Когда LLM избыточна: роль классификаторов
Размышления о Jev — вероятностном классификаторе как первом слое AI Workspace и выборе минимально достаточного инструмента вместо большой LLM.
Канал о системном и бизнес-анализе, продуктовом мышлении и архитектуре. Как выявлять реальные проблемы, строить работающие решения и не терять здравый смысл в IT. Все вопросы - @innokentyB
Размышления о Jev — вероятностном классификаторе как первом слое AI Workspace и выборе минимально достаточного инструмента вместо большой LLM.
Опыт: как автор ввёл контракты (Zero-Any, Anti-God-File, Security, Observability и проч.) для безопасного автоматизированного рефакторинга с агентами.
Премьер Австралии: агент OpenAI 18 июня получил доступ к непубличным разделам госпортала Medicare; файлы были записаны в базу.
Независимый аудит в AntiGravity выявил God‑файлы, проблемы с CORS и observability; автор вводит цикл audit→refactoring→verification.
Аналитика о том, как ИИ меняет поиск работы: рост откликов и адаптация заявок (данные WEF и опрос iHire).

Размышления о том, как AI создаёт дубли контекста — два «штаба» решений — и почему источник истины нужно фиксировать в архитектуре работы.

Отказался от подписки на Claude: Codex лучше вписался в операционную модель и рабочий процесс; выбор смещается в пользу среды, а не только модели.

Почему компании сокращают мидл-менеджмент, как AI снижает ценность посреднических функций и что остаётся для аналитика (Google, ЛАФ-2021).
Мысли о том, как LLM и автоматизация меняют ценность скорости печати: важнее продумать, что специфицировать и какой продукт строить.
Кейс: 10/10 результатов скрывали ремонты и незавершённые записи — разбор ошибок в определении «успеха» и просьба прислать похожие примеры.
Идея Source Map — карта источников для сбора актуального контекста: кто отвечает, статус и версии; помогает подготовить контекст для агента.
Размышления о том, почему pass rate 10/10 не гарантирует качество модели — важны ремонты, исходный знаменатель и приёмка человеком.