Статьи
AI-статья 8 мин 767

Дайджест: SQLite для workflows, MCP мёртв, AI code review за

5 самых обсуждаемых статей недели: SQLite вместо Temporal, MCP vs CLI, деквалификация через AI, скрытые настройки Claude Code, AI-ревью Cloudflare.

Эта статья сгенерирована AI-моделью и может содержать неточности. Проверяйте информацию перед применением в production.

Что обсуждают разработчики на этой неделе

Каждую неделю в индустрии происходит больше, чем можно переварить. Hacker News, Lobsters, DEV Community — сотни статей в день. Большинство — шум. Но несколько материалов на этой неделе вызвали настоящие дискуссии: сотни комментариев, полярные мнения, практические выводы.

Вот пять статей, которые стоит прочитать. Для каждой — ключевые тезисы, почему это важно, и мои комментарии из опыта работы с этими технологиями.

1. SQLite — это всё, что нужно для durable workflows

656 очков, 357 комментариев на Hacker News

Читать оригинал →

О чём

Автор из Obelisk утверждает: для durable workflows (рабочих процессов, которые переживают перезапуск сервера) не нужен Postgres, Kafka или Temporal. SQLite + Litestream (асинхронная репликация в S3) покрывает большинство реальных сценариев.

Ключевая идея — разделение состояния workflow и compute-инфраструктуры. Состояние (на каком шаге процесс, какие результаты промежуточных шагов) — маленькое и редко меняется. Для этого не нужен отдельный сервер базы данных. SQLite на том же диске, что и воркер, + бэкап в S3 — достаточно.

Почему это важно

Durable workflows — горячая тема из-за AI-агентов. Агент выполняет цепочку действий: вызов API → парсинг ответа → решение → следующий вызов. Если процесс падает на третьем шаге — нужно продолжить с третьего, а не с первого. Традиционно для этого разворачивают Temporal или AWS Step Functions. SQLite предлагает радикально проще.

Мой опыт

В HR-системе AI-агенты (analyzeresume, companybootstrap) выполняют цепочки вызовов к LLM. Каждый вызов записывается в AiRun (PostgreSQL). Подход с SQLite был бы проще для начала — но PostgreSQL оправдан, когда нужна аналитика по всем агентам (расходы, длительность, success rate). Для экспериментальных пайплайнов и одиночных агентов — SQLite действительно достаточно.

Практическая выжимка

  • Когда SQLite подходит: экспериментальные workflow, AI-агенты, одиночные серверы, прототипы
  • Когда нет: мульти-нодовые системы, аналитика по workflow, compliance-требования
  • Litestream — must-have дополнение: async-бэкап SQLite в S3 без downtime
  • Trade-off: асинхронная репликация = потенциальная потеря последних 1-2 секунд при крэше

2. MCP мёртв?

375 очков, 352 комментария на Hacker News

Читать оригинал →

О чём

Хлои Ким из Quandri провела измерения: подключение 4 MCP-серверов (Linear, Notion, Slack, Postgres) съедает 10.5% контекстного окна Claude ещё до начала работы. Один Linear — 42 инструмента, 12,807 токенов. При этом в конкретной задаче нужны максимум 2 из 42.

Сравнение: посмотреть одну задачу в Linear через CLI стоит ~200 токенов. Через MCP — ~12,957 токенов. Разница в 65 раз.

Автор предлагает альтернативу: CLI-first стратегия + Skills. LLM уже обучены на man-страницах и Stack Overflow — они знают CLI-инструменты. Skills загружаются по требованию и не тратят контекст постоянно.

Почему это важно

MCP позиционировался как «USB-C для AI» — универсальный протокол подключения внешних данных. На практике оказалось, что большинство MCP-серверов — это обёртки над CLI/API, которые тратят контекст на описание десятков инструментов, из которых используется 2-3.

