А теперь это все реализовалось и внедрилось за час с учетом уже реальных А/Б тестах фактических, а не гипотетических/прогнозов:

🚀 **Global Maximum Memory and Routing Configuration Status Report** ### 1. Architectural Implementation We successfully designed, scaffolded, and verified the complete SOTA backpack configuration underGlobal Maximum Memory and Routing Configuration -

CoALA Hierarchical Memory:

Working (L1), Episodic (L2), and Semantic (L3) layers with thread-safe locking and L1/L2 bounded deques. -

етических/прогнозов:

🚀 **Global Real-time bi-temporal edge tracking with

valid_at, invalid_at, created_at,

and

expired_at

parameters, ensuring strict temporal validity checks. -

CaT Milestone Compaction:

Bounded trajectory compression using weighted recency ($\beta_{recency}=0.6$), reward ($\beta_{reward}=0.3$), and novelty ($\beta_{novelty}=0.1$) indices. -nd Routing Configuration Status R Dynamic complexity-based model selection with fallback logic. --- ### 2. A/B Benchmark Results (100 Iterations) Our A/B tests validated the performance benefits with high confidence: -s Report** ### 1. Architectural Imp - Flat Memory Mean Latency:

0.000528 ms

(100% correctness) - CoALA Hierarchical Mean Latency:

0.000144 ms

(100% correctness) - Latency Reduction:

-72.7%

(CoALA is ~3.7x faster) - Statistical Significance:

Welch's t = -46.78, p = 4.4e-76

(Exceeds $5\sigma$ confidence threshold) -

Speculative Routing (No-Routing vs RouteLLM):

- Mean Latency:

0.212 ms

vs

0.307 ms

(Variant B is

-30.9%

faster) - Model Call Cost (Token Proxy):

702

vs

1500

words (Variant B saves

-53.2%

of cost) - Quality Trade-off:

0.715

vs

1.000

(Variant B saves cost with proportional quality reduction) - Statistical Significance:

Welch's t = -32.12, p = 1.4e-66

for cost savings (Exceeds $5\sigma$ threshold) --- ### 3. CISO Security Audit & Hardening -

Vulnerability Found:

The initial scaffold suffered from unbounded growth of the L2 episode list and TemporalGraph edges, exposing the system to memory exhaustion. -imum Memory and Routing 1. Replaced lists with bounded

collections.deque(maxlen=N)

for working memory and episodic memory. 2. Implemented active edge pruning in

TemporalGraph

to remove oldest expired edges when limits are reached. 3. Added thread safety via

threading.Lock

across all lookups and modifications. --- ### 4. Verification & Testing -

Status: PASS

- Running unit and integration tests successfully processed all pipeline validations: -

CoALA Memory Bounds: PASS

(eviction and importance validation) -

Temporal Graph Edge Bounds: PASS

-

Bi-temporal Edge Queries: PASS

-

CaT Trajectory Compaction: PASS

-

RouteLLM Speculative Router: PASS

-

BackpackSystem End-to-End Pipeline: PASS

- Full test logs are available in

_auto_work/final_test_report.json.

Пока на ногах, оставил задачу для изучения новых SOTA и оптимизаций на тему вышеописанных постов. 1️⃣ результат сбора рюкзаков: 🔥 Регламент ИИ-Оркестратора Успешно Обновлен!

Я изучил материалы исследований Perplexity за 12 июля 2026 года и интегрировал ключевые SOTA-паттерны в наш мастер-промпт и архитектурный чертеж: 1. Внедренные SOTA-концепты: • CoALA (2309.02427): Строгая спецификация слоев памяти. • Zep/Graphiti (2501.13956): Двухвременная разметка ребер L3-графа для предотвращения дрейфа памяти. • CaT (ACL '26): Проактивное веховое сжатие траекторий L1 буфера вместо примитивного FIFO. • RouteLLM (2406.18665): Спекулятивный классификатор сложности входящих промптов. 2. Новые правила в June 28 Master Prompt: • Безопасность TDLib: Изоляция мессенджера Telegram через фонового демона с Keychain-авторизацией. • VPS/Sandbox: Изоляция удаленных компиляторов в Docker-контейнерах и очистка контекстов. • Анти-RCE Протокол: Обязательный аудит кода через codex_review.py или ручную верификацию перед запуском. Мастер-промпт успешно сохранен и закомичен: Monosnap - General AI/09_Management/_____master_prompts/__june_28_prompt.md

2️⃣ финальный рюкзак 🎒 комбинаторный с глобальным максимумом по оптимизациям / улучшениям.

