creator cover Сергей Калабонга
Сергей Калабонга

Сергей Калабонга 

Разработка нa .NET

109subscribers

571posts

Showcase and bundles

190
A bundle is a collection, compilation, playlist, or catalog of posts that saves you from searching through the blog and lets you buy the entire content series in a single click.
goals2
13 of 500 paid subscribers
После того, как будет набрано 500 подписчиков, можно будет открыть онлайн курсы для разработчиков. Будем писать код вместе.
$25.67 of $239 raised
Нужно обновить конфигурацию компьютера, чтобы можно было делать больше видео за меньше время. Создание видео - очень трудоемкий и длительный процесс.

About

Я - разработчик с опытом написания кода более 28 лет. Мне довелось поработать в разных командах на разных проектах и на разных заказчиков, в том числе и заказчиками из разных стран. Я был в роли старшего разработчика и в роли ведущего разработчика, а также был TeamLead'ом и Project Manager'ом. А еще довелось поработать в роли архитектора разных систем на разных .NET платформах. Мой основной язык C#.NET, но иногда бывает что приходится использовать и другие языки.
У меня есть опыт построения "архитектурного ландшафта" для нескольких систем, в том числе и на базе Microservice Architecture. Более того, я видел достаточное количество чужих разработок и иногда даже участвовал их разработке. Также у меня есть опыт создания framework'ов, шаблонов проектов и "полезностей" другого вида, которые зачастую существенно ускоряли реализацию бизнес задач. Я умею создавать неплохие/переиспользуемые библиотеки кода и "заворачивать" их в nuget-пакеты.
Теперь я использую ИИ (Claude Code) для написания кода, поэтому у меня больше времени на разработку архитектуры.
Полагаю, надо отметить, что помимо написания кода в роли разработчика, у меня есть и другие навыки. Например, у меня не плохо получается обучать (быть наставником) других разработчиков. А для этого я обычно создаю обучающие видео (YouTube | Yandex.Дзен | RuTube | VK | Nuum.ru), статьи, примеры кода, презентации, инфографику и прочие материалы, которые способствуют максимально эффективному усвоению обучающего материала.
Ресурсы, на которых я отметился как разработчик: github.com | nuget.org | npmjs.com

Приватный telegram-канал:
https://t.me/+IN5f2Hc0EuQ3ZmZi
Внимание, Друзья!
Обычно видео материалы публикуются сначала для "продвинутых" подписчиков, а примерно через 7–180 дней, для подписчиков уровня "начальный". Но это не точно. 😉

Когда DDD оправдана, а когда это overengineering? Можно ли масштабировать bounded context-подход в маленьком продукте на 3 человек?

Ответ:
DDD оправдана, когда сложность в самой предметной области: много бизнес-правил, они меняются, у экспертов есть свой язык, и стоимость ошибки высока. Страхование, логистика, биллинг, трейдинг — классика.
Overengineering — когда сложность техническая, а не доменная. CRUD-админка, MVP, маркетплейс с тремя простыми сущностями. Там Aggregates, Repositories, Anti-corruption layers дают накладные расходы без окупаемости.
Про команду из 3 человек: сам принцип «выделяй bounded context» работает и в малом продукте, но не как модульная монструозность, а как простое разделение: каталог / заказы / оплата — по границам языка и жизненного цикла данных. Полный тактический арсенал (Value Objects, Domain Events, Event Sourcing) в 3 человека чаще всего не нужен — он появится, когда продукт вырастет, и рефакторинг по этим швам будет дешевле, чем если бы их не было.

Как вы решаете, где живут бизнес-правила: в сущностях, сервисах или доменных событиях? По каким признакам «протухшая» модель ООП сигнализирует о проблеме?

Ответ:
Ориентир — принцип: правило живёт там, где его инвариант.
  • Если правило защищает целостность одного объекта («нельзя отправить уже отправленный заказ») — это метод сущности или её инвариант в конструкторе.
  • Если правило координирует несколько агрегатов или внешние системы («при оплате зарезервировать товар и уведомить склад») — это доменный сервис или Saga, потому что ни один объект по отдельности не владеет этим знанием.
  • Если правило — реакция на факт, важный для других частей системы — доменное событие: событие фиксирует факт, подписчики решают, что с ним делать.
Симптомы «протухшей» модели: сущности превращаются в мешки геттеров/сеттеров, а логика расползается по сервисам; появляются анемичные объекты, тесты которых — это тесты моков. Тогда я смотрю, не пора ли перенести поведение внутрь модели или перерисовать границы агрегатов.

Почему композиция часто предпочтительнее наследования, и в каких случаях наследование всё же оправдано?

