Как ИИ навсегда изменил разработку ПО — строим агентное будущее с Андре Бальтьери [MVP]

Искусственный интеллект меняет разработку программного обеспечения с беспрецедентной скоростью.Разработчики уже перешли от написания каждой строки кода вручную к работе с ИИ-ассистентами, которые способны генерировать код, объяснять незнакомые системы, создавать тесты, отлаживать приложения и автоматизировать рутинные задачи.Но, по словам Microsoft MVP Андре Бальтьери, это только начало.В этом выпуске M365.FM Мирко Питерс беседует с Андре о переходе от традиционной разработки ПО к разработке с помощью ИИ, кодирующим агентам, агентным архитектурам, Microsoft Agent Framework, .NET, RAG, инжинирингу контекста, безопасности и экономике генеративного ИИ.

.NET В 2003 ГОДУ И ЭРА ИИ
Андре вспоминает ранние времена .NET и C#, когда изучение новой технологии Microsoft часто означало покупку официального обучения и поездку в другой город.С тех пор разработка ПО прошла через настольные, веб-, мобильные и облачные приложения, контейнеры, микросервисы и бессерверные вычисления.Андре утверждает, что переход к ИИ ощущается принципиально иначе. ИИ не просто добавляет очередную платформу или фреймворк, а вводит новый способ взаимодействия людей с программным обеспечением.

ИИ-АССИСТЕНТЫ ПРОТИВ ИИ-КОДИРУЮЩИХ АГЕНТОВ
Между ИИ-ассистентом внутри IDE и передачей работы агенту есть важная разница.Ассистент может объяснять код, предлагать рефакторинг, отвечать на вопросы и помогать разработчикам понимать их приложения.Агент может получить цель, составить план, разбить работу на более мелкие задачи, использовать инструменты, координировать дополнительных агентов и реализовать значительные части решения.Андре объясняет, как это уже меняет его собственный рабочий процесс: ИИ теперь генерирует большую часть кода, который раньше он писал вручную.

РАЗРАБОТКА ПО НА ОСНОВЕ СПЕЦИФИКАЦИЙ
По мере роста возможностей агентов спецификации становятся всё важнее.Вместо описания каждой детали реализации разработчики могут определить требования, архитектуру, ограничения и ожидаемое поведение, а агенты решат, как реализовать отдельные части.Это смещает внимание разработчика от простого написания кода к определению того, что нужно создать и зачем.

MICROSOFT AGENT FRAMEWORK
Разговор переходит к Microsoft Agent Framework и его роли во внедрении возможностей ИИ в существующие приложения.Андре объясняет, что фреймворк объединяет возможности, связанные с Semantic Kernel и AutoGen, и предоставляет разработчикам инструменты для подключения моделей, оркестрации рабочих процессов, использования MCP, реализации RAG, загрузки данных и открытия функциональности приложения для ИИ.Для разработчиков на .NET это может значительно сократить объём кода интеграции.

ПОЧЕМУ .NET ВАЖЕН И В ЭРУ ИИ
Python остаётся одним из доминирующих языков в разработке ИИ, но Андре твёрдо считает, что .NET и C# отлично подходят для корпоративных ИИ-приложений.Платформа .NET продолжает быстро развиваться, а инструменты Microsoft для ИИ всё больше дают разработчикам C# нативный доступ к современным возможностям ИИ.Организации, в которых бизнес-логика уже многие годы реализована на .NET, могут получить серьёзное преимущество: им не обязательно перестраивать всё, чтобы внедрить ИИ.Существующую функциональность можно выборочно открыть агентам и ИИ-приложениям.

ОТ ДЕТЕРМИНИРОВАННОГО ПО К АГЕНТНЫМ СИСТЕМАМ
Традиционные приложения в основном детерминированы:Если происходит X, выполнить Y.Агентные системы вводят другую модель:Вот цель. Определи, какие действия необходимы для её достижения.Это означает значительный архитектурный сдвиг.Вместо явного описания каждого возможного пути разработчики всё чаще определяют цели, инструменты, контекст, права доступа, ограничения и границы, в которых может действовать ИИ.