🎒 Глобальный Максимум Улучшений (Global Maximum Backpack) собран!

Я провел исследование симуляций рюкзаков по методологии

____self_evolve.md

: • Победителем признан

Solution #7

(с Wilcoxon Z-value > 5-sigma, успешность 100%, снижение стоимости API-вызовов на базе Speculative Routing). • Я доукомплектовал его до

Глобального Максимума

лучшими SOTA-гипотезами.

🔥 Решение предвзятости сжатия (Anti-Bias Compactor):

Вместо прямой суммаризации через

deepseek-chat

внедряется

3-этапный консенсусный рой

: 1.

Extract (DeepSeek):

Вычленение сырых изменений и фактов. 2.

Validate (Sonnet 5):

Сверка с оригиналом для исключения потери логики или паролей. 3.

Publish (Gemini 3.5):

Запись compacted_history.md с контрольными хэшами файлов. Чертеж с полным составом рюкзака и формулами A/B-тестирования сохранен:

Monosnap - General AI/09_Management/_auto_work/core/blueprints/global_maximum_backpack_sota.md

Наткнулся на занятную штуку: Fable Advisor — Claude Code plugin для паттерна, который я всё чаще считаю правильным в агентной разработке. Самая сильная модель не должна писать весь код руками. Она должна быть архитектором: понять задачу, разложить её на части, написать нормальный spec, выбрать исполнителя и потом проверить результат. А само «печатающее мясо» можно отдавать более дешёвым/релевантным моделям. Вот думаю многие из вас когда юзают какой нибудь Plan Mode, выбирают самую «умную» модель, а для кодинга чаще всего используют Kimi2.7, новый Grok4.5 или Composer. Брейнрот хорошо напишет любая модель, вот я весь день юзал sol5.6 ультра, потратив все токены и какого то вау эффекта на простых задачах не было. И зачем тогда их тратить вообще, если если условно бесплатный Composer. Ещё мне нравится идея cross-vendor review. Когда Claude пишет spec, Grok или Codex делают diff, а Claude потом проверяет результат, у тебя хотя бы частично расходятся blind spots моделей. Как минимум видел пару исследований, что нельзя писать код и делать ревью одной и той же моделью — так у нее все равно есть определенный bias. Вот интуитивно возьмем идею брейншторма — суть собрать разные взгляды, разных людей с разным жизненным опытом. Почему такое не должно работать с ллмками? Ну как будто должно.

🎭 Оперный театр в форме веера В Шанхае наконец достроили один из самых амбициозных культурных объектов Китая — Шанхайский оперный театр. На него ушло шесть лет, а раскинулся комплекс на 146 000 квадратных метров. Стоит он на восточном берегу реки Хуанпу, ровно там, где когда-то проходила Всемирная выставка Expo 2010. Проект придумало норвежское бюро Snøhetta вместе с китайским институтом ECADI. Главная фишка здания, это драматичная спиральная крыша, силуэт которой словно повторяет раскрытый китайский веер. Причём крыша ещё и обитаемая: наверх можно подняться, там смотровая площадка с видом на реку и небоскрёбы города. Внутри есть четыре зала. Самый впечатляющий, Harmony Hall, получил одну из крупнейших сценических систем в Азии: около 3500 квадратных метров под артистов. Это первая в Китае «шестиблочная» сцена — декорации собирают, разбирают и меняют на лету, так что площадка легко переключается между разными постановками. Чтобы удержать огромную нависающую крышу и изогнутые формы, строители залили сверхпрочный бетон UHPC. А ещё внутри спрятались галереи, репетиционные студии, кинозалы, рестораны и библиотеки. Но самое приятное — сюда можно просто прийти погулять. Как в парк, без билета на спектакль: днём и ночью открыты дворы и крышная набережная. Стройку официально приняли 23 июня, а первые мероприятия обещают в ближайшие месяцы. Если вдруг будете в тех краях, обязательно загляните! @droidergram

