В этом выпуске говорим с Сергеем Беловым, руководителем команды прошивок умно-домовых устройств в Яндексе с более 20 годами опыта в IT о spec-driven development и практическом использовании AI-агентов в промышленной разработке.

Сергей рассказывает, как пришёл к Claude Code и OpenSpec, почему отделяет вайб-кодинг от разработки с LLM в продакшене.

Обсуждаем полный flow OpenSpec. Отдельно разбираем тесты, coverage, управление контекстным окном, выбор между Opus и Sonnet, эксперименты с oh-my-claudecode и мультиагентным подходом.

Говорим о внедрении нейросетей в команду embedded-разработки: как убеждать разработчиков, как валидировать результат, где заканчивается автоматизация и почему в работе с железом всё ещё важны проверки на реальных устройствах.

Темы выпуска

— чем spec-driven development отличается от обычного planning mode;

— почему OpenSpec удобен для больших pull request’ов;

— как спеки помогают ревьюить смысл, а не каждую строку кода;

— почему Markdown пока выигрывает у HTML/Canvas для diff и code review;

— как LLM-агенты ускоряют разработку, если у человека уже есть сильная экспертиза;

— как внедрять AI-инструменты в команду без сопротивления.

Тайм-коды

00:54 — О чём выпуск: spec-driven development и OpenSpec

01:21 — Опыт Сергея: Яндекс, инфраструктура, embedded и умный дом

03:40 — Первый опыт с Cursor и переход к AI-агентам

07:48 — Почему Сергей выбрал OpenSpec

09:52 — Зачем читать спеки, а не сгенерированный код

10:08 — Сетап: Claude Code + OpenSpec

13:31 — Чем OpenSpec отличается от обычного planning mode

15:01 — Почему внешняя спека даёт предсказуемость между разными агентами

16:29 — Почему «код — это спецификация» не всегда работает

21:21 — Как валидировать тесты и покрытие

22:29 — Как устроен flow OpenSpec: proposal, design, specs, tasks

31:39 — Coverage, verify и проверка полноты реализации

33:03 — Opus или Sonnet: когда можно экономить на модели

37:53 — Управление контекстным окном и compaction

40:41 — Может ли агент читерить с тестами

42:40 — CodeSpeak, спеки как источник истины и будущее генерации кода

53:58 — Markdown, HTML и Canvas: какой формат удобнее для ревью

01:01:17 — Open source vs большая команда: где AI-агенты работают лучше

01:02:09 — LLM как мультипликатор скилла разработчика

01:03:36 — Кейс: плагин для Wiren Board и Matter Bridge

01:10:05 — oh-my-claudecode против OpenSpec: разные подходы к планированию

01:20:34 — Насколько AI ускоряет разработку

01:26:27 — Как команда принимает нейросети

01:28:36 — Индивидуальное внедрение AI-инструментов в команде

01:35:22 — Проверка на железе и границы автоматизации

01:37:38 — Итоги: спеки, embedded и ответственная разработка с LLM

Ссылки выпуска

• OpenSpec
• oh-my-claudecode
• Github Сергея Белова
• Плагин Сергея для добавления Wirenboard-устройств в экосистему Matter
• Cursor Canvas
• OpenAI Symphony
• CodeSpeak
• Matterbridge
• Wiren Board

Подписывайтесь на https://t.me/devspotting.

Вместе с Евгением Котом — Head of Engineering в JetBrains и дипломированным психологом, автором подкаста «Доктор Кот» — мы попытались разобраться, что происходит на стыке кремниевых и белковых нейросетей.

Вы узнаете:

• Почему нейросети кажутся нам живыми и разумными?
• Как ИИ меняет IT и нашу психику.
• Как мы оказались в самосбывающемся сай-фай пророчестве.
• Revenge Bedtime Procrastination — почему мы пишем код с ИИ по ночам вместо сна.
• Сможет ли нейросеть заменить настоящего психолога и распутать клубок наших проблем?
• Какие мета-навыки спасут вашу карьеру, когда ИИ научится писать идеальный код.
• Как правильно делегировать рутину нейронкам, чтобы не отупеть окончательно.

В выпуске: Джон Сёрл, Ричард Докинз, Зигмунд Фрейд, Карл Юнг, Питер Уоттс, Станислав Лем, Артур Кларк, Айзек Азимов, Иван Тургенев, Энди Вейр, Элиезер Юдковский, Стэнли Кубрик и Дени Вильнёв.

Полезные ссылки:

• Твитер Евгения Кота: https://x.com/bunopus
• Подкаст «Доктор Кот»: https://www.youtube.com/@homeofdoktorkot
• Телеграм-канал Гриненко Про: https://t.me/devspotting

Слушайте выпуск, чтобы понять, куда движется мир технологий и как в нем сохранить кукуху.

