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

MongoDB | Blog
MongoDB | Blog
B
Blog RSS Feed
MyScale Blog
MyScale Blog
M
MIT News - Artificial intelligence
H
Hackread – Cybersecurity News, Data Breaches, AI and More
J
Java Code Geeks
U
Unit 42
Blog — PlanetScale
Blog — PlanetScale
L
LangChain Blog
C
Check Point Blog
WordPress大学
WordPress大学
Last Week in AI
Last Week in AI
人人都是产品经理
人人都是产品经理
T
Tailwind CSS Blog
Vercel News
Vercel News
腾讯CDC
GbyAI
GbyAI
有赞技术团队
有赞技术团队
S
SegmentFault 最新的问题
H
Help Net Security
博客园 - 三生石上(FineUI控件)
D
DataBreaches.Net
Microsoft Security Blog
Microsoft Security Blog
小众软件
小众软件

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
Golden Armada: трассировки как основа наблюдаемой AI-nati...
Lerozo · 2026-06-18 · via Все публикации подряд на Хабре

Введение

В предыдущей статье я описал идею изменения парадигмы программирования в условиях, когда значительная часть кода начинает генерироваться LLM.

👉 Предыдущая статья

Там основная мысль была следующая:

код перестаёт быть единственным источником истины, а роль разработчика смещается в сторону архитектуры, контрактов и ограничений.

В этой статье я хочу показать следующий шаг — не концепцию, а реализацию.

🌲 От теории к наблюдаемой системе

Если предыдущий текст был про “как должно быть”, то Golden Armada — это попытка ответить на вопрос:

как это выглядит в работающей системе

⚙️ Golden Armada как система исполнения

Golden Armada строится вокруг идеи:

поведение системы важнее исходного кода

Каждое действие проходит через фиксированный pipeline:

  • пользовательское действие

  • загрузка workflow

  • планирование через LLM (DeepAgent)

  • применение изменений

  • запись событий

  • трассировка исполнения

📊 Трассировки как основной артефакт системы

Ключевое отличие подхода — наличие полной наблюдаемости исполнения.

Пример реального trace:

[OK] Request received (14875ms)
[OK] Workflow loaded
[OK] Agent planned operation
[OK] Changes applied
[OK] Handler executed

или ошибка:

[ERR] Cannot split: node 'split' not found

📎 Полные данные доступны в репозитории

Все трассировки можно посмотреть здесь:

👉 логи из репозитрия Golden Armada

🧠 Почему это важно в контексте AI-native систем

В предыдущей статье утверждалось:

AI меняет экономику разработки и делает генерацию кода дешёвой

Но появляется новая проблема:

  • код становится нестабильным артефактом

  • сложность растёт быстрее, чем способность человека её удерживать

  • граф зависимостей перестаёт быть обозримым

Golden Armada предлагает альтернативу:

наблюдаемость через трассировки вместо попытки удерживать всю систему в коде

🧩 Разделение ролей

Компонент

Роль

LLM

планирование операций

система

исполнение

трассировки

понимание поведения

код

вторичный артефакт реализации

⚠️ Важное ограничение

Этот подход не делает систему “проще”. Он делает её наблюдаемой. Сложность никуда не исчезает — но она переносится в другую форму представления.

🔗 Связь с предыдущей статьёй

Если первая статья утверждала: “архитектура должна стать AI-native”, то Golden Armada показывает, как такая архитектура выглядит в реальном исполнении.

🧠 Вывод

Golden Armada — это не попытка заменить классическую разработку.

Это попытка сместить точку истины:

  • от кода

  • к поведению системы

  • к трассировкам исполнения

📌 P.S.

Эта статья является частью серии:

👉 Programming Paradigm for AI-Written Software

Programming Paradigm for AI-Written Software

Только зарегистрированные пользователи могут участвовать в опросе. Войдите, пожалуйста.

0%Код — основной источник истины системы0

0%Код + тесты вместе формируют истину0

0%Истина в поведении системы (логи, трассировки, события)0

0%Затрудняюсь ответить / зависит от проекта0

Никто еще не голосовал. Воздержавшихся нет.