FlashAttention-3 и FlashAttention-4 — пример того, как алгоритмы нужно заново адаптировать под каждое поколение GPU 🚀 В новой статье разбираем, почему FlashAttention-2 отлично работал на Amper'е, но уже не раскрывал потенциал архитектур Hopper и Blackwell и какие архитектурные изменения вновь ускорили attention. Вы узнаете: • почему на H100 FA-2 просел по утилизации GPU • как Tensor Memory Accelerator и асинхронные Tensor Cores ускорили FA-3 • зачем нужна warp-специализация • как matmul и softmax удалось выполнять параллельно • что даёт FP8 с контролем ошибок • и почему для Blackwell снова понадобилась перестройка во FlashAttention-4 Читайте разбор по ссылке! 👈🏼

📖Фундаментальный гайд по сборке ИИ-агентов Голая языковая модель - это просто генератор текста. Чтобы она начала выполнять задачи автономно, нужна инфраструктура. На GitHub выложили подробное руководство по созданию таких обвязок с нуля. 🔍Внутри разобрана вся техническая механика. Авторы пошагово показывают, как прикрутить к LLM долгосрочную память, настроить динамическую сборку контекста, подключить выполнение внешних инструментов и жестко задать границы безопасности. Отдельно препарируется логика работы в изолированных песочницах и оркестрация мультиагентных систем. Материал построен на практике и подкреплен готовым кодом. Для понимания рынка авторы напрямую сравнивают подходы к архитектуре в популярных инструментах: Cursor, Aider и Claude Code. Руководство полностью открытое. Если планируете собирать рабочие системы, а не просто перекидываться текстовыми промптами в чате - забирайте репозиторий по этой ссылке. 🦔 CyberYozh

Архитектурные практики Прошло чуть больше полугода, как я перестал писать код руками, за редкими исключениями. Но несмотря на это, я просматриваю его глазами. Где-то внимательнее, где то по диагонали, в зависимости от степени влияния на структуру кода и логику. И каждый раз спрашиваю себя, а какими принципами я руководствуюсь? Пишу этот пост, чтобы порефлексировать с одной стороны и заложить на будущее темы, которые буду разбирать. ИИ это хорошо для кодинга, но инженерия никуда не девается. Все происходит над подсознательном уровне, я работаю в давно знакомом мне проекте и хотя бы примерно понимаю что и где происходит, задачи которые я делаю тоже понятны, все таки и в разработке давно и сам проект не гугл. Но он достаточно большой и сложный, чтобы можно было просто забить на архитектуру и делать как придется. Наверное главное, за чем я слежу и что прорабатываю глубоко это онтология проекта: сущности, свяжи между ними и границы ответственности. Причем речь не идет о том, чтобы попытаться полностью повторить реальный мир, наоборот, идет попытка создать систему, с одной стороны, простой, с другой нужно учесть все необходимые требования от нормализации до поддержки историчности при изменениях (там где это надо). Связь m2m сложнее o2m, это будет проявляться и в запросах и в коде. Можно ли не усложнять? А если мы работаем с иерархией сущностей, надо ли делать одну таблицу с полями сразу для всего, но чтобы каждый тип использовал свое подмножество или нам надо создавать разные таблицы? А как потом их объединять? Денормализация или внешний поиск? И обязательно инварианты. Какие состояния в системе вообще допустимы? Что не должно происходить никогда? Какие связи обязательны, какие опциональны. Здесь мы имеем дело и со смыслами и с технической имплементацией на уровне хранилища и, в моем случае, ORM. Можно ли в этом случае довериться ии? Обсуждать, спрашивать совет и просить рассказать плюсы и минусы разных вариантов это прямо хорошо, но принимать решение точно надо самому, потому что слишком дорого потом придется платить за неудачно принятые решения. А они точно будут. Примерно такая же история с api. Если внешние ручки спроектированы плохо, потом мы обалдеем тащить это легаси через года и пространство. Между первым (моделями) и вторым (api) собственно и лежит большая часть кода в типовых веб-приложениях. Да ее пишет ИИ, но на базе заложенной архитектуры. Причем она достаточно стандартна. У нас есть слой сервисов, где выполняются бизнес-операции и проверяются инварианты. Рядом находится слой авторизации и события. К этому примыкает инфраструктурный слой с асинхронными джобами, очередями, мидлварами и тому подобным. Я отдельно выношу обработчики http, dto и валидациями данных запроса и ответа. Все это вообще не надо писать самостоятельно, сейчас, когда легко доступен design-first, лучше пользоваться генераторами типа openapi-generator, которые создают все автоматом на базе openapi. Все что остается, это вписать в нужные места вызовы своих сервисов и правильно сформировать ответ. Даже если обходиться без генерации, ии отлично справится опираясь на существующий код, если он написан нормально. Отдельный большой блок связан с микросервисной архитектурой, но я пишу про нее редко, потому что живу в монолите (хотя и с кучей сервисов, асинхронных джоб и обвязок вокруг). Оставляю эту тему другим блогерам 🙂 Ну и фронтенд, с ним ситуация явно проще, особенно если использовать готовые библиотеки компонентов и сгенерированные sdk для api (если у нас есть openapi). Да, во фронте есть свои заморочки связанные с безопасностью, отсутствием коннекта, локальным стейтом, ошибками, идемпотентностью и другими интересными темами. И конечно без понимания базы, сделать что-то серьезное будет сложно. Все? Нет конечно, самое интересное начинается когда надо думать об обратной совместимости, следить за транзакционными границами, идемпотентностью и конкурентностью. И тесты, которые ии по дефолту пишет плохо. Вот это все не будет происходить само по себе и хорошо бы знать, как оно устроено под капотом. Что еще упустил?

