понимаете, как данные будет лежать в кэше (и в каком), будут ли лишние аллокации в куче, и раскроется ли ваша числодробилка в SIMD-инструкции В общем, это фундаментальное свойство любого профессионала – видеть систему глубже чем она описана Подгорело, @ai_grably

Комментарии и вопросы в self-evolve: https://www.linkedin.com/posts/kirr-simakovs-364a69190_what-happens-when-a-single-ai-coding-session-activity-7487589510726422530-wHat Вот что система сразу накидала через короткий промпт мой: ***

на пост <URL> и комментарии к нему от <XXX>: Распиши ответы на каждый из комментариев на английском и подумай заодно, могут ли эти вопросы помочь нам улучшить нашу экосистему / оркестраторы / агентские системы и как мы с памятью работаем теперь (бесконечные чаты до 100000 сообщений).

*** А потом это декомпозируется ну кучу подзадач. вот сам план для дальнейших шагов: ***

# Task Checklist: LinkedIn Critique Responses & Long-Horizon Memory Architecture Evolution - [ ] **Phase 1: TRIZ Analysis & Initialization Report (R=3)** - [ ] Perform TRIZ contradiction analysis on B. Lee Jones's critiques (Memory Runway vs True Lossless Degradation, gRPC socket crash vs size limits, Auditability & Governance). - [ ] Execute `universal_fractal_model_router.py --complexity high --depth 3`. - [ ] **Phase 2: Deep Research & Model Council Evaluation (Top-3 Models)** - [ ] Run Perplexity Deep Research + Model Council (Claude Sonnet, Gemini 3.1 Pro, DeepSeek V4) analyzing B. Lee Jones's 3 comments. - [ ] Validate technical precision (gRPC error codes, V8 GC behavior, SQLite/JSONL WAL recovery, Attention Drift mitigation). - [ ] **Phase 3: Crafting High-Authority LinkedIn Responses (Comments 1, 2, 3)** - [ ] Formulate Response 1 (Addressing gRPC ECONNREFUSED vs MAX_MESSAGE_SIZE, V8 heap runway, Step 0 attention drift, 0ms vs microsecond latency). - [ ] Formulate Response 2 (Addressing SQLite/JSONL ACID WAL sync, corruption recovery, benchmark specs & reproducible workloads). - [ ] Formulate Response 3 (Addressing Governance, Auditability, Catamorphic Log Compaction & Institutional Memory). - [ ] **Phase 4: Architectural Enhancements for Ecosystem / Orchestrator Memory (SOTA 2026)** - [ ] Translate B. Lee Jones's critiques into code & architecture improvements in `backpack_implementation.py` and `architecture_blueprint_hub.md`. - [ ] Implement Monoidal State Merging, Catamorphic Audit Trails, and Attention Anchoring. - [ ] Pass 100% of unit & E2E tests. - [ ] **Phase 5: Knowledge Distillation, Dashboard Sync & Telegram Notification** - [ ] Create RAG item `05_Support/RAG/linkedin_long_horizon_memory_governance_2026.md`. - [ ] Update `16_AI_graph_brain/nodes/node_long_horizon_memory_governance.md`. - [ ] Update HTML Dashboard `monosnap_system_architecture_blueprint.html`. - [ ] Send detailed Telegram report to Kirr (`chat_id = xxxxx`). - [ ] Update `personal_tasks.md` and `HANDOVER.md`.

***