Research Insights Made Simple

SGLang: как исполнять программы на языковых моделях

SGLang: Efficient Execution of Structured Language Model Programs

Разбор статьи SGLang: язык для программ на языковых моделях, RadixAttention с радиксным деревом KV-кеша, сжатый конечный автомат для декодирования по схеме и до 6,4× пропускной способности без изменения модели.

Инженерия обвязки: среда для агентов

Harness engineering: leveraging Codex in an agent-first world

Как команда OpenAI строила среду для Codex: знания в репозитории, наблюдаемость, архитектурные проверки, фоновая очистка и переход к Symphony.

Долгоживущие агенты: передача работы

Effective harnesses for long-running agents

Как агент продолжает работу после смены контекста: подготовка среды, список функций, журнал прогресса, Git и проверка в браузере.

SWE-agent: интерфейс меняет результат

SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering

Сольный разбор SWE-agent: поиск, правки, проверки и контекст, абляции SWE-bench и переход от специального интерфейса к mini-SWE-agent.

vLLM и PagedAttention: виртуальная память для инференса LLM

Efficient Memory Management for Large Language Model Serving with PagedAttention

Разбор статьи о vLLM и PagedAttention: почему инференс LLM упирается в память KV-кеша, как страничная виртуальная память из операционных систем убрала резерв и фрагментацию, и как это дало 2-4× пропускной способности без изменения модели.

AI4SDLC: что бы я делал по-другому

Что арендовать и чем владеть в AI-стеке: агентный цикл, контекст, полномочия, инструменты и проверяемые инженерные задачи. Режиссёрская версия Deep Tech Night.

Продуктивность разработки: человеческий взгляд Google

Developer Productivity for Humans

Developer Productivity for Humans: цели инженеров, измерения, сборки, адаптация, качество, команды и противоречия ИИ через исследования Google и разборы Александра Поломодова.

Безопасность AI в разработке: агент стал субъектом

Срез по безопасности AI в разработке: где агент становится риском и где он уже ловит уязвимости

Обновлено 19 сентября 2026: безопасность кода и AI-агентов, Plugin4Shell, полевые инъекции, четыре инцидента Anthropic, проверка находок и исправлений, сроки CRA и проекты требований ФСТЭК.

AI-native SDLC: код ускорился, а поставка — нет

The AI-Native SDLC Playbook

Разбор AI-Native SDLC Playbook: как перестроить планирование, дизайн, сборку, тестирование, выпуск и эксплуатацию вокруг AI-агентов, версионируемых артефактов и человеческих точек контроля. В гостях — Антон Костерин.

Дата-платформа в 2026 году — от DWH к Lakehouse и AI-агентам

Как отделить OLTP от OLAP, где упирается MPP-хранилище, из чего складывается Lakehouse, почему миграция унаследованных систем занимает годы и что AI-агенты меняют в требованиях к дата-платформе. Гости выпуска — Николай Голов, Александр Филатов.

AI-разработка как совместно эволюционирующий стек

AI Development as a Co-Evolving Stack: Hardware, Models, Harnesses, Tools, and Traces

Как железо, модели, обвязка, инструменты, трейсы и проверки образуют совместно эволюционирующий стек AI-разработки и где компании проводить границу аренды, адаптации и владения.

Разбираем построение работающих evals

Production-grade evals for AI agents

Как превратить evals для AI-агентов из разовой проверки ответа в воспроизводимую инженерную систему: replayable episodes, hidden judges, trace, scorecard и release gates. В гостях — Евгений Сергеев.

Моделируем надёжность по графу зависимостей

Model Discovery and Graph Simulation: A Lightweight Gateway to Chaos Engineering

Как извлечь граф зависимостей из трасс, оценить доступность Monte Carlo и выбрать приоритетные chaos-эксперименты. В гостях — Анатолий Красновский.

Почему AI-copilot архитектора всё ещё не получился

Artificial Intelligence Support for Software Architecture Practice

Что AI умеет в программной архитектуре, где рвётся контекст и почему ответственность за компромисс остаётся у человека. В гостях — Сергей Баранов.

Экономика AI в разработке: от токенов к принятой работе

Почему дешёвые токены не гарантируют меньший AI-бюджет и как считать cost per accepted task, управлять бюджетами трейсов, роутингом и TCO локальных моделей.

Как собрать управляемый агентный стек

Конфигурации агентного стека: обвязка × модель × инструменты

Как выбрать обвязку, модель и инструменты, провести границы данных и полномочий и превратить агентный стек в управляемую корпоративную систему. В гостях — Михаил Трифонов.

Как измерять coding agents в диалоге

SWE-Together × SWE-INTERACT

Разбор SWE-Together и SWE-INTERACT с Алексеем Литвиновым: как измерять coding agents, когда требования уточняются по ходу работы. В гостях — Алексей Литвинов.