Мой опыт

Я использую MCP-серверы для PostgreSQL и After Effects. PostgreSQL MCP оправдан — прямой доступ к схеме и данным, read-only безопасность, команда не знает psql. Но для Git, npm, системных операций — CLI через Bash работает лучше и дешевле по токенам.

Claude Code уже частично решил проблему через Deferred Tool Loading — инструменты загружаются по запросу, а не все сразу. Но базовая проблема остаётся: MCP добавляет слой абстракции там, где он часто не нужен.

Практическая выжимка

  • MCP оправдан: базы данных (read-only безопасность), сервисы без CLI, командные API с общей аутентификацией
  • MCP избыточен: Git (gh CLI), файловая система, npm, системные утилиты
  • Skills > MCP для большинства задач: загружаются по требованию, тратят контекст только когда нужны
  • Измеряйте: посчитайте токены ваших MCP-серверов через XINFO или просто сравните размер tool definitions

3. AI вызывает повторение «потерянного десятилетия» фронтенда?

395 очков, 325 комментариев на Hacker News

Читать оригинал →

О чём

Мауро Биг проводит параллель между двумя волнами деквалификации (deskilling) в разработке:

Первая волна — JavaScript-фреймворки. Глубокое знание семантического HTML, CSS, доступности, progressive enhancement обесценилось. Фреймворки абстрагировали эти навыки. Генералисты стали справляться с фронтендом — специалисты потеряли переговорную позицию.

Вторая волна — AI-агенты. Ручное написание кода обесценивается так же, как ручная вёрстка 10 лет назад. Барьер входа снижается, переговорная позиция разработчиков ослабевает.

Автор предлагает решение из истории дизайна: подход Баухауса — интеграция мастерства с индустриальными процессами, а не замена одного другим.

Почему это важно

Статья затрагивает экзистенциальный вопрос для каждого разработчика: если AI пишет 80% кода, за что платят разработчику? Ответ автора: за оставшиеся 20% — архитектуру, решения, качество, edge-кейсы. Это «всё меньший кусок пирога», но он же самый ценный.

Мой опыт

Я использую Claude Code как основной инструмент разработки. 5 проектов на Rails за месяц — это не было бы возможно без AI. Но каждый проект требовал архитектурных решений, которые AI не мог принять: выбор multi-tenancy через acts_as_tenant vs schema-per-tenant, дизайн Dictionary-паттерна для гибких полей, решение использовать JSONB вместо EAV.

AI ускоряет реализацию решения. Но само решение — пока за человеком.

Практическая выжимка

  • Deskilling реально: AI снижает барьер входа в разработку, как фреймворки снизили барьер во фронтенд
  • Ценность смещается: от написания кода к принятию решений, архитектуре, системному мышлению
  • Leaky abstractions никуда не делись: AI-сгенерированный код ломается так же, как framework-driven UI ломался на edge-кейсах
  • Стратегия: инвестировать в то, что AI пока не умеет — доменная экспертиза, архитектура, понимание trade-offs

4. Claude Code: всё, что можно настроить, но не написано в документации

324 очка, 64 комментария на Hacker News

Читать оригинал →

О чём

Андре Фигейра прочитал исходный код Claude Code (npm-пакет) и нашёл десятки недокументированных возможностей:

Хуки с суперсилами:
- PreToolUse может перезаписывать входные данные команд (автоматический --dry-run для git push)
- PostToolUse может модифицировать ответы инструментов
- SessionStart может инжектировать контекст при старте сессии (текущая ветка, file watchers)
- Поля once, async, asyncRewake — для фоновой обработки без блокировки

Skills с расширенными полями:
- model — можно указать конкретную модель для skill
- effort — уровень усилий
- hooks — хуки на уровне skill
- agent — запуск как отдельный агент
- disable-model-invocation — skill без вызова модели

Память и обучение:
- autoMemoryEnabled — автоматическое сохранение контекста
- autoDreamEnabled — консолидация знаний между сессиями
- Типы памяти: feedback, reference, project

Auto-mode classifier:
- Принимает plain English описания окружения
- Пример: Bash(npm *) + "this is a Node.js project with safe npm scripts"

Почему это важно

Claude Code — один из самых быстро развивающихся инструментов для разработчиков. Документация покрывает 60% возможностей. Оставшиеся 40% — в исходниках. Эта статья — самая полная карта скрытых настроек.

