Техника и мышление проджекта

1. Техника и мышление проджекта

• В прошлый раз: результат Этапа 0, люди вокруг проекта, крупные блоки и риски
• Сегодня: смотрим на систему через техчасть и проджектскую оптику
• Разбираем, как устроено приложение и где там могут быть проблемы
• Учимся разделять факты, догадки и вопросы
• Тренируемся правильно раскладывать большие задачи на шаги

2. Как живёт обычное веб-приложение

• Пользователь работает через браузер или клиент
• Фронтенд показывает интерфейс и отправляет запросы на сервер
• Бэкенд обрабатывает запросы, проверяет права, содержит логику
• База данных и хранилища сохраняют и отдают данные
• На каждом из этих слоёв что-то может пойти не так — проджект должен понимать, где искать причину

3. Куда здесь вписывается AI

•Веб-приложение не общается с моделью напрямую
•Есть бэкенд AI-платформы, который собирает запрос и контекст
•Есть LLM-proxy / AI-шлюз, который ходит к внешним моделям
•Между бэкендом и внешним миром стоят безопасность и DLP
•Ответ модели возвращается обратно в бэкенд, сохраняется в логах и показывается пользователю
•Для проджекта это цепочка зависимостей и потенциальных рисков по срокам и стабильности

4. Три ящика проджекта: факты, допущения, вопросы

• Факты — то, что явно написано в ТЗ или прямо подтверждено
• Допущения — наши догадки и интерпретации, «мне кажется, что…»
• Вопросы — то, чего не хватает, чтобы планировать и принимать решения
• Джун часто всё смешивает и живёт в каше из догадок
• Задача проджекта — честно раскладывать мысли по трём ящикам и регулярно чистить
«допущения» через вопросы

5. Уровень детализации задач: результат → шаги → действия

• Любую большую задачу можно
описать на нескольких уровнях
• Результат — что должно
измениться после выполнения (что
считается “готово”)
• Шаги — 3–7 понятных кусков
работы, которые ведут к результату
• Действия — конкретные
маленькие действия людей, если
нужно расписать совсем подробно
• Проджект держит фокус на
результате и шагах, а в мелкие
действия лезет только там, где
команда буксует

6. Практические задания

Путь запроса и риски
•Описать путь одного запроса через систему: от пользователя до модели и обратно
•Для каждого шага придумать по одному риску: что там может пойти не так
Пример:
Фронтенд отправляет запрос на бэкенд → риск: из-за бага запрос вообще не уходит,
пользователь думает, что “платформа не отвечает”.
Факты, допущения, вопросы
•Взять своё прошлое задание (про результат или людей)
•Для каждого пункта разложить: что здесь факт, что допущение и какие возникают вопросы
Пример:
Факт: в ТЗ написано, что есть админка.
Допущение: админка будет удобной и простой.
Вопрос: кто именно будет админом и какие функции ему реально нужны?
Разложить большую задачу на результат и шаги
•Выбрать одну крупную задачу по AI-платформе
•Сформулировать ожидаемый результат и расписать 3–7 шагов, которые к нему ведут
Пример:
Большая задача: Сделать вход через корпоративную учётку.
Результат: Пользователь заходит в платформу под своим рабочим аккаунтом, без отдельного пароля.
Шаги: 1) договориться с админами по SSO; 2) настроить интеграцию и протестировать вход.