Антон рассказал, как Acclaim заменяет операторов колл-центров на умные голосовые модели, почему крупные компании отказываются от OpenAI в пользу локальных опенсорс-решений, и как нейросеть специально шмыгает носом, чтобы казаться человеком.

Еще обсудили как под его руководством команда из 6 человек экономит $500 000 в год благодаря ИИ, делает почти тысячу пулл-реквестов в неделю и делегирует код-ревью нейросети.

Подпишитесь на телеграм-канал DevSpotting.

⏱ Таймкоды:

01:20 — Приветствие. Кто такой Антон Виноградов: от Альфа-Банка и Алисы до голосовых нейронок в Aiphoria

04:06 — Как ИИ заменяет операторов колл-центра и коллекторов

07:30 — Почему крупный бизнес боится OpenAI и Claude? Ставка на Open Source

12:27 — Интеграция AI в энтерпрайз

14:44 — ИИ выбивает долги: эффективность нейросетей против живых людей

17:00 — Можно ли использовать голосовые модели для мошенничества и фрода?

18:12 — Как удержать нейросеть от галлюцинаций (RAG и гардрейлы)

27:08 — Архитектура голосового агента: как это работает под капотом

34:12 — Хак с задержкой: зачем ИИ шмыгает носом, кашляет и вздыхает в трубку

36:08 — Революция в кодинге: от 20 до 984 пулл-реквестов благодаря ИИ

40:46 — Нейросеть-ревьюер: как обучить модель проверять код за разработчиками

46:00 — Какие инструменты использует команда

50:06 — Окупается ли выдача платных AI-подписок всем сотрудникам?

01:00:53 — Как нейросети сэкономили стартапу $500 000 за год

01:04:22 — Заменит ли ИИ разработчиков-джуниоров? Будущее индустрии

01:13:26 — Почему ИИ пока не может заменить технического архитектора

01:27:18 — Как применять нейросети в обычной жизни: налоги, путешествия, проверка гипотез

01:34:24 — Итоги

🔗 Полезные ссылки:

• Антон в telegram: https://t.me/tony_vi
• Канал Антона: https://t.me/voice_of_tech
• Канал DevSpotting: https://t.me/devspotting

В этом выпуске Саша рассказал про свой опыт автоматизации написания кода, использования MCP-серверов и разработки пет-проектов со смартфона прямо в автобусе.

А еще: почему поиск работы превратился в ад с автоотказами и нейро-HR'ами, рухнет ли IT-рынок из-за переизбытка сгенерированного кода, и почему крафтовая фотография или фермерство скоро могут стать надежнее, чем карьера сеньора.

Обязательно подпишитесь на telegram-канал Devspotting.

⏱ Тайм-коды:

00:00 — Интро

00:44 — Представление гостя. Синдром самозванца и карьерный путь Александра

02:27 — Нейросети: хайп или геймчейнджер?

04:45 — Продуктивность х10

06:52 — Управление Scrum-командой ИИ-агентов: кто будет ныть на ревью?

09:36 — Доверяй, но проверяй: почему код за нейросетью всё ещё нужно ревьюить

15:22 — От провала Devin к магии Claude Code

21:28 — Корпоративный AI-фреймворк «Авось» и как ИИ сам пишет Jira-тикеты

27:12 — Лимиты токенов, менеджмент контекста и подписка за $100

32:23 — MCP-серверы: как ИИ сам читает PR, смотрит логи и находит баги

39:17 — Figma-to-code: почему индустрия обречена на Tailwind

41:05 — Автотесты (Playwright) vs ручное QA. Как ИИ пытается читерить

52:01 — Убивают ли нейросети кайф от программирования?

01:04:22 — Пет-проекты 2.0: пишем код с телефона по пути на тренировку

01:16:40 — Жесткая реальность IT-рынка: нейро-HR, автоотказы и поиск работы вслепую

01:22:32 — План «Б»: почему крафтовые профессии (фотография, театр, фермерство) будут цениться выше

01:27:41 — Прогноз: кода будет больше, а зарплаты программистов — меньше

01:35:26 — Финальный совет: как разработчику выжить в эпоху ИИ

Разбираемся, зачем запускать нейросети на своём MacBook, когда есть подписка на ChatGPT и Claude за $20. Как ИИ меняет разработку, почему vibe-coding ведет к деградации инженеров, как выбрать идеальную модель на Hugging Face и что такое квантование, MLX, GGUF и RAG.

Если вы хотите понять, как работают локальные LLM, убьет ли ИИ джунов и стоит ли покупать Mac Studio ради домашнего инференса — этот выпуск для вас!

