Почему spec-driven development плохо работает на микросервисах: где LLM теряет контекст и как это чинить

GenAI и большие языковые модели (LLM)

Микросервисы, SOA
Архитектурные паттерны
Архитектура данных, потоки данных, версионирование
GO
Микросервисы

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

Для backend-разработчиков, техлидов и архитекторов, которые уже пробуют LLM/AI-агентов в разработке. Доклад поможет понять, какие межсервисные правила чаще всего теряются при spec-driven development, почему обычных Markdown-доков часто мало и как через архитектурный контракт дать LLM более точный контекст до начала реализации.

Тезисы

Хочу показать, почему LLM хорошо справляется с задачей внутри одного сервиса, но начинает ошибаться, когда фича проходит через несколько микросервисов. На примере демо-проекта из 12 Go-сервисов разберу, как Claude написал спеку, код и тесты, но потерял межсервисные правила: идемпотентность, Outbox, batch-вызовы, переходы состояний и форматы данных.

Дальше покажу, как это можно чинить через archspec: машиночитаемый архитектурный контракт сервиса, из которого генерируются документация и диаграммы. В финальной части доклада вернусь к той же фиче и покажу, что меняется, когда LLM перед реализацией получает не набор Markdown-файлов, а явные контракты затронутых сервисов.

Golang Engineer, работаю с высоконагруженными backend-системами в banking, e-commerce, transport и classifieds. В Avito занимался backend-архитектурой доставки, возвратов и монетизации: проектировал сервисы, которые работают на большом продуктовом масштабе, в том числе с каталогом в сотни миллионов айтемов.

В работе фокусируюсь на инженерных вызовах backend-разработки: надёжность критичных сценариев, производительность баз данных, кеширование, межсервисные контракты и устойчивость микросервисной архитектуры. Сейчас строю стартап в mental health и исследую, как LLM и AI-агенты могут помогать не только писать код, но и лучше держать архитектурный контекст системы.

Видео

Другие доклады секции

GenAI и большие языковые модели (LLM)