Огромная библиотека постмортемов

Кто-то собрал на одном сайте гигантскую подборку из 650 постмортемов от разных компаний. Использовать можно и для того, чтобы посмотреть, как деградируют ваши любимые сервисы, и для того, чтобы вдохновиться форматом и процессами.

Не понимать кодовую базу – нормально

Один из стандартных набросов на LLM – это то, что разработчики, слишком сильно полагающиеся на агентов, довольно быстро теряют понимание кодовой базы проекта. Но если задуматься – а насколько это понимание было и раньше, когда код писали руками? А если подумать не про сравнительно компактные кодовые базы, а огромные энтерпрайзные проекты?

Планируя изменение программы, мы всегда оперируем своей собственной теорией о том, как она работает. В больших кодобазах эта теория всегда будет неверной или неполной – просто невозможно все детали удержать в голове. Поэтому в любом случае нужно уметь работать в таких условиях – сжимать зубы, выдвигать гипотезы о том, как программа работает, проверять их, и обновлять свою теорию.

AI, конечно, усложняет поддержку теории об устройстве программы в собственной голове. Но, с другой стороны, он помогает гораздо быстрее поднимать контекст про незнакомые или забытые части системы, и очень быстро тестировать свои гипотезы – поэтому прямо однозначно сказать, что AI в этой части сделал все хуже, нельзя.

Про скорость ради скорости

Задумайтесь – а насколько часто, когда вы пытались ускориться сами, или просили об этом команду, это действительно было важно? В нашей индустрии уже довольно давно стало моветоном не пытаться всеми силами оптимизировать time to market. А итоги у этого не всегда положительные:

👉Предложения замедлиться и подумать по умолчанию воспринимаются как контрпродуктивные.
👉Многие ненужные фичи делаются только потому, что их можно сделать быстро. Они дают ощущение прогресса, хотя на самом деле могут быть просто броуновским движением.

Реальная скорость происходит не от бездумной спешки, а скорее от противоположного – траты лишнего времени на то, чтобы принять нужные решения, убедиться, что задача всем понятна, и нужный контекст собран. И, что еще важнее, когда потрачено время на то, чтобы ответить на сложные неудобные вопросы вроде "а нужную ли вещь мы вообще делаем?".

Золотая статья!

Как стафф инженеру найти достойные проблемы

Большинство компаний сходятся на том, что главная черта, отличающая стаффа от сеньора – это умение самостоятельно находить самые ценные точки приложения своих усилий. Вот простой алгоритм, как можно это делать:

👉Накапливайте знания о проблемах в вашей области компетенции, на которые жалуются люди.
👉Не бросайтесь на первую проблему, которая показалась важной. Дайте им накопиться, и беритесь за то, что проявляется хотя бы несколько раз для разных команд.
👉После того, как вы выбрали кластер связанных проблем, с решением тоже не спешите. Потратьте побольше времени на то, чтобы найти наилучшую форму решения, которая сможет закрыть сразу все эти проблемы.
👉До того, как начать полноценную реализацию, потратьте еще сколько-то времени на то, чтобы сделать дешевый прототип, показать его заинтересованным людям, и перепроверить, а туда ли вообще вы копаете.

Обратите внимания на классные пересечения со вчерашней статьей – ни один из этих пунктов не сработает, если главная ценность вашей компании – скорость.

Было?

LLM вознаграждают экспертизу

Все мы используем одни и те же модели, и по умолчанию получаем одни и те же усредненные ответы. Чтобы добиться от модели действительно качественного результата, нужно знать, в какую сторону ее запушить, какие ответы принимать, за какие идеи зацепиться. А именно это и требует глубокой экспертизы в вопросе.

Например, не зная хорошо своей кодовой базы, вы не сможете оценить, насколько предложенный моделью подход дублирует что-то уже существующее. Не имея собственного опыта дизайна, будет очень сложно почувствовать, что AI предложил чрезмерно упрощенное решение.

Не будьте мясным прокси

Я нашел свое новое любимое выражение – meat proxy, которым можно называть человека, который просто бездумно копирует сообщения от AI, не вкладывая туда ни ту самую экспертизу, ни просто хоть сколько-то своего внимания.

Среди разработчиков есть свой вид митпроксинга:

👉Отправить ссылку на задачу агенту без лишних слов
👉Не читая ни спеку, ни код, отправить на ревью
👉Скопировать комментарии агенту, запушить результат

Про принцип антитезиса

Мы стали как-то очень редко вспоминать Канемана и его монументальный труд по изучению когнитивных искажений – хотя я каждый день вижу, как многие из них получают новое лицо во взаимодействиях людей и AI. Но речь не об этом.