Больше интересного в телеграм-канале DevSpotting.

⏱ Тайм-коды

00:37 - Вступление

02:40 - Кто такой Кир Белевич?

03:21 - Как MacBook (M2 Max) справляется с LLM: шум, нагрев и сценарии использования

06:36 - Почему локальные модели, а не облачные гиганты (Anthropic/OpenAI)?

10:21 - Self-host философия: зачем нужна независимость от корпораций

11:32 - Главный минус Vibe-coding: ИИ не должен заменять мозг разработчика

14:10 - Сравнение качества открытых моделей с проприетарными

16:31 - Как ИИ помогает продакт-менеджерам в быстром прототипировании

20:17 - Деградация индустрии: почему зумеры становятся новыми скрипт-кидди

21:57 - Локальная база знаний (RAG), векторные БД и DeepSeek для ресёрча

25:23 - Практика: как выбрать модель на Hugging Face?

28:43 - Что такое квантование моделей и как оно влияет на «ум» нейросети

36:36 - Как измеряют деградацию ИИ: Perplexity и KLD

41:13 - MLX, GGUF и победа динамического квантования Unsloth

42:16 - Почему бенчмарки (SWE-bench) больше не работают

49:26 - Движки инференса: Llama.cpp как Linux в мире ИИ

51:54 - Speculative Decoding и битва за размер контекста

01:00:39 - Архитектуры моделей: Dense vs MoE (Mixture of Experts)

01:14:12 - Можно ли файн-тюнить на маке?

01:19:26 - Снятие цензуры

01:21:32 - Будущее разработчиков: почему на вакансию CTO присылают 1000 ИИ-откликов

01:28:40 - ИИ никуда не уйдет: ищите свое место под солнцем

📌 Затронутые технологии и темы:

• Hugging Face https://huggingface.co/ — как гитхаб, только для нейросетей
• MLX: фреймворк машинного обучения от Apple (Metal API)
• Llama.cpp & LM Studio: инструменты для локального запуска LLM
• Unsloth & AWQ: форматы и инструменты для квантования моделей
• Сравнение KLD и PPL для разных моделей https://github.com/deepsweet/mlx-eval/tree/main/results (инструменты для сравнения: https://github.com/deepsweet/mlx-eval)
• Рекомендуемая Киром модель для макбука на 48Гб памяти: https://huggingface.co/deepsweet/Qwen3.6-35B-A3B-MLX-oQ4

📌 Кир в интернете

• https://kir.belevi.ch/
• https://t.me/deepsweet
• https://github.com/deepsweet
• https://huggingface.co/deepsweet

🔔 Не забудьте подписаться на Telegram-канал: https://t.me/devspotting

👍 Ставьте лайк и подписывайтесь на канал!

Обсудили как AI меняет профессию прямо сейчас. Виталий рассказал, почему он пишет 99% кода с помощью нейросетей, как организовал свой сетап с агентами (Claude Code, Roo Code, GLM) и почему фронтендеры, игнорирующие ИИ, скоро станут «конными фронтендерами».

Внутри: как делегировать задачи агентам, экономить на токенах, делать ревью ИИ-кода и писать open-source проекты на незнакомых языках с нуля.

🔔 Подпишитесь на Telegram-канал DevSpotting: https://t.me/devspotting

01:15 — Кто такой Виталя Харисов

02:20 — Make programming great again: как ИИ вернул радость от кодинга

04:06 — Сетап Харисова: Claude Code, Roo Code и самописный скилл /do

07:06 — Как экономить на API: планируем в Opus, кодим дешёвыми моделями

08:56 — Почему автономные рои агентов пока не работают

11:01 — Многозадачность х10: как параллелить работу

13:48 — Spec-driven development с ИИ и как делать код-ревью за агентами

17:27 — Роль agent.md и БЭМ-структуры при написании промптов

20:35 — Ручные правки vs. машинный код (тот самый 0,01%)

22:33 — Опенсорс на Kotlin/Java с нуля: как писать под Android, не зная Android

28:44 — Идеальный статический сайт-генератор: 800 тестов и чистый кайф

31:53 — Насколько реально ускоряют разработку нейросети?

34:16 — Почему некоторые разработчики всё ещё отказываются от ИИ?

36:57 — Кого сейчас брать на работу и изменились ли собеседования в Яндексе?

40:03 — Нужна ли теперь команда? Отношение к Fullstack

43:19 — Размытие специализаций: когда код становится «чёрным ящиком»

46:55 — Заменят ли программистов и куда идти учиться школьникам

48:30 — Нейросети в повседневной жизни: Perplexity, дизайн и пылесосы

50:46 — Вопрос к AGI и пожелания зрителям