Сделать перевод этой статьи нас сподвиг, как ни странно, роман Джонатана Свифта «Путешествия Гулливера». Есть там такой примечательный эпизод о борьбе остроконечников и тупоконечников. Аналогия в контексте разработки ПО — это принимающий бесконечный характер спор о преимуществах и недостатках двух инструментов, — OpenAI Codex и GitHub Copilot, — призванных помогать разработчикам. Как нам показалось, эта переводная статья довольно подробно разбирает работу данных инструментов и поможет внести ясность о сферах их применения, особенно для начинающих программистов.

Спойлер, у кого нет времени все читать: эта статья для тех, кто хочет понять разницу между Codex и Copilot. Она доносит ключевую мысль ,что GitHub Copilot — это готовое приложение ИИ-ассистента для программирования в среде IDE, использующее модель Codex, а языковая модель OpenAI Codex доступна в двух вариантах, как API-интерфейс, позволяющий создавать свои инструменты, а также как ИИ-ассистент через командную строку. Для начинающих это важное и не всегда очевидное различие.

Хотя оба инструмента тесно связаны, надо подчеркнуть: OpenAI Codex — это модель ИИ, которая поддерживает широкий спектр приложений, включая преобразования запроса на естественном языке в код. GitHub Copilot — это продукт, созданный поверх Codex и специально разработанный для предоставления помощи в кодировании непосредственно в интегрированных средах разработки (IDE), таких как Visual Studio Code.

Наша рецензия на блог-пост от Zignuts Technolab, перед тем как вы начнете эту статью читать

Статья на Zignuts — это обзор различий между OpenAI Codex и GitHub Copilot, написанный по большей части для аудитории уровня слушателей ИИ-курсов и джунов, чем для опытных технических специалистов. Статья полезна как отправная точка  погружения в тему «ИИ в разработке и тестировании», но не уходит в детали.

Уточнение: если вас интересует, к примеру, какой ИИ-инструмент, OpenAI Codex или GitHub Copilot, лучше использовать в тестировании кода, — советуем обращаться к официальной документации GitHub и OpenAI, обзорам на Medium/Dev.to, а еще лучше — к практическим кейсам с GitHub Actions, pytest, Jest и т.п.
Вот примеры: 

• Официальный мануал Writing tests with GitHub Copilot

  • Какие нужны предварительные условия (например, подписка на Copilot и установленная интеграция в IDE);

  • Как писать юнит-тесты через Copilot Chat на примере Python-класса;
    Как создавать интеграционные тесты с помощью обычного Copilot, без чата;

  • Советы по уточнению промтов для сложных случаев.

• Руководство от Applitools:​ AI-Powered Test Automation: How GitHub Copilot and Applitools Can Help

  • Генерация тестов с помощью Copilot на основе комментариев и контекста кода.

  • Интеграция с Applitools Execution Cloud для выполнения тестов в облаке с функцией самовосстановления.

  • Устранение нестабильных тестов и повышение покрытия тестами.

  • Примеры использования Copilot для создания юнит-тестов и регулярных выражений.

Также определенным замечанием к оригинальной статье является отсутствие обзора Codex CLI (версия для командной строки). На момент публикации этого перевода, OpenAI Codex был доступен в двух основных формах:

1. Через API-интерфейс

   • Это позволяет разработчикам строить свои приложения, которые «понимают» запросы на естественном языке и генерируют код. Примеры применения: генерация юнит-тестов из описания, автоматический рефакторинг кода.

   • Формат взаимодействия — HTTP-запросы (построенные вокруг prompt-коммуникации). 

   • По сведениям из обзоров, сейчас OpenAI постепенно сворачивает предложение Codex API на рынке.

2. Как Codex CLI (командная строка)

   • Это позволяет запрашивать генерацию кода прямо из shell, встраивать ИИ в скрипты автоматизации (например, генерация тестов при каждом pull request), делать быстрые ad-hoc запросы к ИИ (наподобие IDE-плагинов).

А теперь ниже перейдем непосредственно к переводной части статьи. Были частично сокращены традиционные для западного стиля изложения те части текста, где были навязчивые повторения одних и тех же мыслей (мы вам скажем, вот мы вам про это говорим, мы вам про это сказали).

И не стреляйте в пианиста (в том смысле, что если несогласны с идеями статьи, просьба оставить комментарий, а не минусовать). Пианист играет как умееет (это переводная статья).
Поехали.

Краткий обзор OpenAI Codex

Основные характеристики OpenAI Codex

• Natural Language to Code: одной из важнейших особенностей Codex является его способность брать описания задач программирования на простом языке и превращать их в исполняемый код. Эта функция очень ценна для разработчиков, которые хотят быстро создать прототип и ускорить time-to-market в задачах кодирования.

• Поддержка нескольких языков: Codex поддерживает широкий спектр языков программирования, включая Python, JavaScript, Ruby, Go, Rust и др. Это делает его универсальным инструментом для разработчиков, работающих с различными стеками.

• Гибкий API: OpenAI предлагает Codex как API, позволяя разработчикам интегрировать его в свои собственные инструменты или приложения. Эта гибкость делает его очень подходящим для случаев, выходящих за рамки простого создания кода. Например, для создания интеллектуальных систем, которые могут помочь в автоматизации задач или даже для обучения программированию.