Так вот, со знанием когнитивных искажений можно делать две вещи:

1️⃣Использовать его, чтобы выстраивать свою тактику работы с людьми. Если вы можете предсказывать, как они себя поведут, вы точно сможете использовать это себе во благо.
2️⃣Использовать его, чтобы отлавливать эти же искажения в самом себе, и пытаться переопределять свое дефолтное поведение до той степени, пока оно не станет антитезисом к названному искажению.

Вот второй путь и есть принцип антитезиса. Он важен, потому что, если вы будете вести себя не как подавляющее большинство людей вокруг, вы сможете открыть для себя возможности, им недоступные.

Самый простой пример – обучение. Большинству людей проще учиться, когда образовательный контент их активно вовлекает и развлекает. Соответственно, если вы намеренно отдаете предпочтение не развлекательному способу обучения, например, читаете длинные сложные книги, то вы сможете пройти путями, которые все остальные пропустят.

Как правильно вписаться в систему промоушнов

Держите байку из мира FAANG про то, как прийти к успеху. Следите за пальцами:

👉Промо основаны на сложности задач, скоупе, независимости и лидерстве. По внутренним правилам, нельзя промоутить людей чаще, чем раз в два года. Поэтому несколько следующих циклов после повышения бесполезны.
👉Один менеджер организовал все так, чтобы на каждом полугодовом цикле 25% его команды получали повышение. Фокус простой – они приписывали себе заслуги от всего, сделанного командой, с полного согласия остальных. Затем то де самое повторялось для следующих 25%, и так далее.
👉Из-за того, что все видели, как быстро растут люди в команде этого менеджера, к нему стояла очередь из внутренних кандидатов. Хедкаунт рос, менеджера промоутили за все заслуги вместе с ним.
👉При этом команда работала где-то на 50% своего капасити, так как сразу после промо можно было отдыхать.
👉В итоге почти вся команда получает $1М+ компенсации.

Конечно, вся история может быть выдуманной, но элементы ее точно происходят во всех крупных корпорациях.

Держите идеальный пример того, как надо отвечать на вопросы сотрудников во время All Hands.

Немного контекста – Meta Days это дополнительные выходные дни для всей компании, которые ввели во время ковида, а потом отменили. И вот время последнего All Hands у CTO спросили, вернут ли их обратно.

Как не разучиться думать

Рабочие дни инженеров превращаются из длинных периодов напряженного думания над одной конкретной проблемоц в ADHDшное переключение между пятью разными сессиями и попытки вычленить из длинных сообщений, сгенерированных AI, крупицы смысла. Так как такого слопа читать приходится много, все вырабатывают свои собственные техники того, на каких кусках этих текстов сосредоточиться, а какие просмотреть по диагонали.

Такое потребление контента приводит к тому, что мы постепенно начинаем использовать похожий подход и в других областях жизни. Зачем смотреть видео доклада целиком, когда можно пробежаться по хайлайтам? Зачем думать над какой-то бытовой задачей, если можно прочитать TL;DR ответа LLM?

Есть смысл тренировать навык медленного мышления, чтобы он не атрофировался. В статье советуют два подхода:

👉Писать эссе самостоятельно, без какой-то помощи от AI – и неважно, статьи ли это в блог, какие-то рабочие пропозалы или что-то еще. Сам факт того, что вы выражаете свои довожы в виде последовательного повествования заставляет замедлиться и хорошо подумать.
👉Читать книги с высокой плотностью информации, например качественный нон-фикшн. Удовольствия от них получаешь как будто бы на порядок больше после рабочего дня, проведенного в процеживании AI слопа.

Почему менеджерам проще работать с агентами

Один из любимых аргументов AI-скептиков, который даже в нашем канале часто появляется в комментариях – "ну как же мы можем доверять агенту без того, чтобы читать весь его код – он же может ошибиться, или сделать вообще не то". У работы с живыми людьми проблемы точно такие же. Они забывают про условия задачи, совершают ошибки, ленятся, говорят неправду. И любой начинающий менеджер преодолевает эту долину отчаяния и учится работать с недетерминированной системой:

👉Нарабатывает интуицию про каждого человека в команде – в каких задачах он компетентен, а в каких нет
👉Выстраивает цикл обратной связи с людьми, и способы оценивать прогресс на пути к цели
👉Оценивает, в какие задачи надо прям глубоко погрузиться, а в какие можно не вникать
👉Декомпозирует работу так, чтобы люди могли работать автономно
👉Периодически ломает эту инкапсуляцию, чтобы происходил обмен знаниями

Те же самые практики с небольшими исправлениями работают и с агентами. И вот не надо только рассказывать про то, что люди отвечают за результат, а AI нет – да никто точно так же за свои ошибки ничем не отвечает.