ПАТТЕРНЫ ПРОЕКТИРОВАНИЯ НЕ УМЕРЛИ
Код, сгенерированный ИИ, не отменяет десятилетий знаний в области инженерии ПО.Чистый код, поддерживаемость, тестирование, архитектура и паттерны проектирования остаются важными, поскольку ИИ часто учится реализовывать новую функциональность, изучая существующую кодовую базу.Запутанный код может порождать ещё более запутанный код.Разработчикам по-прежнему нужно понимать архитектуру и инженерные принципы, даже когда основную часть реализации выполняет ИИ-агент.

ПРОБЛЕМА СТОХАСТИЧЕСКОГО ПО
Традиционные разработчики ожидают, что одинаковые входные данные дают одинаковый результат.Генеративный ИИ вероятностен.Один и тот же запрос может породить разные реализации, ответы или поведение при нескольких запусках.Андре обсуждает, почему это требует пересмотра подходов к тестированию и валидации и почему надёжные защитные механизмы становятся всё более важными, когда ИИ-функциональность открыта большому числу пользователей.

ИНЖИНИРИНГ КОНТЕКСТА ВАЖНЕЕ ПРОМПТИНГА
Выбор самой новой модели не обязательно является самым важным решением.Андре утверждает, что контекст — это всё.Разработчикам нужно достаточно хорошо понимать как бизнес-задачу, так и техническое окружение, чтобы предоставить ИИ нужную информацию.Слишком мало контекста даёт слабые результаты.Слишком много контекста может перегрузить модель.Задача состоит в том, чтобы найти информацию, которая действительно важна.

RAG, ДАННЫЕ И КОНТЕКСТНОЕ ОКНО
Retrieval-Augmented Generation становится особенно важным, когда организации хотят, чтобы ИИ-системы работали с их собственными знаниями.Но создание RAG-системы — это не просто помещение документов в векторную базу данных.Данные нужно очистить, структурировать, разбить на фрагменты, извлечь и грамотно вставить в контекст модели.Андре рассказывает пример из своей образовательной платформы, где видеоуроки были транскрибированы и проиндексированы, чтобы пользователи могли искать понятия и сразу переходить к нужному моменту видео.

ПАМЯТЬ И УПРАВЛЕНИЕ КОНТЕКСТОМ ИИ
Длительные диалоги с ИИ создают ещё одну проблему: память.По мере заполнения контекстного окна диалоги нужно суммировать или сжимать.Андре объясняет, почему разработчикам стоит активно управлять этим процессом, а не полагаться на то, что ИИ-система сама сохранит самую важную информацию.Иногда лучшее решение удивительно простое: завершить задачу, закрыть диалог и начать заново с чистым контекстом.Файлы спецификаций и Markdown также могут обеспечивать постоянный контекст проекта для кодирующих агентов.

БЕЗОПАСНОСТЬ, РАЗРЕШЕНИЯ И ПРИНЦИП НАИМЕНЬШИХ ПРИВИЛЕГИЙ
Предоставление ИИ-агенту доступа к инструментам и корпоративным данным создаёт серьёзные последствия для безопасности.Андре рекомендует относиться к агентам по принципам, похожим на человеческие идентификаторы: по умолчанию закрывать всё и открывать только то, что агенту действительно необходимо.Вместо неограниченного доступа к базе данных разработчикам следует предоставлять тщательно контролируемые функции, которые возвращают только информацию, нужную для конкретной задачи.Это особенно важно, когда агенты могут читать или изменять корпоративные данные.

PROMPT INJECTION И ЗАЩИТНЫЕ МЕХАНИЗМЫ ИИ
Prompt injection создаёт новую поверхность атаки для ИИ-приложений.Пользователи могут намеренно манипулировать промптами, пытаться получить информацию за пределами предусмотренного контекста, расходовать ресурсы компании или убедить ИИ-систему выполнить действия, которые её создатели не предвидели.В обсуждении рассматривается важность системных инструкций, ограничений на уровне приложения, контролируемых функций, идентификации, разрешений и платформ, таких как Azure AI Foundry, для установления дополнительных границ безопасности.

AI FINOPS — НЕ ИСПОЛЬЗУЙТЕ ГЕНЕРАТИВНЫЙ ИИ ДЛЯ ВСЕГО
Один из самых практичных выводов разговора: то, что ИИ может выполнить задачу, не означает, что ИИ должен её выполнять.Андре различает генеративные и детерминированные рабочие нагрузки.Если что-то должно происходить одинаково каждый раз, традиционное программирование может быть быстрее, дешевле и надёжнее.Он приводит пример, который