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 1 подобни публикации

Търсене: #imagen3

当前筛选 #imagen3清除筛选

Google DeepMind: как ИИ-гигант захватывает все фронты Пока OpenAI металась между моделями, облаками и попытками захватить рынок, Google ждал своего часа. 🕰️ Спокойно дорабатывая экосистему, вкладываясь в железо и собирая данные, гигант подошел к 2025 году с абсолютным преимуществом. Теперь их победа очевидна даже скептикам. 🔥Лидерство моделей ➡️Gemini 2.5 Pro — №1 в ключевых тестах: LMArena, GPQA Diamond, AIME. ➡️Gemini 2.5 Flash (скоро в релизе) — скорость и стоимость в разы лучше аналогов (даже DeepSeek). ➡️Gemma 3 — open source модель уровня Llama 4 и DeepSeek-v3 но компактнее. 🎯Интеграция в экосистему ➡️1 млн токенов контекста + доступ к Google Поиску, YouTube, Workspace. ➡️Миллиарды пользователей получат Gemini бесплатно через Android, Chrome, Gmail. 🛠️Не только LLM ➡️Veo 2 — топ в генерации видео. ➡️Project Astra (ассистент) и Mariner (взаимодействие с ПК) — прорыв в агентских системах. ➡️Google Workspaces (ранее G Suite) - все собрано в одном флаконе для корпоративного пользователя. ➡️Imagen 3 (изображения) и Lyria (музыка) — пока не топ в своих категориях, но явно догонят, так как были выпущены ещё в прошлом веке (в прошлом году, если быть точнее, но в ИИ это сравнимо с прошлым веком).. ⚡Железо и облака ➡️TPU Ironwood — чипы 7-го поколения для AI-инференса (конкурент Nvidia Blackwell и Huawei Ascend). ➡️Google Cloud + собственные серверы = независимость от Microsoft/AWS. 🆚Почему конкурентам не догнать? ➡️У OpenAI нет своего железа, облака и 2 млрд пользователей «из коробки». ➡️Anthropic зависит от AWS, а Meta сосредоточена на open source, а не продуктах. ➡️Илон Маск с Grok-3 хорошо продаёт полеты на Марс, но у него проблемы с железом (StarGate только стартует). ➡️Apple кажется просто отстал на повороте... ➡️Главный козырь Google: данные. YouTube, Поиск, Карты — это тренировочная база, которой вместе нет ни у кого. ⚠️Но есть нюансы ➡️Gemini всё ещё отстаёт в креативном письме (хотя прогресс есть). ➡️При тестировании не все гладко, мои тесты. ➡️Бесплатный доступ — пока маркетинг. Цены могут вырасти после массового внедрения. ➡️Пока ИИ от Google за VPN, китайцы удобнее... Резюме: Google не просто вернулся в игру — он переписывает правила. И да, это тот редкий случай, когда «too much winning» — не мем, а реальность. 🚀 P.S. Тем, кто верил в xAI: наши соболезнования. https://t.me/semasci #ИИ#AI#GoogleAI#DeepMind#GeminiAI#Veo2#imagen3#lyria