AI-разработка — co-evolving stack
Железо, модели, обвязка, инструменты и трейсы — как одна производственная система
Содержание слайдов
1. AI-разработка — co-evolving stack
Железо, модели, обвязка, инструменты и трейсы — как одна производственная система
2. Сильная модель — ещё не система
Один checkpoint даёт командам разные результаты
Разная упаковка контекста
Разные примитивы действий
Разные границы полномочий
Разные доказательства выпуска
3. Агент живёт с последствиями
Способность становится продуктом только через действие и проверку
умеет — Способность — Поведение модели
вправе — Полномочия — Tools и identity
сделано — Результат — Outcome и gates
4. Преимущество живёт между слоями
Сбой превращается в безопасное улучшение через весь стек
5. 01. Два времени
Локальная настройка живёт неделями, фундамент — годами
6. Не каждый сбой требует новой модели
Локальные ошибки чинятся быстро; повторяемые классы поднимаются выше
7. Железо меняет возможную архитектуру
Цена поведения зависит не только от FLOPS
8. Ограничение тоже запускает co-design
Архитектура реагирует на доступное железо и партнёрства
Адаптировать внутрь
DeepSeek-V3 на H800
FP8 и MoE co-adapt
Training stack следует ограничениям
Партнёриться наружу
Anthropic × Trainium
Общий model-hardware roadmap
Без владения hyperscaler
9. 02. Среда действий
API-совместимость не создаёт поведенческую совместимость
10. Модель учится конкретному миру
Названия, ошибки и примитивы действий меняют траекторию
11. Автономности нужен протокол
Длинная задача распадается без состояния и проверки
Состояние между окнами
Малые проверяемые итерации
Ограниченная среда исполнения
Восстановление после сбоя
12. Обвязка страхует следующую слабость
Созревшая способность становится tool; новый риск получает каркас
13. 03. Контракты действий
Инструмент — поведенческий интерфейс, а не только схема
14. Стандарт вызова не гарантирует действие
Discovery и schema — только начало контракта
MCP стандартизует
Обнаружение tool
Входную schema
Семантику вызова
Система обеспечивает
Корректную identity
Ограниченный ответ
Проверяемый effect
15. Хороший tool ограничивает последствия
Identity, policy, response и evidence проектируются вместе
16. Шлюз управляет выбором и восстановлением
Ценность — в управляемом действии, не в числе серверов
01 — Выбор — Верный tool и arguments
02 — Действие — Верная identity и scope
03 — Восстановление — Ясный сбой и retry
17. Наблюдать — не значит обучать
Telemetry, eval и training требуют разных прав
18. Красивый путь не доказывает результат
Итог проверяется в среде, надёжность — повторными прогонами
Траектория
Действия и tools
Ошибки и recovery
Стоимость и policy events
Результат
Итоговое состояние среды
Скрытые исполнимые проверки
Надёжность серии прогонов
19. Сбой должен воспроизводиться
Меняйте один слой и повторяйте допуск
Сохранить трейс и конечное состояние
Воспроизвести в фиксированной среде
Изменить один слой
Повторить допуск
Выпустить с измеримым результатом
Скорость цикла — операционная способность
20. 04. Evidence и власть
Проверяем полураспад harness и эффект интеграции
21. Счёт одинаковый — механизмы разные
Codex 3/10 · Gemini CLI 3/10 · OpenCode 3/10 по строгому критерию
22. Полураспад — метафора, не метрика
Git показывает изменения, но не весь rollout
Наблюдаем
Механизмы регулярно перенастраиваются
Некоторые реализации заменяются
Совместимость требует постоянной работы
Не доказано
Единый порог числа замен
Состояние production rollout
Универсальная константа 180 дней
23. Несколько контуров уже жизнеспособны
Вертикаль, партнёрство, open-weight, routing, enterprise
24. Арендуйте быстрое, владейте проверяемым
Адаптация нужна там, где рынок встречается с вашей средой
25. Пять вопросов проверяют business case
Сочетание условий важнее желания контролировать всё
26. Сначала соберите право выпуска
Шесть шагов замыкают контролируемую часть цикла
Зафиксировать
Выбрать реальные эпизоды
Разделить режимы trace data
Инвентаризировать action contracts
Управлять
Собрать переносимый replay
Ввести повторные release gates
Тестировать один слой
27. Ваш moat — скорость доказанного изменения
Компоненты дешевеют; способность учиться остаётся
Оценивайте производственную систему
Разведите быстрый и медленный контуры
Проектируйте tools для поведения
Владейте эпизодами, policy, outcomes
Меняйте слой через evidence
Сбой → replay → изменение → gate → выпуск
28. Доказательства лежат в разных слоях
Полный список и оговорки — в лонгриде
Железо · NVIDIA · Google · DeepSeek
Обвязки · OpenAI · Anthropic · Cursor
Tools · MCP · evals · telemetry
История кода · routing · policy
29. Спасибо!
AI-разработка как co-evolving stack
Полный лонгрид, все источники и следующие разборы — на polomodov.tech и в «Книжном кубе»
Александр Поломодов, Technical Director & Fellow, Т-Технологии
@book_cube