Уиллисон ответил на тред Lobste.rs о самых влиятельных материалах в карьере инженера. Три позиции, которые он назвал, не описывают конкретные инструменты и не привязаны к конкретному стеку — они меняют способ думать о профессии целиком. Это редкость в отраслевом контенте, где большинство материалов устаревает вместе с версией фреймворка.
Контекст
Первый материал — «The Law of Leaky Abstractions» Джоэла Спольски, написанный в начале 2000-х. Суть: любая абстракция рано или поздно «протечёт». Под TCP/IP всё равно прячется ненадёжная сеть. Под ORM всё равно прячется SQL. Нельзя работать только на уровне абстракции и никогда не смотреть ниже — иначе граничные кейсы убьют вас в production.
Второй — «Migrations: the sole scalable fix to tech debt» Уилла Ларсона, 2018 год. Аргумент Ларсона прост и жёсткий: попытки «постепенно улучшать» старый код почти никогда не работают. Реальный ответ на технический долг — спланированная миграция к новому решению. Это навык, который нужно тренировать и ценить, а не аварийная операция, которую все откладывают.
Третий — «The Engineer/Manager Pendulum» Чэрити Мэйджорс. Она разрушила миф о линейном карьерном треке в IT: переход из менеджмента обратно в разработку — это не деградация. Мэйджорс показывает, что многие из лучших инженеров несколько раз качались между ролями, и каждый переход делал их сильнее в обеих.
Аналитика
Все три идеи становятся острее в контексте AI-first разработки. Протекающие абстракции — теперь это промпты, RAG-пайплайны, поведение моделей под нагрузкой. Инженер, который не понимает, что происходит под капотом LLM — как работают токены, context window, температура — работает вслепую. Абстракция «просто вызовем API» течёт постоянно и непредсказуемо: стохастические ответы, изменения поведения при смене версии модели, внезапные галлюцинации при, казалось бы, безопасных запросах.
Концепция миграций Ларсона прямо описывает то, через что сейчас проходят сотни компаний при переходе на AI-first архитектуру. Те, кто воспринимает это как «просто добавим модуль», сталкиваются с хаосом через полгода. Те, кто строит как настоящую миграцию — с планом, метриками успеха, критериями отката — получают предсказуемый результат и накапливают институциональный навык.
Маятник Мэйджорс особенно актуален сейчас, когда AI-инструменты стирают традиционные границы ролей. Разработчик, который поработал менеджером продукта, понимает зачем нужна фича — а не только как её написать. Менеджер с инженерным бэкграундом видит технические риски там, где бизнес видит только дедлайны. В командах, строящих AI-продукты, этот гибридный профиль перестал быть редкостью и стал конкурентным преимуществом.
Кейсы применения в бизнесе
B2B SaaS стартап: вы строите продукт на базе LLM. Промпты — это ваша основная абстракция. Модель «течёт» при граничных кейсах, при обновлениях провайдера, при смене размера контекста. Вместо накопления костылей — спланируйте миграцию на версионированные промпты с регрессионными тестами, как вы бы мигрировали схему базы данных. Результат: продукт, который не ломается при обновлении модели.
Корпорация с legacy-системой: у вас десятки лет технического долга, теперь нужно «встроить ИИ». Подход «добавить поверх» не работает — абстракция протечёт через полгода. Подход Ларсона: выбрать одну конкретную точку (например, классификация входящих заявок или генерация договоров), провести полную миграцию с метриками и возможностью отката. Не трогать остальное. Это даёт предсказуемый ROI и накапливает навык внутри команды.
SMB и локальный бизнес в КР/СНГ: если у вас нет выделенной инженерной команды, маятник работает на уровне одного человека. Основатель или единственный разработчик, который понимает и бизнес-логику, и технические ограничения — ценнее двух узких специалистов. Читайте технические основы (начните со Спольски), стройте систему замены компонентов итерационно (подход Ларсона), не бойтесь менять роль внутри собственного проекта.
Кейсы в личной жизни
Разработчик: если AI-инструменты — Copilot, Claude, Cursor — иногда выдают странные результаты, это протечка абстракции. Потратьте час на изучение того, как модели работают с контекстом и токенами. Это сделает ваши промпты конкретнее, а результаты — стабильнее. Это не академическое знание, это production-навык.
Контент-мейкер или фрилансер: если вы застряли в одной роли и боитесь, что смена направления — это откат, — Мэйджорс говорит прямо: нет. Переход от редактора к продюсеру и обратно, от фрилансера к найму и обратно — это инвестиция. Каждый маятник делает вас глубже в обеих ролях.
Студент или джун: читайте Спольски прямо сейчас. Его статья о протекающих абстракциях написана в 2002-м, но объясняет, почему LLM иногда «ошибается», точнее любого современного гайда по промптингу. Понимание слоёв под инструментом — единственное, что не устаревает со сменой стека.
Как применить сегодня
- Найдите «The Law of Leaky Abstractions» (Joel Spolsky) — бесплатно, около 20 минут чтения. Прочитайте его применительно к своему AI-стеку и запишите, где у вас «течёт».
- Составьте список всего, что хотите «постепенно улучшить» в проекте. Честно спросите себя: это правда исправляется инкрементально — или это кандидат на полноценную миграцию?
- Прочитайте «The Engineer/Manager Pendulum» Чэрити Мэйджорс, если боитесь менять роль или трек — до конца недели.
- Каждый раз, когда AI-инструмент даёт неожиданный результат — воспринимайте это как сигнал протечки абстракции, а не как повод пропатчить промпт. Это точка для более глубокого понимания.
- Заведите личный список статей, изменивших способ думать — не инструменты, а идеи. Это то, что остаётся ценным независимо от смены стека или модели.