TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1075 · 20.02

Айтишный опыт очень нелинейно конвертируется в деньги. Если у вас 3-5 лет опыта, и вы занимались развитием своих навыков, то можете получать зарплату мидла, пусть это будет X денег. За 10 лет опыта при продолжающемся развитии вы становитесь сеньором (кто-то быстрее, кто-то дольше), и тогда вы получаете 1.5X денег, ну может 1.75X, при очень большом везении 2X денег. Но если у вас 15-20 лет опыта, вам 2X+ никто не даст, и уж тем более 2.5-3X. Бывают отдельные случаи, когда какой-нибудь Бобук с офигенно раскрученным личным брендом получает миллионы (и то, на порнухе и казино), но глобально ситуация по рынку понятная. Получается, что после 10 лет опыта вы уже как бы достигли своей финансовой вершины в айти. Можно сместиться в руководство, но, во-первых, не каждому хочется, а, во-вторых, это требует иных навыков, которые тоже не у каждого есть. Да и не будет руководящих должностей на всех. А как там с другими профессиями? У некоторых профессий есть категории, разряды или формальные уровни квалификации, которые влияют на зарплату. Если вы сварщик шестого разряда или учитель высшей категории, то один этот факт будет добавлять к зарплате некоторый процент. Очень понятный путь прокачки. Но всё равно, когда упёрся в левел-кап, дальше уже роста не будет. А есть ли за что платить? Будет ли строитель с 20-летним опытом сильно больше уметь, чем строитель с 10-летним? Интуитивно кажется, что да, потому что 10 лет это типа 3-4 больших объекта, довольно мало. Уж точно 6-8 больших объектов звучат сильно солиднее. Видимо, зависит всё-таки от формата и сложности работы. У врачей, кажется, вообще никогда нельзя упереться в предел опыта. И по ощущениям тоже врач с 20 годами должен получать больше, чем с 10 (если в комментах есть врачи, расскажите, так ли это). Но в айти престарелые (по меркам айти) сеньоры сидят и тухнут. Я так BG3 бросил в середине третьего акта, потому что прокачка остановилась. К счастью, опыт в работе у меня складывался более интересный: сначала я пять лет пилил свои проекты с разной степенью успеха, потом пять лет был фрилансером, а теперь вот пять лет в энтерпрайзе. Точно есть, куда расти, и по навыкам и по деньгам. Существует ли ещё какая-то форма занятости? Свой айтишный бизнес, пожалуй, но тут уж совсем особые умения нужны. #life

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #a2a

当前筛选 #a2a清除筛选
GitHub Trends

@githubtrending · Post #15283 · 09.11.2025 г., 14:30

#go#a2a#agents#agents_sdk#ai#aiagentframework#gemini#genai#go#llm#mcp#multi_agent_collaboration#multi_agent_systems#sdk#vertex_ai The Agent Development Kit (ADK) for Go is an open-source toolkit that makes it easy to build, test, and deploy smart AI agents using the Go programming language. It lets you create simple or complex agent workflows, use ready-made or custom tools, and run your agents anywhere, especially in cloud environments. With ADK, you get full control, flexibility, and the ability to scale your applications, making it faster and simpler to develop powerful AI solutions for real-world tasks. https://github.com/google/adk-go

GitHub Trends

@githubtrending · Post #14693 · 10.05.2025 г., 12:00

#jupyter_notebook#a2a#agentic_ai#dapr#dapr_pub_sub#dapr_service_invocation#dapr_sidecar#dapr_workflow#docker#kafka#kubernetes#langmem#mcp#openai#openai_agents_sdk#openai_api#postgresql_database#rabbitmq#rancher_desktop#redis#serverless_containers The Dapr Agentic Cloud Ascent (DACA) design pattern helps you build powerful, scalable AI systems that can handle millions of AI agents working together without crashing. It uses Dapr technology with Kubernetes to efficiently manage many AI agents as lightweight virtual actors, ensuring fast response, reliability, and easy scaling. You can start small using free or low-cost cloud tools and grow to planet-scale systems. The OpenAI Agents SDK is recommended for beginners because it is simple, flexible, and gives you good control to develop AI agents quickly. This approach saves costs, avoids vendor lock-in, and supports resilient, event-driven AI workflows, making it ideal for developers aiming to create advanced, cloud-native AI applications[1][2][3][4]. https://github.com/panaversity/learn-agentic-ai