Последние несколько месяцев наблюдаю, как около CG IT тусовочка сошла с ума по Threejs, React и webgl. Чего там только не пилят, но из интересного это всякого рода тулзовины, которые могут облегчать жизнь. Я честно говоря сам поддался на красивые риалтайм тулы и попробовал наковырять себе швейцарский нож, для проводов, всяческий скрэпных конструкций и т.д. Сложного по началу ничего нет, главное наличие Codex или Claude Code. В начале у вас эйфория, что первый пас такой быстрый, потом вы начинаете думать, что хотите улучшить, потом уходите в функционал который уже есть в других софтах или вообще делаете не то для чего изначально начинали заигрываясь. Так что тут тоже никуда не деваешься от планирования, от принципов построения систем, от каталогизирования, нумерации багофиксов, версионности, рефакторинга и всей прелести аккуратного креаторства. Очень важно не делать большие проекты не убедившить какой точно результат вы хотите получить в конце. Закладывайте архитектуру на расширение, на дополнительные модули и т.д. Обсуждайте в конце концов ваши идеи с гпт или клодом, они вам помогут составить правильную структуру, сформировать тз и заложить возможность безболезненной модификации на будущее. @CGIT_Vines

Есть такой челлендж E-commerce AI Agent — это бенчмарк агентной коммерции от BitGN Если коротко, ECOM1 — это симуляция операционки интернет-магазина, где AI-агенты отвечают за всё: корзины, товары, заказы, чекаут, фрод, возвраты, сбои оплат. Среди участников был агент Exoskeleton от Ильяса Салихова, он CTO RetailCRM. Взял 1 место в Speed и в Live PROD. При этом работает на gpt-5.4-mini, что в 6 раз дешевле gpt-5.5, на которой строили агентов конкуренты. Эту архитектуру Ильяс назвал «Экзоскелет»: 1/ Слабая модель mini внутри, а вокруг каркас из кода и nano-моделей. Ещё до старта агенту принудительно грузят все данные. Nano-классификатор разбирает намерения: фрод, манипуляция, подмена личности. 2/ Безопасность зашита в код, решения принимает логика. Ссылки на регламенты собираются автоматически, модели их помнить не нужно. В конце ещё одна nano причёсывает ответ. 3/ Тяжёлая логика вся в коде. Модель делает только то, в чём сильна. В итоге обошёл агентов на старших моделях и по очкам, и по скорости. Если вам интересно почитать подробности, то Ильяс опубликовал полную статью со схемами: 🇷🇺 Русская версия 🇬🇧 English Ильяса поздравляю с результатом! У него еще есть свой канал про инженерию и AI, рекомендую подписаться.