Ответ:
Наследование создаёт сильнейшую связанность в ООП: подкласс зависит от деталей реализации родителя, и это ломается при любом рефакторинге базового класса («хрупкий базовый класс»). Композиция прячет зависимость за интерфейсом — меняется реализация, потребители не замечают.
Наследование оправдано, когда:
  • Есть настоящее отношение «является» (is-a), стабильное во времени: JsonParseError — это ParseError. Всё соответствует LSP — подкласс можно подставить везде, где ожидался родитель, без сюрпризов.
  • Работает механизм расширения, заложенный автором: у родителя есть protected-хуки, а наследование — документированный способ кастомизации (как в некоторых фреймворках).
Но честно: в 90% случаев, когда мне хочется наследоваться ради переиспользования кода, я делаю композицию + делегирование или просто утилиту. А в языках с богатой алгебраической типизацией (Kotlin sealed classes, Rust enums) половина классических иерархий вообще заменяется матчингом по вариантам.
10 вопросов от junior для senior разработчиков
Как понять, где действительно нужен ИИ, а где это «модный шум»? Как интегрировать стороннюю ML-модель через API в .NET-сервис, чтобы это...
Level required:
Продвинутый

Как вы относитесь к LLM в разработке: где она реально ускоряет работу, а где создаёт техдолг? Как вы проверяете её код перед мержем?

Ответ:
Реально ускоряет:
  • Бутстрапинг рутины: тесты, миграции, бойлерплейт, конфиги.
  • Разбор чужого легаси и объяснение незнакомого кода.
  • Генерация черновиков документации и рефакторинг мелких функций по явной спецификации.
Создаёт техдолг:
  • Архитектурные решения — там LLM оптимизирует «чтобы работало сейчас», а не эволюцию системы.
  • Тонкие места: конкурентность, транзакции, безопасность, производительность. Сгенерированный код выглядит правильно, но ошибки в нём неочевидны.
  • Код, который никто в команде не понимает, но который «уже в проде» — это главный долг от LLM.
Моё правило: LLM пишет, человек несёт ответственность. Ревью сгенерированного кода строже, чем обычного, потому что у автора нет ментальной модели того, что он принимает.

Как вы тестируете и отлаживаете системы, где поведение задаётся моделью, а не детерминированной логикой? Что заменяет классический юнит-тест?

Ответ:
Тут меняется сама парадигма тестирования: вместо проверки корректности проверяем распределение качества:
  • Golden dataset — фиксирую эталонный набор входов и ожидаемых выходов, гоняю его на каждый релиз модели или промпта, отслеживаю метрики (accuracy, precision/recall, а для генерации — человеческие или LLM-as-judge оценки).
  • Слоистая защита: сама модель может ошибаться, но вокруг неё ставлю детерминированные guardrails — валидация формата, ограничение действий, фолбэк-логика. Юнит-тестами покрываю именно эту обвязку.
  • Прод-наблюдаемость: логирую входы/выходы и фидбек пользователей, строю дашборды по дрейфу. Отладка часто сводится не к «почему код сломался», а к «на каких входах качество просело» — поэтому критичен трейсинг конкретных примеров.
Мысленно я отношусь к ML-компоненту как к зависимому сервису с SLA по качеству, а не как к куску кода.

MCP-сервер на C#/.NET: от Hello World до Production

Новый курс на stepik!
Пишем на C# сервер протокола контекста модели (Model Context Protocol, MCP), который даёт ИИ-агенту доступ к вашему коду, данным и сервисам. Путь курса — от первого сервера в десяток строк до сервиса с авторизацией, тестами и наблюдаемостью. Официальный SDK 2.x и спецификация 2026-07-28: инструменты (tools), ресурсы, многошаговые запросы, HTTP без состояния, OAuth 2.1, OpenTelemetry, публикация в NuGet и Docker. Сервер работает с любым совместимым клиентом. Отдельный модуль посвящён переходу с SDK 1.x.

