День под знаком агентного программирования и его последствий для профессии. Simon Willison продолжает разворачивать «Agentic Engineering Patterns» — теперь два новых раздела: принципиальный (код стал дешёвым) и практический (аннотированный промпт с WebAssembly). Параллельно — практический взгляд на операционную сторону UX: как выстроить capacity planning так, чтобы команда не горела и успевала делать качественную работу.
Items
1. Writing code is cheap now (Simon Willison / Agentic Engineering Patterns)
- Темы: #agentic-engineering #ai-in-practice #product-design #future-of-work
- Ссылка: https://simonwillison.net/guides/agentic-engineering-patterns/code-is-cheap/
- Кратко: Ключевой принцип новой эры — код больше не дорогой, и это ломает все привычные инженерные паттерны планирования и оценки.
- Почему важно: Product designer'у важно понять этот сдвиг — теперь вопрос не «стоит ли это делать», а «стоит ли это делать хорошо». Дизайн постановки задачи (prompting, спецификация, контекст) становится узким местом, а не реализация. Концептуально это меняет то, как мы проектируем продуктовые решения: дешёвый код открывает дверь к быстрым экспериментам, кастомным инструментам, персонализированным интерфейсам.
- Что попробовать: Возьми задачу, которую ты всегда откладывал «потому что много кода» — и попробуй решить её с агентом за час.
- Тип: статья / принцип
2. GIF optimization tool using WebAssembly and Gifsicle (Simon Willison / Agentic Engineering Patterns)
- Темы: #agentic-engineering #ai-in-practice #annotated-prompt #webassembly
- Ссылка: https://simonwillison.net/guides/agentic-engineering-patterns/gif-optimization/
- Кратко: Аннотированный пример того, как Willison собрал браузерный инструмент оптимизации GIF через Claude Code — с комментариями к каждой части промпта.
- Почему важно: Это живой кейс «агентного мышления» в действии: минимальный промпт + доверие к знаниям модели + чёткое указание на цель. Разбор помогает понять, как структурировать задачи для AI-агентов — применимо не только к коду, но и к любому generation workflow в дизайне.
- Что попробовать: Сделай аннотированный промпт для одной своей регулярной задачи — разбей его на части и объясни «зачем» каждая из них.
- Тип: кейс / аннотированный промпт
3. Integrating UX into Capacity Planning (UX Collective / Jeremy Bird)
- Темы: #ux-operations #team-management #capacity-planning #product-design
- Ссылка: https://uxdesign.cc/integrating-ux-into-capacity-planning-464fe83bf13b
- Кратко: Практическое руководство по тому, как UX-команды могут грамотно учитывать свою ёмкость при планировании — вместо того чтобы работать «сколько осталось после engineering».
- Почему важно: Хронический баг многих дизайн-команд — их нагрузка невидима для менеджмента и рассчитывается по остаточному принципу. Статья даёт конкретный фреймворк: шкала UX effort, трекинг задач в Jira, 6 шагов квартального планирования. Особенно полезно, если ты ведёшь команду или хочешь обосновать ресурсы руководству.
- Что попробовать: Рассчитай реальную ёмкость своей команды на следующий квартал по шаблону из статьи — и сравни с тем, на что подписываетесь.
- Тип: статья / фреймворк
4. Red/Green TDD with coding agents (Simon Willison / Agentic Engineering Patterns)
- Темы: #agentic-engineering #tdd #quality #ai-in-practice
- Ссылка: https://simonwillison.net/guides/agentic-engineering-patterns/red-green-tdd/
- Кратко: Паттерн применения классического TDD в работе с AI-агентами — сначала тест, потом просить агента сделать его зелёным.
- Почему важно: Для product designer'а, работающего с агентами или прототипирующего через код, это ключевой паттерн контроля качества. Сначала определяешь ожидаемое поведение (тест), потом агент его реализует — это сдвигает фокус с «сгенерируй что-нибудь» к «реализуй вот это поведение». Прямой аналог acceptance criteria в дизайне.
- Что попробовать: Перед следующим AI-запросом на генерацию кода/контента — сначала опиши, по каким критериям будешь оценивать результат (твой «тест»), потом делай запрос.
- Тип: статья / паттерн