AI-агенты уже участвуют почти на каждом этапе продуктовой разработки — от анализа идеи до написания кода. Значит ли это, что профессия разработчика теряет смысл? Нет — но фокус смещается. На лекции разберём, где агенты действительно сильны, а где по-прежнему нужен человек: архитектура, сценарии, ревью, ответственность за решения. Во второй части — живая сессия проектирования реального сервиса (обработка расписаний транспорта в формат GTFS), где на каждом шаге разберём вопросы, которые должен задавать себе разработчик, но не задаст агент. Увидим на практике разницу между «AI в продукте» и «AI в процессе», проверим сгенерированные данные официальным валидатором и разберём случай, когда предложение агента пришлось отклонить ради архитектуры проекта

Появится позже

Идея кэширования кажется простой: запомнить результат и использовать его повторно. На реальных примерах из продакшена разберём, когда кэш экономит работу, во что обходится его содержание и почему даже многообещающий кэш иногда не стоит реализовывать. По ходу доклада вы попробуете принять несколько инженерных решений и узнаете, что измерить перед добавлением очередного кэша

В докладе разберёмся, что такое мёртвый код в широком смысле: от недостижимых веток до бесполезных вычислений, ненужных зависимостей и устаревшей бизнес-логики, которая продолжает расходовать CPU, увеличивать размер мобильного приложения и запутывать как разработчиков, так и AI-инструменты. На реальных примерах рассмотрим последствия такого кода и практический путь работы с ним: как найти кандидатов, доказать их ненужность, безопасно удалить и проверить эффект после релиза

В системе всегда есть скрытые слабые места. Вопрос в том, найдём ли мы их раньше, чем это сделает настоящий сбой

Доклад о том, как с помощью хаоса и контролируемых учений находить то, что обычные тесты часто пропускают: скрытые зависимости, критичные сервисы, неработающие фоллбэки и неизвестные точки отказа

Задача хаоса — в том, чтобы с помощью коротких контролируемых экспериментов увидеть, как система ведёт себя при отказе, и использовать полученные знания для повышения её надёжности

Появится позже

Плохое позиционирование — это не просто точка не на той дороге: оно искажает ETA, усложняет подачу машины и подрывает доверие пользователей. На лекции разберём, как мапматчинг превращает шумные GPS-сигналы в правдоподобное положение на дорожном графе и почему даже небольшая ошибка может дать заметный бизнес-эффект. А затем испытаем новую версию матчера на реальных данных — и увидим, почему честный эксперимент устроить гораздо сложнее, чем кажется