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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #721 · 26.12

Почему я люблю языки с сильной системой типов, проверяемой статическим анализом кода — хорошо написанная программа является своей собственной спецификацией и позволяет выражать через язык программирования законы существования предметной области. Когда-то давно я писал на ActionScript. Там была система типов, но вот десериализация JSON'ов по-умолчанию была в какой-то общий Object, к полям которого нужно было обращаться ["по_строковому_имени"]. В один момент мне потребовалось написать что-то на C#, который я совсем не знал, я стал гуглить, как десериализовать JSON, и с удивлением обнаружил кучу советов заранее объявить класс со всеми нужными полями и десериализовать в него. "Какой ужас!", — подумал я тогда, — "Это же дико неудобно! А если я не знаю полей JSON? А если их много? Отвратительный язык!" Теперь то я прекрасно понимаю, что JSON это контракт, и что правильная десериализация только такая и должна быть, и что в хорошем API в одном поле никогда не бывает данных принципиально разных типов, и так далее. Нет, если вы набиваете вечерами пет-проект или сидите бессонную ночь на хакатоне, нет ничего плохого в том, чтобы взять простой язык с динамическими типами вроде JavaScript или Python, не требующий описывать данные. Но вот в энтерпрайзе, особенно когда над одним проектом работает много людей (а бывает это очень часто) — хорошее использование системы типов убережёт разработчиков от огромного количества ошибок, будет бить их по рукам, когда они пытаются сделать что-то не то, и будет подсказывать, когда они не уверены в чём-то. С помощью статической типизации можно на уровне кода обозначить правила, по которым ведёт себя предметная область вашей программы в реальном мире. Разработчику не только будет сложно их нарушить, но он ещё и станет узнавать какие-то вещи, которые мог не знать раньше. Например, если мы делаем медицинскую CRM, и больница заводит новых пациентов только тогда, когда знает их группу крови, мы можем объявить тип "Пациент" (или, если точнее, "Карта пациента") и запретить создавать экземпляры этого типа, не передав в конструктор группу крови (которая, в свою очередь, тоже является типом, вероятнее всего ValueObject'ом). Если новый программист пришёл в проект, он, во-первых, не сможет записать в БД некорректную карту пациента. Понятно, мы не учитываем случаи, когда новый программист переделывает модели предметной области — это будет хорошо видно на кодревью. А, во-вторых, даже если ему никто не сказал, что пациенты должны быть с группой крови, он узнает это из кода. И уже будет понимать, что в тех процессах реальной жизни, которые он описывает кодом, карта пациента создаётся только при наличии группы крови. А, значит, нужно искать какой-то способ сначала эту группу крови получить, и только потом создавать карту. Программирование моделирует реальный процесс. В настоящей работе даже на языках с типами, конечно, без должного контроля можно написать что угодно. Нужна управленческая воля, компетентность руководства, понимание опасности техдолга, в идеале отдельные должности для архитекторов, опытные лиды и старшие разработчики. Но когда всё это есть, можно отсекать много проблем ещё на старте и проще погружать новичков. #dev

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #adk

当前筛选 #adk清除筛选
GitHub Trends

@githubtrending · Post #15039 · 08.08.2025 г., 13:00

#python#adk#agent_samples#agents The Agent Development Kit (ADK) offers ready-made sample agents in Python and Java to help you quickly build AI-powered agents for various tasks, from simple chatbots to complex multi-agent workflows. It supports flexible design, letting you combine multiple specialized agents, use diverse tools, and create adaptable workflows. ADK also includes developer tools for easy testing, debugging, and deployment, and works well with Google’s AI models and other large language models. Using these samples can save you time and effort by providing practical examples and a strong foundation to develop your own intelligent agents efficiently. This helps you focus on your agent’s logic while ADK handles orchestration and scaling. https://github.com/google/adk-samples

AI一线|ShareCentre

@ShareCentre · Post #7129 · 26.03.2026 г., 07:45

Google DeepMind 发布 Gemini API 开发者技能:用 Agent Skills 弥合模型知识鸿沟 Google DeepMind 于 3 月 25 日发文介绍其构建的 Gemini API 开发者技能(gemini-api-dev),旨在通过 Agent Skills 规范弥合大语言模型的知识鸿沟。测试显示,Gemini 3 系列模型在启用该技能后,代码生成正确率从不足 7% 大幅提升至接近 100%,但前提是模型需具备强大的推理能力。 ⚙️ 技能内容 该技能包含四部分: - API 高级功能集概览 - 当前模型和各语言 SDK 说明 - 各 SDK 基础示例代码 - 文档入口点列表(作为真实信息源) 技能已开源在 GitHub,支持通过 Vercel skills 和 Context7 两种方式安装: npx skills add google-gemini/gemini-skills --skill gemini-api-dev --global npx ctx7 skills install /google-gemini/gemini-skills gemini-api-dev 📊 评测结果 - 评测集:117 个 prompt,覆盖 Agent 编码、聊天机器人、文档处理、流式内容等场景 - 失败标准:生成的代码使用了旧版 SDK - Gemini 3.0 Pro/Flash:基线仅 6.8%,启用技能后大幅提升 - Gemini 3.1 Pro:基线 28%,启用技能后几乎全部通过 - Gemini 2.5 系列:也有提升,但远不如 3.x 系列——强推理能力是关键 - SDK Usage 类别通过率最低(95%),部分失败来自明确要求使用 Gemini 2.0 模型的 prompt 📎 相关链接 原文:https://developers.googleblog.com/closing-the-knowledge-gap-with-agent-skills/ GitHub:https://github.com/google-gemini/gemini-skills Agent Skills 规范:https://agentskills.io Google ADK Skills 文档:https://google.github.io/adk-docs/skills/ #Google#AI#AgentSkills#GeminiAPI#ADK#开发者工具