> ls ./notes/*.md
Заметки работают как research log: короткий контекст, проблема, подход, вывод и следующий шаг. Это не блог ради блога, а следы экспериментов из лаборатории.
# RAG pipeline без магии
Как я собираю retrieval-слой: источники, чанкинг, pgvector, eval-наборы, трассировка и честная проверка качества ответов.# AI Factory task planning loop
Как должен работать планировщик: цель, декомпозиция, выбор skills, контрольные точки, execution trace и ручное подтверждение рискованных действий.# Context mining for large codebases
Как вытаскивать из репозитория не просто файлы, а полезный пакет контекста: entrypoints, зависимости, зоны риска и историю решений.# Prompt evals before prompt vibes
Почему промпты нужно версионировать как код: cases, expected behavior, regression checks, tone constraints и безопасные границы ответа.# MoonShine AI workflows for content ops
Как встроить AI в админку аккуратно: черновики, переводы, content blocks, preview и контроль перед публикацией на фронт.# Frontend systems that survive real users
Заметки о сложных интерфейсах: дизайн-токены, состояние, SSR, производительность и доступность без лишней магии.# Backend under load starts with boring questions
Паттерны для API, очередей и данных: когда монолит быстрее, а где нужны event-driven контуры.