Минутка благодарности тому, насколько я привилегирована работать на стыке своих интересов, что посещение выставки Аниша Капура в Palazzo Manfrin в Венеции могу засчитать как часть профессионального развития. Jokes aside: меня завораживает, как Аниш работает с пространством и формой. Насколько он сам погружен в исследование трансформации и как внимательно он конструирует ощущение от взаимодействия со своими работами. Palazzo открылся для публики второй раз с момента покупки фондом Аниша Капура в 2018 году. На выставке собраны знаковые инсталляции и работы из стали, пигмента, цемента, краски и силикона, как и с использованием Vantablack. А так же, архитектурные модели или “propositions” как Аниш называет их. Легко представить себя на месте крошечной фигурки человека и ощутить момент, когда скульптура становится архитектурой и формирует облик города, а значит обретает дополнительную функцию. О которой, на мой взгляд, очень важно помнить, когда работаешь в любой индустрии, влияющей на повседневную жизнь и ткань города. И, конечно, не могу не отметить, как Капур работает с нарративом вокруг себя и не забывает похихикать — что про розовый цвет, который ему нельзя использовать, что про очки, которые посетители кидали в работу “Descent into Limbo”, думая, что это просто коврик на полу. Желаю нам всем не забывать хихикать тоже!

Архитектурному бюро MVRDV из Нидерландов удалось сказать новое слово в дизайне городской среды. Речь идет о проекте Nieuw Bergen в историческом районе Берген Эйндховена. Пять новых домов и два реконструированных старых здания полицейского управления вписаны в старую застройку, не испортив ее облик. Весь секрет – в сильно скошенных крышах на верхних этажах строений, покрытых зеленью. Комплекс кажется природным ландшафтом, горами над городским районом, это выгодно отличает новостройку от обычных стекла и бетона. Разумеется, застройщик применил все современные технологии – солнечные батареи, сбор дождевой воды и умное терморегулирование.

🧬 Анализ научной статьи: DOI 10.1093/evolut/qpag111 (Steven A. Frank — «Generalization as the Great Leap in Evolvability», Evolution, июнь 2026) Мы провели исследование публикации через Perplexity. Её центральная идея поразительно точно ложится на наши архитектурные принципы самоэволюции агентов: • Центральный тезис: Естественный отбор работает точно так же, как алгоритмы машинного обучения. Главный двигатель эволюции биологических систем — это способность к обобщению (generalization) для выживания в новых средах, а не запоминание частных решений (memorization). • Первичный механизм: Способность к обобщению напрямую зависит от размерности регуляторного пространства (regulatory space dimensionality) — то есть от количества связей и настраиваемых параметров генома. Традиционная робастность (robustness) вторична. • Иерархия сложности: Многоклеточные организмы обобщают лучше одноклеточных эукариот (дрожжей), а те, в свою очередь, обобщают лучше прокариот (бактерий) из-за сложности и «перевязанности» (overwired) регуляторных сетей.

Полезность для нашего R&D: Наш старый роутер universal_router.py с жестко зашитыми в коде правилами вел себя как прокариот (🦠 бактерия) — у него была нулевая регуляторная размерность. При малейшем изменении среды (новые модели, thinking-токены) он ломался. Внедряя декларативный speculative_policy_v1.yaml с динамическими порогами (fallback_disable_threshold_pct: 40), мы кратно повышаем размерность регуляторного пространства нашего агента. Это дает ему способность обобщать логику роутинга на новые модели без ручного переписывания кода.