Почему coding agents не отменяют экспертизу

Agentic Coding and Persistent Returns to Expertise

Разбор исследования Anthropic с Евгением Сергеевым: почему coding agents усиливают предметную экспертизу, а не отменяют её. В гостях — Евгений Сергеев.

Loop Engineering: как проектировать циклы, которые сами запускают coding agents

Loop Engineering: The Anthropic Playbook for Designing Systems That Prompt Your Agents

Разбор Loop Engineering с Максимом Смирновым: agent loops, generator/evaluator, скрытые долги и безопасное проектирование автономных систем. В гостях — Максим Смирнов.

AI в SDLC: отчёт IT One и Сколково

AI in SDLC Report

Разбор отчета AI in SDLC от IT One и Сколково: зрелость внедрения AI, метрики эффекта и практические вопросы AI4SDLC. В гостях — Дмитрий Немов.

Как AI влияет на продуктивность опытных разработчиков

Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity

Разбор исследования про early-2025 AI и productivity опытных open-source разработчиков: методология, результаты и ограничения. В гостях — Артем Арюткин.

Как генеративный AI меняет разработку ПО

Impact of Generative AI in Software Development

Разбор Эффект of Generative AI in Software Development: ускорение, review, качество, контекст и организационные условия внедрения AI. В гостях — Игорь Курочкин.

Почему идеи в базах данных возвращаются. Часть II

What Goes Around Comes Around... and Around

Вторая часть разбора What Goes Around Comes Around... and Around: повторяющиеся компромиссы в data-системах и современных базах данных. В гостях — Алексей Светличный.

Почему идеи в базах данных возвращаются. Часть I

What Goes Around Comes Around... and Around

Первая часть разбора What Goes Around Comes Around... and Around: исторические циклы в базах данных и повторяющиеся архитектурные идеи. В гостях — Алексей Светличный.

Методология DORA: что стоит за метриками

DORA Methodology

Разбор DORA Methodology: происхождение DORA-метрик, исследовательские ограничения и аккуратное применение в организациях. В гостях — Игорь Курочкин.

Как измерять продуктивность разработчиков с DX Core 4

Measuring Developer Productivity With the DX Core 4

Разбор DX Core 4: поставка изменений, обратная связь, когнитивная нагрузка и flow как компактная модель измерения developer productivity. В гостях — Евгений Сергеев.

Как измерять AI-ассистентов и coding agents

Measuring AI Code Assistants and Agents

Разбор Measuring AI Code Assistants and Agents: evals, качество изменений, нагрузка на ревью и влияние AI на весь SDLC. В гостях — Евгений Сергеев.

Как измерять Developer Experience во времени

Measuring Developer Experience With a Longitudinal Survey

Разбор Measuring Developer Experience With a Longitudinal Survey: как измерять DevEx во времени и связывать опросы с улучшениями процесса. В гостях — Артем Арюткин.

Чего разработчики ждут от AI?

What Do Developers Want From AI?

Разбор What Do Developers Want From AI?: реальные ожидания разработчиков от AI-инструментов, доверие, контекст и повседневная работа. В гостях — Николай Бушков.

Как измерять цели разработчиков

Measuring Developer Goals

Разбор Measuring Developer Goals: цели разработчиков, контекст работы, interruptions и связь DevEx с реальной эффективностью. В гостях — Александр Кусургашев.

Управление архитектурой

Architecture Governance

Интервью про architecture governance: принципы, ADR, стандарты, исключения и архитектурную целостность. В гостях — Павел Лакосников.

Платформы данных

Data Platforms

Интервью про data platforms: самообслуживание, ответственность, качество данных и платформенный подход к данным. В гостях — Николай Голов.

Как измерять продуктивность разработчиков: DORA, SPACE и DevEx

Developer Productivity: DORA Metrics, SPACE, DevEx

Разбор developer productivity через DORA, SPACE и DevEx: как измерять инженерную эффективность без превращения метрик в рейтинг команд. В гостях — Артем Арюткин.

Как AI помогает проектировать API

AI-Enhanced API Design

Разбор AI-Enhanced API Design: где AI помогает проектировать API, как проверять результат и почему ответственность остается у инженеров. В гостях — Павел Каравашкин.

Secure by Design в Google: безопасность по умолчанию

Secure by Design at Google

Разбор Secure by Design at Google: secure defaults, платформенные ограничения и инженерные практики, которые делают безопасность частью дизайна. В гостях — Артем Мерец.

Технический долг: определение, измерение и управление

Defining, Measuring and Managing Technical Debt

Разбор paper про technical debt: определения, измерение, управление рисками и связь технического долга со скоростью поставки изменений. В гостях — Дмитрий Гаевский.

Как управлять API в масштабе

API Governance at Scale

Разбор API Governance at Scale: API-каталоги, ответственность, дизайн-ревью и правила, которые помогают крупной организации развивать API без хаоса. В гостях — Даниил Кулешов.