AI PDLC Inside

На инженерном дне ГигаКонф-2026 Сбер представил не только концепцию AI-Disrupt PSLC, но и важные продуктовые обновления. Ниже — четыре инструмента, которые упрощают разработку, помогают внедрять подход AI-Disrupt PDLC и менять цикл создания продуктов.

Выбрали для вас самое главное:

▪ GigaIDE
Среда разработки GigaIDE получила единый дистрибутив. Теперь функциональность корпоративного класса доступна индивидуальным разработчикам и небольшим командам.

Дистрибутив позволяет переключаться между режимами Pro и Community: можно использовать Community для повседневных задач, а для отладки нагруженного модуля перейти в Pro.

▪ GitVerse
В агентном конвейере GitVerse появилось около 20 новых функций для ускорения работы с кодом. Порог входа в разработку снижается: новая функциональность доступна и частным лицам, и небольшим командам. Теперь они могут вести проекты, используя те же профессиональные инструменты, что и крупный бизнес.

▪ GigaCode
ИИ-ассистент GigaCode теперь интегрирован с платформой доступа к языковым моделям red_mad_router от red_mad_robot. Это расширяет выбор моделей для разработчиков — от генерации и анализа кода до выполнения сложных многошаговых сценариев с помощью ИИ-агентов.

▪ GigaStudio
Создавать полнофункциональные веб-проекты стало проще благодаря общему доступу к GigaStudio. ИИ-инструмент для разработки сайтов и приложений по текстовому описанию позволяет запускать готовые цифровые продукты — за считаные минуты и без единой строчки кода. Получите доступ через платформу GitVerse.

#ИИнструменты

Сбер представил концепцию трансформации модели сопровождения ПО в эпоху ИИ — AI-Disrupt PSLC

Завершился инженерный день конференции ГигаКонф-2026. Мероприятие прошло в офисе Сбера и собрало более 600 участников. Инженеры обсуждали, как подход AI PDLC работает на практике: в архитектуре, коде, инструментах и производственных процессах.

Главное

Конференцию открыл Кирилл Меньшов, старший вице-президент, руководитель блока «Технологии» Сбербанка.
Ключевым событием стала презентация AI-Disrupt PSLC - новой операционной модели сопровождения цифровых продуктов в эпоху ИИ.
Если AI PDLC отвечает за то, чтобы создавать продукты быстрее, то AI-Disrupt PSLC с участием ИИ-агентов обеспечивает их надёжную работу после запуска и возвращает опыт эксплуатации в цикл разработки.
Модель меняет сопровождение по четырём направлениям:

✅ Роли – меняются классические инженерные роли
✅ Процессы – сопровождение переходит от документов и автоматизации к автономизации
✅ Инструменты – появляются новые решения, чтобы поддержать этот переход
✅ Единый конвейер PDLC и PSLC – непрерывное улучшение ПО

На стенде AI-Disrupt PSLC участники

✔подробнее узнали про подход Specification-Driven-Development - спецификация как единый источник данных для команды разработки и ИИ-агентов, а также способ его реализации в Сбере
✔могли пройти экспресс-тест на уровень AI-зрелости компании и получить рекомендации по развитию
✔могли узнать про фреймворк для управления разработкой с AI-агентом Human Guided SDLC

Скачать руководство AI-Disrupt PSLC можно по ссылке

#AIPDLC #AIPSLC

Подписывайтесь на AI Inside в ВКонтакте

Собрали статьи для тех, кто хочет развернуть модели без дорогих кластеров и лишних сложностей.
Все материалы — с командами, разборами и замерами скорости. Будет полезно, если хотите выжать максимум из доступного железа и не утонуть в настройках. Сохраняйте и делитесь с коллегами!

Как запустить 176B-класс Qwen3.8-Flash-Next в DeepSeek Harness на GTX 1080 Ti
Пошаговый запуск огромной MoE-модели на старой видеокарте: скачивание и склейка GGUF, нужная версия llama.cpp, запуск llama-server и подключение к DeepSeek Harness. В конце — замеры скорости и разбор флагов выгрузки слоёв.

Как запустить Gemma на сервере: сравниваем Ollama и llama.cpp
Два параллельных рецепта на одном сервере: установка, скачивание модели, запуск и проверка API через curl. Заканчивается бенчмарком, который показывает, какой из движков быстрее.

Контекст растёт, KV-кэш — нет: Qwen3.8-27B на ограниченной VRAM с CMF формате
Как уместить длинный контекст на 24 ГБ за счёт формата CMF: установка на Linux с Vulkan, настройка GPU и команда для воспроизведения замеров. В конце есть шпаргалка со всеми командами.

Qwen3.8-27B на двух RTX 3060 12ГБ: как я разогнал OpenCode с ~9 до ~40 токенов/с при 128K контекста
Инженерный дневник оптимизации: tensor split, speculative decoding и MTP, выбор правильного GGUF, пять конфигураций в бенчмарке. Повторять стоит по финальному рабочему конфигу из раздела 13.

От чата c LLM к полноценному AI-агенту: пошаговая настройка OpenCode
Настройка OpenCode с нуля: подключение модели, глобальный и проектный конфиг, AGENTS.md, skills, commands и отдельные агенты под разные задачи. Отдельно разобрано, как не хранить токены в рабочей папке.

Codex CLI через свой endpoint: config.toml по строкам и девять способов его сломать
Минимальный рабочий config.toml для Codex CLI со своим прокси или провайдером, с объяснением каждой строки. Дальше — девять типовых ошибок с текстом сообщений и чек-лист.

#Хабр

Подписывайтесь на AI PDLC Inside в ВКонтакте

Разделение труда в эпоху ИИ: кто за что отвечает?

Недавно начали рассказывать о том, как ИИ влияет на подход к проектному управлению. Сегодня хотим поделиться статьей, в которой эта тема раскрывается более полноценно. Материал посвящен тому, как принципы AI-Disrupt PDLC успешно применяются в других областях — например, проектном управлении (РРМ).

Что важно

Помнить, что ценность создаёт не сама нейросеть, а среда вокруг неё — контекст, правила, контроль. Человек берёт на себя определение смыслов, намерения, критериев приёмки результата, ИИ-агенты — рутину и реализацию. В приложении к проектному управлению это выглядит как сочетание двух циклов:

цикл намерения — за человеком: видение, цели, стандарты;
цикл реализации — за агентами: расписания, отчёты, риски, коммуникации.

Какие навыки в приоритете

Техническое планирование и ручной трекинг отходят на второй план.
В фокусе:
✅ этическое суждение в условиях неопределённости
✅ построение доверия со стейкхолдерами
✅ регуляторный комплаенс
✅ управление гибридными командами из людей и агентов
✅ контекстная инженерия — спроектировать, что должен знать агент и где требуется верификация человеком.

Будущее управления проектами — в перераспределении труда. ИИ многое делает быстрее и дешевле, но есть вещи, которые автоматизировать не стоит. Задача человека сегодня — чётко формулировать намерение, чтобы агент мог действовать, и быть готовым вмешаться там, где цена ошибки слишком высока.

Подробности — в материале

#VibePPM

Подписывайтесь на AI PDLC Inside ВКонтакте