Latest RU articles from the Provenance Manifesto blog. https://provenancemanifesto.org/ru/blog ru Wed, 20 May 2026 00:00:00 GMT Агенты ИИ требуют принципиально иных подходов к тестированию, чем традиционное программное обеспечение. В отличие от детерминированных систем, агенты могут производить несколько допустимых результатов для одного и того же ввода. Тестирование должно перейти от проверки только выходных данных к изучению всего процесса рассуждения – включая дисциплину доказательств, повторное использование памяти, границы управления и отслеживаемость решений – чтобы обеспечить надежность решений даже при частичной автоматизации рассуждений. https://provenancemanifesto.org/ru/blog/testing-ai-agents-is-not-testing-software https://provenancemanifesto.org/ru/blog/testing-ai-agents-is-not-testing-software Wed, 20 May 2026 00:00:00 GMT Delivery Provenance Workspace может превратить разрозненные решения по поставке в повторно используемую управленческую память, фиксируя доказательства, обоснование, риски и статус валидации в Decision Provenance Assistant. https://provenancemanifesto.org/ru/blog/delivery-provenance-workspace https://provenancemanifesto.org/ru/blog/delivery-provenance-workspace Wed, 13 May 2026 00:00:00 GMT Программные фабрики без сохранённого инженерного суждения — это не senior-инженерия в масштабе. Это junior-инженерия в масштабе. Быстрая junior-инженерия. https://provenancemanifesto.org/ru/blog/we-are-building-ai-software-factories-without-teaching-them-judgment https://provenancemanifesto.org/ru/blog/we-are-building-ai-software-factories-without-teaching-them-judgment Wed, 13 May 2026 00:00:00 GMT Практическое руководство по потокам агентов GitHub Copilot, которое объясняет агентное наследование через слоистые инструкции и сравнивает последовательные, параллельные и иерархические шаблоны оркестрации. https://provenancemanifesto.org/ru/blog/agentic-flow-how-to-guide https://provenancemanifesto.org/ru/blog/agentic-flow-how-to-guide Sun, 22 Mar 2026 00:00:00 GMT Эта статья показывает, что беглые ответы ИИ могут скрывать тонкие нарушения ограничений и границ: результаты выглядят корректными, но не являются полностью надёжными. Чтобы обнаруживать и объяснять такие отклонения, нам нужен Provenance — трассируемая память о решениях и контексте, — а не валидация только по итоговому выводу. https://provenancemanifesto.org/ru/blog/the-fluency-paradox-when-ai-sounds-right-but-stops-being-reliable https://provenancemanifesto.org/ru/blog/the-fluency-paradox-when-ai-sounds-right-but-stops-being-reliable Sat, 21 Mar 2026 00:00:00 GMT Это руководство объясняет, как автоматизировать Markdown-блог в многоязычный конвейер публикации с использованием GitHub Copilot Agents, где оркестратор координирует языковые субагенты, обновляет сводки README, применяет hooks и skills как защитные механизмы и обеспечивает воспроизводимые, масштабируемые результаты. https://provenancemanifesto.org/ru/blog/building-an-automated-translation-pipeline-for-a-markdown-blog-with-github-copilot https://provenancemanifesto.org/ru/blog/building-an-automated-translation-pipeline-for-a-markdown-blog-with-github-copilot Fri, 20 Mar 2026 00:00:00 GMT Рефлексия над статьёй Джессики Талисман о том, как языковые модели разрушают цепочку происхождения знаний: без провенанса даже корректный вывод становится хрупким, а в контексте разработки ПО это означает, что решения, принятые людьми и ИИ совместно, должны фиксироваться как структурированный след — иначе распад знаний становится не исключением, а нормой. https://provenancemanifesto.org/ru/blog/where-provenance-ends-knowledge-decays-reflections https://provenancemanifesto.org/ru/blog/where-provenance-ends-knowledge-decays-reflections Tue, 17 Mar 2026 00:00:00 GMT Люди естественно сопротивляются тому, чтобы делиться рассуждениями, стоящими за их решениями, потому что контекст и память исторически были источником влияния и профессионального преимущества. В результате многие критически важные решения остаются недокументированными и существуют только в разговорах или в индивидуальной памяти. В эпоху, усиленную ИИ, это становится серьёзной проблемой управления, потому что системы эволюционируют быстрее, а логика изменений исчезает ещё быстрее. Без сохранения контекста решений организации теряют способность объяснять, аудировать и безопасно развивать свои системы. Переход к ИИ превращает происхождение решений из культурного предпочтения в структурное требование организационного управления. https://provenancemanifesto.org/ru/blog/provenance-is-not-about-tools-it-is-about-mindset https://provenancemanifesto.org/ru/blog/provenance-is-not-about-tools-it-is-about-mindset Sun, 15 Mar 2026 00:00:00 GMT Когда решения