
Семантичний контекст для ШІ: як LSP допомагає моделі зрозуміти код
Четверта частина серії про автодоповнення: Language Server Protocol дає типи, визначення й посилання — шар поверх текстового пошуку по репозиторію.
Новини для розробників без шуму — My Dev News у Telegram.

Тег
Усі статті блогу з цим тегом.

Четверта частина серії про автодоповнення: Language Server Protocol дає типи, визначення й посилання — шар поверх текстового пошуку по репозиторію.

Специфікація як головний артефакт розробки з ШІ: цикл специфікація → план → код → перевірка, інструменти 2026 і де SDD ламається.

Еволюція IDE та внутрішня механіка AI-інструментів: LSP, індексація репозиторію, збірка контексту, режими Tab, чат і агент, MCP і порівняння Cursor, Copilot, JetBrains, CLI-агентів — що відбувається з кодом під капотом у 2026 році.

Практична модель агентної розробки: контекст, декомпозиція завдань, цикли перевірки, багатоагентна оркестрація, безпека, метрики постачання та роль інженера в життєвому циклі розробки 2026 року.

ШІ уже пише робочі функції, але продукт — це архітектура, контекст, ризики та відповідальність. Межа між кодом і інженерією, кейс легасі на 15 років і навички розробника у 2026.

Успадкований код на мільйони рядків, сотні таблиць і десятки інтеграцій: що ШІ розуміє за години, де помиляється, як впроваджують RAG і індексацію репозиторію, і чому експерт + модель швидші за будь-кого з них окремо.

Блок-схеми, UML, BPMN, мережеві топології та креслення: чому PNG ≠ діаграма, що дають OCR, векторизація, CAD, комп'ютерний зір і VLM у 2025–2026, і яка ланцюжок реально працює.

Rust-лінтери в 50–100 разів швидші за ESLint, але вибір між Biome та Oxlint залежить від плагінів, перевірки типів і готовності відмовитися від Prettier.

Чесний погляд senior-розробника: Agent = Model + Scaffold, context engineering, фабрична модель і чому «vibe coding» не масштабується.

Google Apps Script, прихований OCR Drive API, ротація ключів Gemini і LockService — пайплайн каталогізації архіву на Habr.

Вебінар Platform9, Monday.com і PlayStation: SDLC навколо ШІ, роль «інженера-оркестратора» та вузькі місця рев'ю.

Контекст на мільйони токенів, а обмін — у JSON. ULMEN LLM: близько −44% токенів у тестах автора.

Препринт про HarnessMutation: як мультиагентні системи можуть змінювати рантайм під валідацією, трасуванням і відкатом — без хаотичного self-modify.

Власний ChatGPT-подібний інтерфейс до Ollama та OpenAI-сумісних API — покроковий деплой з Let's Encrypt.

Google I/O Writing Challenge: мультиагентна оркестрація зібрала ядро ОС без ручного коду — і змінює роль розробника.

Код від Copilot/Cursor компілюється, але падає в браузері — навіщо піднімати застосунок і Playwright/Cypress в одному compose.