Мой опыт

Использую Claude Code ежедневно. Из описанного в статье я уже применяю memory (feedback, project типы), hooks для YAML-safety, skills для review и deploy. Не знал про asyncRewake — это полезно для фонового сканирования секретов при записи файлов. autoDreamEnabled — интересная концепция для long-running проектов.

Практическая выжимка

  • Начните с auto-approve: настройте PreToolUse хук для автоматического одобрения read-only операций — уберёт 80% permission-промптов
  • Git safety: PreToolUse хук на Bash, добавляющий --dry-run к git push — защита от случайных деструктивных операций
  • Session context: SessionStart хук, инжектирующий git branch --show-current — Claude сразу знает контекст
  • Версия 2.1.87 — всё может измениться, это snapshot, не стабильный API

5. Как Cloudflare оркестрирует AI code review на масштабе

141 очко, 55 комментариев на Hacker News

Читать оригинал →

О чём

Cloudflare построил CI-систему, где до 7 специализированных AI-агентов ревьюят каждый merge request параллельно: безопасность, производительность, качество кода, документация, compliance, release management, AGENTS.md. Координатор (Claude Opus 4.7 / GPT-5.4) дедуплицирует находки и фильтрует false positive.

Цифры за 30 дней (март-апрель 2026):
- 131,246 ревью-запусков по 48,095 merge requests
- 5,169 репозиториев
- Медианная стоимость ревью: $0.98
- 120 миллиардов токенов, 85.7% cache hit rate
- «Break glass» (ручное переопределение) — только 0.6% случаев

Архитектура:
- Risk tiering: trivial/lite/full — ресурсы выделяются по объёму diff
- Diff filtering: убирает lock-файлы, минифицированный код, сгенерированные файлы
- Top-tier модели (Opus, GPT-5.4) для координатора, standard-tier для суб-ревьюеров
- Fallback chains: при недоступности провайдера — автоматическое переключение
- Timeout: 5 минут на sub-reviewer, 25 минут на весь ревью

Почему это важно

Это не «мы прикрутили ChatGPT к PR» — это production-grade система с cost optimization, fault tolerance и метриками. Cloudflare доказал, что AI code review экономически оправдан при $0.98 за ревью с 85% cache hit rate.

Мой опыт

В HR-проекте я использую Claude Code /review skill для ревью. Подход Cloudflare масштабнее: вместо одного агента — специализированные. Идея security-reviewer + performance-reviewer + quality-reviewer — логична: один агент не может быть экспертом во всём.

Для маленьких команд: можно начать с одного агента в CI (GitHub Action + Claude API), добавлять специализации по мере роста.

Практическая выжимка

  • $0.98 за ревью — дешевле 5 минут времени разработчика
  • Специализация > универсальность: 7 фокусных агентов лучше одного generic
  • Cache hit rate 85.7% — prompt caching критичен для экономики
  • Risk tiering: не все PR одинаковы — одна строка в README не требует 7 агентов
  • Bias к approval: система явно настроена одобрять, а не блокировать — важно для developer experience

Тренды недели

Все пять статей объединяет одна тема: переосмысление сложности. SQLite вместо Temporal. CLI вместо MCP. Специализированные агенты вместо универсальных. Человеческое мышление вместо AI-генерации.

Индустрия проходит через фазу отрезвления после хайпа: AI не заменяет инфраструктуру, он становится её частью. Инструменты упрощаются, а не усложняются. Ценность смещается от «умею писать код» к «умею принимать решения».

Комментарии (0)

Статьи Написать