становятся первоклассными артефактами, происходит фундаментальное изменение. Когда среда меняется, нам больше не нужно заново «раскапывать» логику системы через археологию и догадки. Вместо этого мы можем вернуться к исходному решению, обновить предположения, которые больше не актуальны, и заново сформировать реализацию таким образом, чтобы она отражала новый контекст. https://provenancemanifesto.org/ru/blog/why_decisions_must_become_a_first_class_artifact https://provenancemanifesto.org/ru/blog/why_decisions_must_become_a_first_class_artifact Sat, 14 Mar 2026 00:00:00 GMT Представим «компанию, изначально построенную вокруг Provenance» в 2030 году — организацию, которая с самого начала создаётся вокруг происхождения решений, памяти SDLC и трассируемости исполнения ИИ, а не пытается добавить это позже. https://provenancemanifesto.org/ru/blog/2030_a_provenance_native_company https://provenancemanifesto.org/ru/blog/2030_a_provenance_native_company Fri, 13 Mar 2026 00:00:00 GMT После публикации первой версии Provenance Manifesto я начал исследовать, соответствуют ли существующие на рынке решения принципам, изложенным в нём. https://provenancemanifesto.org/ru/blog/why-organizational-memory-is-not-just-an-ai-knowledge-system https://provenancemanifesto.org/ru/blog/why-organizational-memory-is-not-just-an-ai-knowledge-system Wed, 11 Mar 2026 00:00:00 GMT Статья про то, как роодиося этот манифест! https://provenancemanifesto.org/ru/blog/the_day_the_provenance_manifesto_was_born https://provenancemanifesto.org/ru/blog/the_day_the_provenance_manifesto_was_born Sun, 08 Mar 2026 00:00:00 GMT Во время разработки SDLC Memory я столкнулся с неожиданной архитектурной дилеммой. Должна ли система рассуждать как автономный агент, работать как детерминированный преобразователь данных или находиться где-то между этими подходами? Я всё ещё решаю, какое направление будет правильным для MVP. https://provenancemanifesto.org/ru/blog/git-for-decisions-needs-a-brain-but-what-kind https://provenancemanifesto.org/ru/blog/git-for-decisions-needs-a-brain-but-what-kind Wed, 04 Mar 2026 00:00:00 GMT В статье «Part 1 - From RAG to Provenance: How We Realized Vector Alone Is Not Memory» мы перешли от RAG к Provenance — от сходства к происхождению. Но если агенты ИИ будут генерировать 50–80% будущей работы, возникает настоящий вопрос: как память должна безопасно обновляться? Как новые решения должны проверяться, связываться и управляться, а не просто сохраняться в виде эмбеддингов? Эта статья шаг за шагом показывает процесс инкрементального обновления графа памяти решений на реальном примере. Потому что в эпоху ИИ память должна эволюционировать, а не только извлекать информацию. https://provenancemanifesto.org/ru/blog/from-rag-to-provenance-part-2-how-Incremental-graph-memory-actually-learns https://provenancemanifesto.org/ru/blog/from-rag-to-provenance-part-2-how-Incremental-graph-memory-actually-learns Sat, 28 Feb 2026 00:00:00 GMT Что если ваш SDLC на самом деле ничего не запоминает и лишь извлекает фрагменты? Мы создали мощные системы RAG, способные находить «релевантный» текст за миллисекунды. Но релевантность — это не причинность. Когда что-то ломается в продакшене, сходство не скажет вам, почему это произошло и какое решение, риск или зависимость к этому привели. В этой статье я разбираю, почему одного векторного поиска недостаточно для памяти, как графовая структура меняет правила игры и как сочетание векторов со строгой моделью provenance превращает разрозненную документацию во что-то ближе к организационному мышлению. Если вам важны объяснимость, происхождение решений и настоящая интеллектуальность процессов доставки — эта статья для вас. https://provenancemanifesto.org/ru/blog/from-rag-to-provenance-how-we-realized-vector-alone-is-not-memory https://provenancemanifesto.org/ru/blog/from-rag-to-provenance-how-we-realized-vector-alone-is-not-memory Sun, 22 Feb 2026 00:00:00 GMT Следующая глава: SDLC Memory & Provenance. В предыдущих главах мы исследовали, почему у SDLC нет настоящей памяти и почему provenance должно стать структурным, а не опциональным элементом. Теперь мы переходим к более неудобному вопросу. А что если настоящим узким местом в разработке является не скорость, не инструменты и даже не возможности ИИ… а биологические ограничения человеческого контекста? Люди способны удерживать в активной памяти примерно четыре значимых ограничения одновременно. Современные агенты могут обрабатывать сотни тысяч токенов. И всё же ни те, ни другие не способны помнить живой продукт во времени без структуры. Эта глава связывает когнитивную науку, окна контекста ИИ и практическую архитектуру памяти Hot/Warm/Cold, чтобы показать, почему долговременная память SDLC — это не избыточная документация, а конкурентное преимущество. Если исполнение становится дешевле, память становится ключевым дифференциатором. Давайте обсудим, как её построить. https://provenancemanifesto.org/ru/blog/why-humans-think-they-remember-everything-and-why-sdlc-memory-proves-they-dont https://provenancemanifesto.org/ru/blog/why-humans-think-they-remember-everything-and-why-sdlc-memory-proves-they-dont Sun, 22 Feb 2026 00:00:00 GMT В предыдущих главах мы говорили о SDLC Memory и Provenance как о способе уменьшить хаос, защитить целостность доставки и сделать решения отслеживаемыми внутри инженерных организаций. Теперь я хочу посмотреть на это шире. Потому что если ИИ меняет то, как создаётся программное обеспечение, он также меняет нечто гораздо большее — то, как оценивается сам интеллектуальный капитал. Эта статья не является отклонением от обсуждения Provenance. Это следующий логический шаг. Если исполнение становится изобилующим и дешёвым, тогда память, управление и архитектура решений становятся настоящими активами. Давайте поговорим о том, что происходит с интеллектуальным капиталом, когда ИИ начинает реально заменять человеческие роли, и что это означает для компаний, которые хотят выжить. https://provenancemanifesto.org/ru/blog/how-should-intellectual-capital-be-assessed-in-the-context-of-artificial-intelligence-increasingly-replacing-human-roles https://provenancemanifesto.org/ru/blog/how-should-intellectual-capital-be-assessed-in-the-context-of-artificial-intelligence-increasingly-replacing-human-roles Mon, 16 Feb 2026 00:00:00 GMT ИИ быстро захватывает уровень «что» в разработке программного обеспечения — генерируя архитектуры, код, оптимизации и альтернативные решения быстрее, чем это могут делать люди. В результате реализация и исследование решений становятся дешёвыми, масштабируемыми и всё более автоматизированными. Но настоящая стратегическая часть инженерии никогда не заключалась в «что». Ключевые вопросы — это «почему»: почему существует это решение, почему был принят тот или иной компромисс, почему данный риск допустим и почему конкретный результат важен для бизнеса. Эти вопросы определяют намерение, а не реализацию. https://provenancemanifesto.org/ru/blog/ai-will-take-the-what-but-humans-must-own-the-why https://provenancemanifesto.org/ru/blog/ai-will-take-the-what-but-humans-must-own-the-why Tue, 10 Feb 2026 00:00:00 GMT По мере того как ИИ становится способным предлагать архитектуры, писать код и оптимизировать системы, настоящая опасность заключается не в злонамеренном ИИ, а в потере человеческого намерения, стоящего за системами, которые мы создаём. Организации уже испытывают трудности с тем, чтобы помнить, почему принимались решения; в среде, усиленной ИИ, эта проблема становится гораздо серьёзнее, потому что машины могут оптимизировать решения быстрее, чем люди способны их понять. Чтобы не создавать системы, идеально оптимизирующие неправильные цели, нам нужен новый инфраструктурный слой — Provenance: структурированная запись решений, ограничений, компромиссов и намерений, которая связывает поведение системы с человеческой целью. Без такого слоя памяти организации рискуют стать высокоэффективными, но стратегически рассогласованными, постепенно теряя способность объяснять или контролировать создаваемые ими системы. https://provenancemanifesto.org/ru/blog/we-are-teaching-ai-to-decide-but-we-are-forgetting-how-to-remember https://provenancemanifesto.org/ru/blog/we-are-teaching-ai-to-decide-but-we-are-forgetting-how-to-remember Sat, 03 Jan 2026 00:00:00 GMT Организации, занимающиеся разработкой и доставкой программного обеспечения, постоянно теряют контекст своих решений. Через несколько месяцев после внедрения команды часто не могут объяснить, почему что-то было построено, какие компромиссы были приняты или что изначально было обещано. Это происходит потому, что инструменты SDLC отслеживают артефакты — тикеты, коммиты, часы и расходы — но не намерение, обязательства и логику решений. В результате возникает «амнезия контекста»: команды заново создают решения, повторяют решения, спорят о границах задач и несут расходы на переделку, потерю маржи и выгорание. Основная проблема не в небрежности команд, а в системном пробеле — у SDLC нет встроенной памяти обоснования решений. Неудобный вопрос, который поднимает статья: почему в современном разработке программного обеспечения мы тщательно отслеживаем исполнение, но не фиксируем рассуждения, которые его сформировали? https://provenancemanifesto.org/ru/blog/why-sdlc-has-no-memory-and-why-delivery-teams-keep-paying-for-it https://provenancemanifesto.org/ru/blog/why-sdlc-has-no-memory-and-why-delivery-teams-keep-paying-for-it Thu, 01 Jan 2026 00:00:00 GMT