Книга Александра Орлова про конфликты в открытом доступе

Книгу Александра Орлова про конструктивные конфликты я советовал еще в далеком 2022 году. Рекомендация с тех пор не изменилась – это очень дельная книга, которая поможет вам разобраться, как жить со всех сторон рабочего конфликта. Ну а самое классное – она очень прикладная, и кейсы вытащены прямо из нашей с вами реальности.

Так вот, книгу сейчас выложили в открытый доступ, поэтому, если вы с ней еще не познакомились, максимально рекомендую!

Внутренний гайд для менеджеров от Basecamp

Всегда люблю почитать хорошо написанные внутренние плейбуки, а от 37signals особенно интересно. Вот за что зацепился:

👉Менеджеры никак не влияют на зарплату, ее определяет только ежегодный общий бенчмаркинг. Премий тоже нет. Все на одной роли и уровне получают одинаково, независимо от локации и стажа.
👉Менеджер – не личный бесплатный терапевт. Разговоры о личных проблемах за пределами базовой эмпатии – к HR.
👉На one-to-one с новичками уходит 30-60 минут в неделю. С теми, кто уже освоился, типичная частота – раз в месяц.
👉Самый популярный вопрос для развития людей – "Давай разберем принятое тобой на этой неделе техническое решение", так растят умение рефлексировать и вкус.
👉При найме есть верхняя планка по количеству кандидатов, которых смотрит менеджер – 50 человек.

Самые важные социальные скиллы

Хоть я и довольно часто проявляю характеристики, которые обычно присущи экстравертам, я все-таки махровый интроверт. Общение с людьми чаще всего забирает у меня довольно много энергии, и большая часть ее уходит на постоянный анализ того, что происходит вокруг, и насколько корректно я реагирую на разные стимулы. Поэтому для меня пост – вообще золото, надеюсь, и вам понравится.

Несколько любимых правил из поста:

In most situations, you driving the conversation will lead to the best outcomes. (Note that driving the conversation does not necessarily mean it will be evident to others, or that you will be talking a lot.)

Figure out what someone is passionate about and keep mashing that button with deeper and deeper questions and excited curiosity.

In groups, early on, make jokes only at your own expense, not at the expense of others, until a humor dynamic is established.

Еще один подход к найму

1️⃣Кандидат работает над обычной фичей в своем проекте, но записывает весь процесс на видео. Цель – посмотреть на навыки работы с агентом и процесс мышления.
2️⃣Кандидату разворачивают облачное окружение с реальным проектом, над которым ему предстоит работать после найма. Там он должен разработать полноценную фичу и прислать PR на ревью. Эта часть процесса оплачивается, на нее дается 16 часов.
3️⃣Нанимающая команда пересматривает видео его работы, агентские сессии, и принимает решение о найме.

Не выступайте против своей команды

На любой встрече, где помимо вашей команды есть кто-то еще, всегда оставайтесь на ее стороне:

👉Если кто-то сказал фигню, не надо усугублять и устраивать разбор полетов там же.
👉Если кто-то потерял мысль или запутался, не надо бросать его без помощи.
👉Если кому-то задают сложные вопросы, на которые он не может ответить, не надо накидывать сверху еще и своих.
👉Если во время презентации на кого-то из вашей команды полетел негатив, не пытайтесь отстраниться так, чтобы он не попал на вас, или открыто показывать свое несогласие.

Короче говоря, никогда не разделяйте себя и команду при других людях – иначе это и по морали команды ударит, и по доверию между вами, и по отношению к вам других людей.

Но если все-таки что-то идет не так, вот какие варианты у вас есть:

👉Очень аккуратно перехватите инициативу по ведению встречи на себя, и попробуйте минимизировать ущерб.
👉Если все прямо совсем плохо, то вы можете остановить рассказ, предложить обсудить вместе позже, и потом вернуться с доработанной версией.
👉Можете честно сказать "мы еще не готовы обсуждать эту тему", и дальше встать в защитную позицию и принять удар на себя.

Исследование Linear про изменения в SDLC

Этот рисерч интересен тем, что его результаты получены не с помощью опроса, а прямо из продуктовых данных по тому, как реальные команды работают в Linear. В целом все инсайты ожидаемые, но вот эти два факта мне показались самыми полезными для того, чтобы ссылаться на них в будущем:

1️⃣ Среднее количество недельных PR на команду за последние два года выросло на 111%.
2️⃣Весь рост приходится только на команды, работающие с кодинг агентами.

Жалко, конечно, нет такого же графика по количеству заведенных регрессий...