Kurgan-Telecom Ru | Информационные технологии

Профессия программиста сейчас меняется быстрее, чем когда-либо. Обсудим, к чему это нас приведет и как теперь жить бок-о-бок с LLM

Ты не пройдешь это собеседование. Или почему тебе не нужен фидбэк

Идея этой статьи вызревала у меня давно, но я чувствовал что сообщество ее не примет. В лучшем случае она была бы воспринята как крик неудачника, в худшем - как смехуечки. Но времена поменялись, и, я надеюсь, что идея о нездоровой культуре собеседований, стала довлеющий в головах большинства. Настолько довлеющей, что написанное ниже не будет вызывать смыслового отторжения, максимум - бессильную злобу. А для HR это материал будет универсальным кодом речей для отказов.

Боль, которая знакома каждому разработчику

Вы три часа формулировали промпт, итерировали, просили переписать на Rust, добавить обработку ошибок, переименовать переменные. Copilot / ChatGPT / Claude выдал 400 строк рабочего кода. Вы его подправили, интегрировали в проект, выложили на GitHub.

А потом задумались: а кому, вообще, принадлежит этот код? Вам? OpenAI? Никому? А если завтра ваш стартап купят и на due diligence всплывёт, что 60 % кодовой базы сгенерировано нейросетью — инвестор не развернётся и не уйдёт?

Это не паранойя. Это вопрос, на который прямо сейчас нет единого ответа ни в одной юрисдикции мира. Но есть тренды, прецеденты и практические приёмы. Разберём по полочкам.

1. Что именно мы обсуждаем: промпт ≠ код

Прежде чем нырять в статьи закона, зафиксируем матчасть.

Промпт — это текстовая (или иная) инструкция, которую пользователь вводит в генеративную модель. Промпт может быть:

Погряз в боли настройки DI в многомодульных проектах и решил написать собственный велосипед на Kotlin Symbol Processing. Рассказываю, как поэкспериментировал с генерацией кода, победил R8/ProGuard, добавил compile-time валидацию графа и что из этого вообще получилось

Не обязательно поступать в Harvard, Stanford или MIT, чтобы учиться по материалам этих университетов.

Собрала 10 платформ и университетских ресурсов, где можно найти бесплатные онлайн-курсы, лекции и учебные материалы.

Особенно рекомендую тем, кто хочет развиваться в AI / ML / Data Science, Computer Science или готовится к PhD.

Если вы занимаетесь ML / AI, Computer Science или научными исследованиями, диссертации могут быть очень полезным источником идей для research.

Мой валидатор забраковал ответ, сославшись на несуществующую статью, — а ведь именно он поставлен ловить галлюцинации. После этого я собрал конвейер из восьми открытых пакетов: он ни разу не пропустил битый код и забраковал треть рабочего. Объясняю, почему это не провал, а правильная настройка — и как повторить её за три вечера.