惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Hugging Face - Blog
Hugging Face - Blog
V
Visual Studio Blog
Google DeepMind News
Google DeepMind News
爱范儿
爱范儿
博客园 - 叶小钗
WordPress大学
WordPress大学
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Apple Machine Learning Research
Apple Machine Learning Research
V
V2EX
有赞技术团队
有赞技术团队
腾讯CDC
Last Week in AI
Last Week in AI
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 三生石上(FineUI控件)
小众软件
小众软件
S
SegmentFault 最新的问题
Jina AI
Jina AI
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
雷峰网
雷峰网
Recent Announcements
Recent Announcements
GbyAI
GbyAI
博客园 - Franky
IT之家
IT之家
Help Net Security
Help Net Security
The Register - Security
The Register - Security
C
Check Point Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
N
News | PayPal Newsroom
博客园_首页
L
LINUX DO - 最新话题
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
S
Security Affairs
Y
Y Combinator Blog
MongoDB | Blog
MongoDB | Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
L
LINUX DO - 热门话题
J
Java Code Geeks
O
OpenAI News
H
Help Net Security
Project Zero
Project Zero
S
Security @ Cisco Blogs
H
Hackread – Cybersecurity News, Data Breaches, AI and More
P
Palo Alto Networks Blog
Webroot Blog
Webroot Blog
The Hacker News
The Hacker News
人人都是产品经理
人人都是产品经理
T
The Blog of Author Tim Ferriss
AWS News Blog
AWS News Blog
M
MIT News - Artificial intelligence

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Skill of the Week: Spring Data JPA. Никто не знает JPA, даже AI
Илья Кучмин · 2026-06-17 · via Все публикации подряд на Хабре

Простой

6 мин

13

Знание и умение разрабатывать на Spring Data JPA — это обязательный навык для разработчика, если он хочет заниматься разработкой приложений на Spring. Этого мы ожидаем и от AI-агента.

Удовлетворяют ли наши AI-агента этому условию? Во многом зависит от того, насколько продвинутую модель вы используете. Значит ли это, что Opus 4.8 не совершает ошибок? Совсем нет. Более того, иногда удивляешься, почему еще вчера он настроил связь правильно, а уже сегодня сделал ту же работу, но добавил CascadeType.ALL.

В сегодняшнем эпизоде еженедельной рубрики Skill of the Week разберёмся, как, используя Spring Data JPA Skill, научить своего агента важным навыкам при работе со Spring Data JPA.

Этот Skill входит в состав набора скиллов для Spring-разработчика. Исходный код всех скиллов доступен на GitHub. Рекомендую поставить звёздочку, чтобы не потерять.

Качество модели в AI-агенте

Открывая очередной пост с описанием того, как улучшить поведение агента, можно обнаружить, как автор, используя Claude Code 20x Max-подписку, не обращая внимания на лимиты и ограничения, настраивает Harness. Однако реальность немного отличается.

Реальное рабочее окружение накладывает свои ограничения. Начиная со стоимости самих подписок, например, работодатель выдает Claude Code на 20$ или же базовую подписку на Cursor, и заканчивая разрешением использовать только те модели, что доступны в контуре организации. Такие ограничения приводят разработчика к необходимости использовать в качестве основных модели среднего класса: Sonnet, Haiku, OpenAI OSS 120b, MiniMax... Я буду использовать Haiku/Sonnet далее в примерах.

Использование Skill, которые улучшают понимание фреймворков для AI-агентов с моделями среднего класса, имеет критически важное значение для получения качественного результата. Такой Skill может легко поднять качество генерации в отдельных задачах с Haiku до Opus.

Обратите внимание, что Haiku со скиллами приближается к Opus без них

Обратите внимание, что Haiku со скиллами приближается к Opus без них

Spring Data JPA

Spring Data JPA — Skill, задача которого — предоставить AI-агенту знания о том, как именно ведется разработка на Spring Data JPA. Дать представление о том, что такое сущность, поле сущности, типы полей, правила связывания сущностей. Каким правилам необходимо следовать при использовании Lombok совместно с JPA, а также что учитывать при генерации equals/hashcode/toString (с/без учета наличия Lombok).

Уникальностью данного Skill является тот факт, что он учитывает особенности/соглашения при работе с JPA именно в вашем/текущем проекте (естественно, если это в явном виде не порождает ошибки). Делает он это, выполняя анализ в несколько шагов. Данный анализ может быть сохранен в память проекта; как результат, повторный вызов Skill пропустит этот шаг.

Как установить

Установить Spring Skills глобально во все обнаруженные агенты:

npx skills add Amplicode/spring-skills -g

Установить только для конкретных агентов (пример — Claude Code + Codex + Gemini CLI):

npx skills add Amplicode/spring-skills -g -a claude-code -a codex -a gemini-cli

С более подробной инструкцией можно ознакомиться тут.

Явная/ручная активация

Для начала разберемся, как воспользоваться Skill в ручном режиме. Необходимо это в ситуации, когда вы, например, занимаетесь моделированием доменной области, создавая JPA-сущности.

В идеальном мире агент должен из контекста задачи понять, что необходимо выполнить активацию Skill, и выполнить ее. К сожалению, это не всегда так, особенно на моделях среднего класса, поэтому приходится указывать активацию непосредственно в чате или, например, в плане, если вы используете режим планирования.

