Решитко Дмитрий. Молчание "best practices": тестовые и эталонные данные, структура и связность, падения и новая функциональность, и другие неудобные вопросы к сценарному тестированию

Корпоративный ИИ – это не просто подключение к API модели, а целая инфраструктура, которая должна решать вопросы безопасности, масштабирования, контроля качества и стоимости. Разберем, какие сервисы для этого нужны (ИИ-прокси, векторные хранилища, логи, метрики), как все это связано между собой и как используется в корпоративных приложениях, в том числе на базе 1С. Доклад в виде статьи: https://infostart.ru/1c/articles/2775385/

ИИ-агенты уже умеют заметно ускорять разработку, но для этого недостаточно просто сказать модели «напиши код». Ей нужны контекст, правила, инструменты и, самое главное, возможность проверить собственный результат. Расскажем, как превратить сырого ИИ-агента в изысканное блюдо, которое понимает специфику 1С и работает по вашим рецептам. Если вы все еще не умеете готовить ИИ-агентов, мы постараемся это исправить! Доклад в виде статьи: https://infostart.ru/1c/articles/2773406/

Платформа 1С давно вышла за рамки учетных систем. Сегодня это полноценная среда для создания сложных, высоконагруженных и распределенных приложений. А значит, и стек технологий современного разработчика кардинально изменился. Систематизируем весь инструментарий, который превращает 1С-программиста в инженера: от EDT и Git до автотестов на YAxUnit, контейнеризации приложений в Docker, мониторинга в Prometheus и организации шины данных на Kafka. Разберемся, зачем каждый инструмент нужен, как он вписывается в жизненный цикл разработки и с чего начать его внедрение. Доклад в виде статьи: https://infostart.ru/1c/articles/2772307/

Пентест – это не только поиск уязвимостей, но и сложный проект, в котором ошибка может привести к простою, инциденту и потере доверия заказчика. Рассказываем, как правильно определить цели и границы работ, распределить ответственность, выстроить коммуникации и сделать неизбежные риски и изменения контролируемыми. На реальных кейсах разбираем, почему задержка с сообщением о критической уязвимости способна перечеркнуть технический успех, как управленческая рамка помогла разобраться в остановке турбины и когда выход за пределы скоупа приносит пользу бизнесу, а когда становится нарушением договоренностей. Доклад в виде статьи: https://infostart.ru/1c/articles/2765139/

Разбираем, как в крупных компаниях регуляторные требования, постмортемы и внутренние ограничения постепенно превращаются в многоуровневую систему инструкций, в которой разработчику все сложнее понять, что и когда нужно проверить. Показываем opensource-сервис внешних проверок для GitLab, который автоматизирует часть этой бюрократии и сводит результат к понятному сигналу: зеленое – все в порядке, красное – нужно обратить внимание на конкретное требование. Объясняем, как такие проверки помогают «сдвинуть влево» контроль задач и снизить риск отказа во внедрении задачи в последний момент перед релизом. А заодно смотрим, может ли связка Autumn + «Вино» + немного разработческого энтузиазма превратить обязательные инструкции в инструмент, который команда сама захочет развивать. Доклад в виде статьи: https://infostart.ru/1c/articles/2762014/

Рассказываем, как использовать библиотеку искусственного интеллекта для 1С не просто как инструмент генерации кода, а как основу для новых бизнес-решений. Показываем, как с ее помощью строить BI-систему на естественном языке: пользователь формулирует вопрос по продажам обычным текстом, а система генерирует запрос к базе и возвращает результат в виде таблицы или графики. Разбираем пример торгового бота-продавца, который общается с покупателем, консультирует по товару и отправляет платежную ссылку, а также объясняем, зачем в таких решениях нужны границы, точки контроля и обычное программирование. Отдельно показываем, как векторные базы и нечеткий поиск помогают создавать помощников менеджера (например, для подбора аналогов), и почему новые задачи лучше решать новыми методами, а не пытаться применять ИИ только к старым сценариям. Доклад в виде статьи: https://infostart.ru/1c/articles/2752467/

Продолжаю развивать проект Harness 1С — обвязку для полноценной разработки в 1С с помощью AI-агентов. В этой части показываю оркестратор Symphony: он мониторит трекер задач в GitLab, автоматически запускает агентов, согласует план с человеком и присылает уведомления в приложение на Flutter (desktop и мобильный). Вы ставите задачу, идёте пить кофе — а на телефон приходят уведомления: задача принята в работу, агент составил план, разработка завершена. Разбираю весь цикл автоматической разработки на живом примере: локальный GitLab с репозиторием расширения 1С, доска задач со статусами (Backlog; To Do; In Progress; Plan Review; Human Review), выбор агента метками (Claude Code, OpenCode, Kimi), разработка в отдельной ветке и merge request. Отдельно показываю, как агент строит детальный план, как внести правки обычным комментарием к задаче, и почему я осознанно оставляю этап проверки плана человеком.

Сравниваем два подхода к созданию мобильных приложений в экосистеме 1С: классическую разработку на платформе и набирающую популярность технологию 1С:Элемент. Разбираем, какие возможности доступны из коробки, чем отличаются готовые интерфейсы и сколько времени занимает подготовка приложения к выпуску. На примере приложения «Показания тонометра» показываем, что потребуется для старта: материалы, инструменты, знания и этапы сборки. В финале сравниваем технологии по простоте разработки, внешнему виду, функциональности, перспективам развития и масштабируемости. Доклад в виде статьи: https://infostart.ru/1c/articles/2737566/

Разбираем, как объективно сравнивать нейросети и агентные подходы на типовых задачах разработки 1С, а не выбирать инструмент интуитивно. Показываем практический бенчмарк моделей и open-source-агентов: от написания и доработки кода до генерации Unit-тестов, документации и работы с метаданными конфигурации. Объясняем, как на результат влияют контекст, инструменты, обратная связь от тестов, системные промпты и особенности самих агентов. На примерах ошибок показываем, почему без правильной инфраструктуры нейросети могут не ускорять разработку, а создавать дополнительные затраты на исправление кода. Доклад в виде статьи: https://infostart.ru/1c/articles/2735949/

Рассказываем, почему разработчики не всегда начинают пользоваться ИИ-инструментами, даже если у них уже есть доступ к GPT-чату, Copilot, OpenCode и «1С:Напарнику». Показываем, как через личные разговоры, короткие воркшопы и понятные аналогии – калькулятор, поисковик, автодополнение и Dota 2 – можно снизить страхи, скепсис и недоверие к генеративным нейросетям. Разбираем, почему одних рассылок и лозунгов про «будущее» недостаточно, и как маленькие быстрые победы помогают людям попробовать ИИ в рабочих и бытовых задачах. Статья будет полезна руководителям и тимлидам, которые сталкиваются с сопротивлением сотрудников и хотят привести команду к спокойному, практичному отношению к современным ИИ-инструментам. Доклад в виде статьи: https://infostart.ru/1c/articles/2732183/