Покорение книги Эванса продолжается. Сегодня 2 и 3 главы. Вторая глава это буквально пляжный эпизод. Общайтесь на одном языке в рамках работы. Возможно это я чего то не понимаю, но рано или поздно при работе вы будете общаться на одном языке. Выработаете свои термины, придумаете определения, согласуете наименования. Даже если это произойдёт не сразу, то как будто бы это какая то базовая штука, которая на подкорке сидит. Глава третья уже по интереснее. Посыл понятен. Делайте модель вместе с кодом, код должен отражать модель, а модель код. Но некоторые заявления, как по мне бред. Во-первых, завязываться на ООП парадигме при проектировании это бред. В таком случае нам технологии начинают говорить что и как делать, а не наоборот, когда требования говорят, какие технологии брать. Во-вторых, заявление о том, что разработчики что-то там в тихую могут строить, не соответствующее модели. Возможно, во времена Эванса так оно и было, но сейчас даже в униках у большинства людей есть понимание, что так делать не надо. Что есть требования и их описание, и есть реализация.

Худший язык программирования всех времён /s Инициализировать переменную можно десятком способов, и в одном из них скобки решают, лежит там ноль или мусор с прошлого вызова функции. static делает четыре несвязанные вещи. Целочисленных типов около пятидесяти, а vector — вовсе не вектор, что признавал и сам автор STL. Жанр «почему C++ ужасен» на Хабре выжжен дотла, и всё это читано по двадцать раз. Полгода назад разработчик пробежал 50-минутное видео о худшем языке по диагонали, а теперь пересмотрел целиком и обнаружил неприятное. Если убрать интонацию обиженного джуна и оставить аргументы, процентов 70 там — правда. И все эти боли, от кривых имён до медленных контейнеров, оказываются следствием одного решения из прошлого языка.

ПРОКЛЯТИЕ ПЕРЕИСПОЛЬЗУЕМОСТИ Делюсь болью. Я последние 5 лет на разных уровнях у разработчиков, лидов и техдиректоров, активно встречаю такой паттерн:

Ну давай просто выделим общее и переиспользуем это в другой системе/проекте.

Мы ведь уже написали систему перемещения для ботов, давайте для игрока её тоже переиспользуем. У нас ведь уже есть backend-сервис по обработке match-3 логики, давайте его же тупо используем в другой игре 😵 Может казаться, что нужно просто скопировать/вставить решения из одного места или создать общий класс. И черт, это не работает нормально в большинстве случаев. 🔸 Если вы делаете что-то общее, то сначала нужно понять, какие зависимости это общее в себя принимает и отдаёт Если вы сделаете прямой copy/paste, придётся писать кучу обёрток, чтобы подружить новую систему с текущей. Поэтому чтобы действительно такое было возможно, нужно заранее проектировать не только саму систему абстрактно, но и её зависимости 🤯 А это значит, что нужно изначально планировать проектирование ключевых абстракций проекта. Например: 🔹 Весь cross-cutting context. Логирование, конфиги, аналитика, обработка ошибок. Либо придётся кучу мест рефакторить, либо заранее согласовывать единое API для переиспользования между проектами. 🔹 Коммуникация с сервером — пример посложнее. Но суть простая: вы не хотите при переносе дублировать логику обработки ошибок, контрактов взаимодействия и тянуть лишние транзитивные зависимости (другой HTTP-плагин, например). И это важно тупо потому, что это заставляет поддерживать задублированные решения по проекту 🤢 🔹 Изменился формат логирования или когда логи пишутся, а когда нет 🔹 Добавился новый обработчик исключений, формат контракта или обработка краевого случая Вот иди свищи по проекту 10 копий и вкостыливай фикс и туда. При этом ладно этот фикс в коде, ха, это ещё изи, а если ты решил общий микросервис такой выделить… 🔻Чем больше расстояние между зависимостями — тем сложнее и дороже в них вносить изменения. 🔸 Не всё, что кажется общим, таковым является Избитый троп:

Ну тут сделаем абстрактно, чтобы другие системы, вдруг, взяли и переиспользовали эту логику.