Чему вы научитесь

  • Объяснять архитектуру MCP: хост, клиент, сервер, инструменты, ресурсы и шаблоны запросов
  • Создавать MCP-сервер на .NET 10 с официальным SDK и проверять его работу в MCP Inspector
  • Проектировать инструменты MCP-сервера (tools) — методы C#, которые языковая модель вызывает сама, — так, чтобы она выбирала и вызывала их правильно: имена, описания, схемы параметров, сообщения об ошибках
  • Предоставлять агенту безопасный доступ к решению .NET: файлы, поиск, структура проектов, сборка и тесты
  • Применять ресурсы и шаблоны запросов и обоснованно выбирать между ними и инструментами
  • Реализовывать многошаговые запросы: подтверждение опасных действий у пользователя без хранения сеанса
  • Запускать долгие операции как задачи с отслеживанием состояния
  • Разворачивать удалённый сервер на ASP.NET Core с потоковым HTTP и масштабировать его без привязки к сеансу
  • Защищать сервер авторизацией OAuth 2.1 и противостоять внедрению инструкций через данные
  • Тестировать сервер на трёх уровнях: модульные, интеграционные и контрактные тесты, а также проверять поведение агента
  • Настраивать наблюдаемость: журналы, трассы и метрики OpenTelemetry в панели Aspire
  • Упаковывать сервер как .NET-инструмент, пакет NuGet, нативный исполняемый файл и контейнер Docker
  • Использовать MCP-серверы из своих приложений через Microsoft.Extensions.AI и Microsoft Agent Framework
  • Переводить существующие серверы с SDK 1.x на 2.x и поддерживать старых и новых клиентов одновременно

О курсе

Протокол контекста модели стал общим языком между ИИ-агентами и внешним миром: один сервер работает с любым совместимым клиентом, без отдельной интеграции под каждый.

Почти все курсы по MCP построены на Python. Этот курс — для экосистемы .NET: внедрение зависимостей, ASP.NET Core, OpenTelemetry, NuGet и привычные инструменты разработчика на C#.
Курс пригодится, если:
→ вы хотите, чтобы агент видел ваше решение целиком, собирал его и запускал тесты, а не угадывал по фрагментам;
→ нужно открыть агентам доступ к внутренней системе компании, не раздавая ключи и не теряя контроль;
→ у вас есть MCP-сервер на SDK 1.x и пора переходить на версию 2.x;
 вы выбираете, как встроить агентов в инфраструктуру, и хотите понимать протокол изнутри.
Сквозной учебный проект — сервер Calabonga.CodeAtlas, который даёт агенту доступ к решению .NET. Он проходит весь путь из названия курса: от первой программы (Hello World) с одним инструментом до защищённого, протестированного и опубликованного сервиса, готового к Production.
Курс опирается на актуальную спецификацию 2026-07-28 и SDK 2.x. Отдельный модуль посвящён переходу с первой версии SDK: большая часть материалов в сети ещё написана под неё.

Как вы решаете, когда задачу стоит решать нейросетью, а когда достаточно обычного кода или правил? Какие критерии «инженерной целесообразности» вы используете?

Ответ:
Я иду по чек-листу из трёх вопросов:
  • Есть ли данные? Если размеченных примеров мало или их качество сомнительное — модель обучить нельзя, а few-shot prompting на LLM даст нестабильный результат.
  • Терпима ли задача к ошибкам? Если это определение категории в фиде рекомендаций — можно. Если это списание денег или медицинский вердикт — нужна детерминированная логика, а ML максимум как помощник.
  • Окупается ли поддержка? Модель — это не артефакт, а живой компонент: дрейф данных, мониторинг, переобучение. Правило «10 строк регексов» дешевле на порядок, и если оно решает 90% кейсов, я начну с него.
Практический принцип: сначала строю базовое решение на правилах, измеряю, где оно ломается, и только тогда добавляю ML туда, где статистика ошибок оправдывает сложность.
Подходы к работе с ИИ-агентами: плюсы и минусы
Главная мысль: ИИ-агент — это инструмент, а не замена инженерного мышления. Чем лучше вы понимаете задачу, тем больше пользы он приносит.
Level required:
Простой
$2.42$2.19 per month
-10%
Billed every 3 months.
The discount applies to the first 3 months only.

Не разучусь ли я программировать?

Разучитесь, если перестанете думать. Агент усиливает того, кто понимает, что происходит, и ослабляет того, кто просто копирует.
  • Плохо: скопировать решение, которое работает, но непонятно почему.
  • Хорошо: после каждого решения агента спросить себя, могу ли я объяснить его на ревью.
  • Правильно: незнакомую тему сначала разобрать самостоятельно или вместе с агентом в режиме объяснения, а уже потом поручать ему код. Для junior-разработчика это особенно важно: агент должен быть наставником, а не исполнителем вместо вас.
Subscription levels2

Простой

$2.42$2.19 per month
-10%
billed every 3 months
Начальный уровень подписки включает:
→ эксклюзивные материалы для подписчиков уровня "Начальный"
→ возможность отправлять личные сообщения

Продвинутый

$7.6 per month
Продвинутый уровень подписки включает всё что есть предыдущем уровни, и добавляет:
→ эксклюзивные видео ролики, которые недоступны на предыдущем уровне
→ отправка личных сообщений
→ исходные файлы проектов, показанных на видео
→ возможность влиять на выбор тем для новых роликов
→ еще больше эксклюзивных материалов для подписчиков этого уровня
Go up