🛠 ИИ ускорил разработку. Почему продакшен стал ломаться чаще Код, сгенерированный Copilot или Cursor, выглядит аккуратно и проходит тесты — до тех пор, пока в два часа ночи не выясняется, что он тихо ронял часть заказов из-за неявного доменного допущения. Автор выделяет четыре типа скрытых ловушек: предположения о границах данных, идемпотентности вызовов, эквивалентности статусов и безопасности внутренних сетей. Проблема не в самих LLM — они не умеют читать правила, живущие в головах инженеров и постмортемах. Реальная причина участившихся инцидентов — разрыв: скорость написания кода резко выросла, а способность системы безопасно принимать изменения осталась прежней. Переведённая на Habr статья предлагает фреймворк CATS — Контракты, Автоматическая проверка, Телеметрия, Упрощение: явные контракты API, автоматическая проверка инвариантов в CI, телеметрия для отлова дрейфа поведения на уровне 0,3% ошибок (а не по жалобам пользователей) и непрерывный рефакторинг. Без этих защитных механизмов ускорение быстро превращается в накопление скрытого техдолга — откаты и отладка съедают всё сэкономленное время. CATS — переупаковка contract-first, наблюдаемости и непрерывного рефакторинга, известных задолго до бума LLM. Новизна не в инструментах, а в жёстком дедлайне: медленная разработка годами маскировала хрупкость, а теперь ИИ высветил трещины за недели. Самый недооценённый компонент здесь — телеметрия: дрейф поведения на 0,3% не виден ни в коде, ни в тестах, его ловят только алерты. Habr #AIcoding #production #инженерия #CATS