Ну нет, это не работает. Если заранее не понимать, как именно система будет переиспользоваться, и не переиспользовать сразу — оно не будет работать. Это происходит из одного простого факта: 🔹 Скорость изменения требований разная для каждой из систем. То, что вчера виделось как общее, сегодня жёстко заточено под что-то конкретное, т.к. переиспользуемость стоит времени, сил, денег и тщательного планирования. Или по другому: То что вчера казалось легко можно переиспользовать, сегодня требует узкого и конкретного решения. Так что всё, пожалуйста, я снимаю со всех, кто читает этот пост, «проклятие переиспользуемости» 😘 С этого момента вы можете не писать системы так, чтобы вдруг когда-то их кто-то использовал и сократил себе время. 🔻 Наконец-то можно писать системы, которые заточены на выполнение своей задачи и не раздувают сложность проекта на ровном месте. Но если переживаете, вот правило трёх:

Пока система или её часть не переиспользуется как минимум в трёх независимых местах — ничего общего выделять не нужно.

А если есть требование — выровняйте уровень знаний, покажите цену такого решения, сделайте #проектирование@UniArchitect, внедрите и пользуйтесь на здоровье, все только спасибо скажут. Ставь 👍 если тебе заходит такого рода контент! Ты знаешь кому переслать эту статью 💪 #проект_в_разработке@UniArchitect

На мой взгляд видео уже устарело. Могу согласиться, что большинство моделей не могут в хорошую архитектуру. Но стоит попробовать новейшие модели - GLM-5.2 или топовые Клода, как понимаешь, что архитектуру он делает лучше, чем большинство разработчиков.

Это очень опасное заблуждение, которое возникает из-за того, что на уровне кода (одного приложения) ИИ может выдавать результат, который работатет (проходит тесты). Архитектура системы - это другой разговор. Первое: архитектура оценивается не в моменте, а на дистанции. Хорошая архитектура позволяет сопровождать и развивать систему в течение длительного времени. Проблема в том, что даже самые сильные ИИ-модели принимают решения, которые накапливают техдолг - неверные границы доменов, жесткое зацепление, слабая связность, дублирования и т.д. На дистанции 2–3 месяцев (без человеческих корректировок) внесение изменений в проект порождает эффект домино и кучу побочек. ИИ не "видит", какие части системы меняются синхронно, какие требуют унификации в виде общих интерфейсов и абстракций, часто LLM создаёт распределённый монолит, вместо микросервисов и т.д. Второй момент — есть разница между архитектурой приложения (архитектура на уровне кода) и системной архитектурой. По приложению довольно много типовых схем, которые ИИ может воспроизвести и под контролем человека даже более-менее сопровождать. Системная архитектура - это всегда компромисс между стоимостью, рисками и конкретными ограничениями: бюджетом инфраструктуры, легаси, требованиями регуляторов, реальной командой, которая будет это развивать. ИИ выдаёт архитектуру которая не учитывает нюансов, эта архитектура некая средняя температура по полате, которая получиалась из кучи схем, используемых в обучении, В результате решения не соответствуют конкретной ситуации и не решают проблем системы.

В Москве проводят конкурс «Небоскреб в русском стиле». Показываем некоторые работы финалистов (строить их, кажется, никто не собирается) Весной ГК «Стратегия Развития» и телеграм-канал «Небоскребы» объявили конкурс концепций «высотных зданий в современном русском архитектурном стиле» (что бы это ни значило). На первом этапе участники подали 135 работ, из которых жюри выбрало 10 финалистов. После доработки проектов из них выберут трех победителей. Среди этой десятки — деревянная дженга, несколько зиккуратов и дом с посадочными площадками для беспилотников. Отдельно компания-организатор выбрала еще 12 работ, с которыми издадут печатный календарь на 2027 год. Там можно найти стекляшку с куполом, гигантскую матрешку и сталинскую высотку на максималках. Комментарии под постом с результатами первого тура противоречивые:

Не хочу никого обидеть, но практически у всех работ стойкое ощущение, будто архитекторы времен Лужкова получили карт-бланш.

Все проекты — просто услада очей. [Некоторые из них] после небольшой полировки можно строить, украсят любой город, однозначно.

А еще сегодня организаторы запустили онлайн-голосование, в котором можно проголосовать вообще за любой проект, чтобы он получил приз зрительских симпатий. Ну же, подписывайся на 🕟