В качестве примера сгенерируем чистый Spring Boot-проект, используя start.spring.io и добавив в него только два модуля: Spring Data JPA и Bean Validation. Далее попросим Claude Code с Haiku создать сущности ветеринара, домашнего животного и визита, но усложним задачу, указав, что домашнее животное является частью агрегата владелец, а визит является независимым рутом.

Как видно, в результате было создано три сущности, в качестве id используется sequence per table, что является best practice в общем случае. Для связи Owner -> Pet в качестве коллекции используется Set, что для корректной работы требует корректного определения equals & hashcode на стороне many, то есть для Pet. Обратите внимание, что equals & hashcode определены с учетом возможного HibernateProxy. Также для связи Owner -> Pet определены дополнительные параметры cascade = CascadeType.ALL, orphanRemoval = true, что согласуется с исходным требованием о том, что домашнее животное является частью агрегата владелец. Для Pet -> Visit связь не определена, что тоже согласуется с постановкой.

В результате, несмотря на то, что мы использовали модель Haiku, сгенерированный код соответствует тому, который мы бы получили от Opus 4.8. На самом деле даже лучше, поскольку Opus до сих пор не умеет корректно генерировать equals & hashcode без использования Spring Data JPA Skill.

Использование в плане

Если вы разрабатываете, предварительно запуская режим планирования, то вы замечали, что агент не особо активирует Skill-ы в процессе выполнения плана. Мотивировать агента использовать Skill можно, указав его в плане явным образом. Для этого достаточно в начале шага плана указать на использование конкретного Skill.

> **JPA skill required (amplicode-spring-skills:spring-data-jpa).** Before writing any entity code: activate the skill and verify the implementation follows its rules. For any deviation — ask the developer before continuing.

Вот как это выглядит в конечном плане:

Если теперь попросить агента приступить к реализации плана, то он активирует его с высокой вероятностью.

Использование в других Skill

Постепенно, развивая собственный harness и добавляя новые скиллы, мы видим, как в наших коллекциях появляются скиллы, которые уже не просто отдельные действия, а являются полноценными сценариями, включающими создание сущностей, генерацию кода сервисов, описание новых endpoint и т.д. В такого рода Skill полезно использовать другие Skill, которые как раз помогают качественно выполнять отдельные специализированные шаги.

В качестве примера напишем Skill, который при добавлении сущности сразу создаст Rest Endpoint и Service для получения элементов сущности по Id.

---
name: entity-service-rest
description: >
  Scaffolds a full vertical slice for one domain entity in three steps: the JPA entity, a Spring
  service for it, and a REST controller with a find-by-id endpoint. The controller calls the
  repository ONLY through the service (controller → service → repository), never directly. Use
  this skill when the user asks to create an entity together with its service and controller, to
  build a feature/vertical slice around an entity, or to add an entity plus a service plus a REST
  endpoint that looks up by id — even when the skill is not named explicitly.
---

## Step 1 — Entity

Determine the entity name (and any fields) from the user's prompt; ask only if it is missing.

**Activate the `spring-data-jpa` skill** and use it to create the JPA entity. Let it own the
project's entity conventions. If the entity already exists, this step just confirms it.

Also make sure a Spring Data repository exists for the entity (e.g. `{Entity}Repository extends
JpaRepository<{Entity}, {IdType}>`). If none exists, create one following the same skill's
repository guidance.

## Step 2 — Service

The service returns a DTO, so first make sure a DTO and an entity↔DTO mapper exist:

**Activate the `dto-creator` skill**, telling it the DTO is **for a service / REST controller**.
That skill creates the DTO and automatically delegates to `mapper-creator` for the mapper. Reuse
an existing DTO/mapper if the project already has one.

The mapper **must be a MapStruct mapper** — pass this to `dto-creator` / `mapper-creator` so the
mapper type is MapStruct (not a custom converter). If `mapper-creator` needs MapStruct
dependencies added to the build file, let it add them.

Then create a `@Service` that injects the **repository** and the **mapper**, with a `findById(id)`
method that calls `repository.findById(id)` and returns the entity mapped to the DTO.

## Step 3 — REST controller

Create the controller:

- annotate it `@RestController` with a request mapping like `/rest/{entities}`
- inject **the service only** — never the repository
- add `GET /{id}` that calls `service.findById(id)`, returns the DTO with 200, or 404 when absent

---

## Done

Before finishing, double-check the core invariant: the controller goes through the service, and
only the service touches the repository.

Проверим его работу на практике. Решим ранее озвученную задачу с ветеринарами, домашними животными и визитами. Вызовем агента с той же формулировкой, но теперь будем использовать вновь созданный нами Skill. В этот раз будем использовать модель Sonnet 4.6.

Как видно на видео, в результате работы Agent с нашим новым Skill мы получили все ожидаемые компоненты: Entity, Service, RestController, Repository и связывающий их воедино код. Обратите внимание, что Agent не создал rest endpoint для pet — видимо, таким образом он трактовал понятие агрегата. Поправить это оставим читателю в качестве домашнего задания.

Если тебе интересно, как настроить свой Agent для разработки на Spring, а также ты не хочешь пропустить новые выпуски Skill of the Week и другие полезные материалы по разработке на Spring с AI Agent — подписывайся на наш канал в ТГК.

А больше полезных Skill для разработки на Spring/Spring Boot можно найти в нашем репозитории (звездочки приветствуются).

Предыдущий выпуск Skill of the Week: Spring Explore — первичный сбор контекста