Повод задуматься

Вы уже заметили, что у меня есть привычка делиться своими наблюдениями. Обычно нет какого-то чёткого контент-плана; идеи постов возникают в процессе работы, чтения книг, статей, информационных каналов. Сегодня не будет классического поста, сегодня будет список коротких тезисов – наблюдений, которые однажды заставили меня остановиться и задуматься.

Про архитектуру

• Самое важное в работе архитектора не в том, чтоб предложить правильное решение, а в том, чтобы обосновать его необходимость и целесообразность. Архитектура должна служить ответом на вопрос “зачем”.
• Архитектура должна задавать критерии отбора решений, то есть создавать не саму структуру, а условия, в которых она складывается.
• Если решение отлично подходит и работает, то это компромисс, а не антипаттерн. Проблема в том, что многие думают, что их решение является компромиссом.

Про микросервисы

• Распределённый (distributed) не значит расцепленный (decoupled).
• Переиспользование кода – антипаттерн для микросервисов.
• Независимый деплой – независимая деградация.

Про базы данных

• После отказа от ACID всегда будет вероятность получить что-то посередине. И даже с ACID такая вероятность всё ещё остаётся.
• Не нужно думать, что если вы используете ORM, вы отгородились или абстрагировались от БД.

Про тесты

• Тесты нужны для проверки изменений в коде.
• Тесты должны проверять функциональность, а не её реализацию.
• Тесты на mock-ах часто проверяют, что код написан так, как написан, не более.

Про ИИ

• Всем, кто не хочет остаться за бортом агентизации, придётся всерьёз инвестировать в качество данных, контекста и перестройку всего процесса разработки.
• С внедрением ИИ скорость разработки возрастает, но и объём работы увеличивается. Всё просто: чем быстрей делаешь задачу, тем быстрей тебе дают новую.
• Промт должен определять не только как нужно делать, но и как не нужно. Желательно с примерами “как правильно” и “как неправильно”. Но настоящая автоматизация начинается в тот момент, когда промт определяет не “как”, а “что”.
• Заметный прирост производительности труда при использовании ИИ наблюдается в трёх случаях: рутинная работа; когда в основе генерации лежит качественный контекст и адаптированные процессы (но похоже, что для большинства это редкость); когда пользователь плохо осведомлен о предмете генерации и не может объективно оценить качество запроса и ответа.

---

Это нерегулярная рубрика, но если вам зашел такой формат, поставьте реакцию.