• Объяснение и отладка кода: помимо генерации кода, Codex также может объяснить, что делает данный блок кода, или помочь выявить потенциальные ошибки. Эта функция особенно полезна для разработчиков, которые работают с незнакомыми кодовыми базами или пытаются отладить сложный код.

Варианты использования OpenAI Codex

• Разработка индивидуальных инструментов: разработчики могут использовать API Codex для создания персонализированных помощников по кодированию, автоматизации повторяющихся задач или интеграции ИИ в свой рабочий процесс разработки.

• Обучение и создание прототипов: Codex служит отличным инструментом для изучения новых языков или быстрого создания прототипов путем генерации кода из полученных от разработчика инструкций.

• Корпоративные приложения: помимо помощи отдельным разработчикам, Codex можно интегрировать в более крупные корпоративные системы для оптимизации процессов, автоматизации определенных задач программирования и обработки аналитических данных о коде на основе искусственного интеллекта.

Хотя Codex является мощным инструментом, разработчикам необходимо взаимодействовать с ним через API, что делает его более подходящим для пользовательских интеграций и вариантов использования, выходящих за рамки типичной помощи при кодировании на основе IDE.

Обзор GitHub Copilot

Основные возможности GitHub Copilot

• Промпты кода в реальном времени: Copilot работает «в паре с живым   программистом», предлагая контекстно-зависимые предложения кода “на лету”. Он может завершать строки кода, предлагать целые функции или давать предложения на основе комментариев на естественном языке.

• Простая интеграция с IDE:  в отличие от Codex, который требует интеграции API (или работает через командную строку CLI, — прим. перев.), Copilot встроен непосредственно в IDE. Это делает его чрезвычайно простым в использовании — просто установите плагин, и вы сможете получать помощь в кодировании на основе ИИ без настройки или конфигурации.

• Поддержка нескольких языков: как и Codex, GitHub Copilot поддерживает широкий спектр языков программирования, включая Python, JavaScript, TypeScript, Ruby, Go, Rust и др. Это делает его полезным для разработчиков, работающих над разными проектами и технологическими стеками.

• Контекстная осведомленность: предложения Copilot — это не просто случайные автодополнения; они контекстны. Он анализирует окружающий код, комментарии и имена переменных, чтобы предоставлять более релевантные предложения, помогая разработчикам писать эффективный и связный код.

• Обучение на основе шаблонов кода: Copilot особенно полезен для повторяющегося или шаблонного кода. Он может быстро учиться на основе шаблонов в вашей кодовой базе и помогать автоматизировать генерацию повторяющихся структур, экономя время на таких задачах, как написание тестовых случаев или настройка конфигураций.

Варианты использования Copilot:

• Ускорение кодирования: Copilot хорош в задачах повышения производительности труда разработчиков, предлагая быстрые, в режиме реального времени дополнения кода и предложения. Это помогает разработчикам сосредоточиться на решении сложных проблем, а не на написании шаблонного или простого кода.

• Изучение новых языков: разработчики, изучающие новые языки программирования и фреймворки, могут воспользоваться возможностью Copilot предлагать идиоматические шаблоны кода, что упрощает внедрение новых технологий.

• Прототипирование и эксперименты: при работе над прототипами на ранней стадии или быстрыми экспериментами, Copilot может ускорить процесс разработки, генерируя функциональные фрагменты кода на основе минимального ввода, что позволяет разработчикам быстрее выполнять итерации (но код может не гарантировать 100% покрытия, т.н. code coverage и Copilot не анализирует сложность ветвлений,  — прим. перев.). 

Простота использования GitHub Copilot

Одной из особенностей GitHub Copilot является относительная простота использования. Поскольку он напрямую интегрируется в существующий рабочий процесс разработчика через плагины IDE, нет необходимости в управлении API или пользовательских конфигурациях. Эта простота делает его особенно привлекательным для разработчиков, которым нужна немедленная помощь в кодировании без дополнительной настройки.

Сравнение от Zignuts Technolab: OpenAI Codex vs GitHub Copilot

1. Интеграция и настройка

OpenAI Codex

Codex доступен как API, что дает разработчикам гибкость для его интеграции в собственные приложения или инструменты. Это делает его пригодным для индивидуальных вариантов использования за пределами традиционных сред кодирования, но он требует дополнительной настройки и управления API.

Инструмент хорошо подходит для создания индивидуальных инструментов разработчика, автоматизации задач или внедрения генерации кода на основе искусственного интеллекта в различные платформы.

GitHub Copilot

Copilot напрямую интегрирован в популярные IDE, такие как Visual Studio Code, JetBrains и Neovim. Разработчики могут установить плагин, и он будет работать из коробки, предоставляя предложения кода в реальном времени в среде разработки.

Copilot лучше всего подходит для разработчиков, которым нужна немедленная и беспроблемная интеграция без необходимости настройки API.

2. Качество генерации кода

OpenAI Codex

Codex обеспечивает гибкость при создании сложных фрагментов кода, реагировании на подробные входные данные на естественном языке и решении различных задач, таких как создание документации, написание тестов или даже объяснения кода. 

Поскольку Codex можно использовать как API, качество генерации кода может значительно варьироваться в зависимости от того, как он интегрирован, и контекста, предоставленного разработчиком.

GitHub Copilot

Copilot лидирует в своей способностью генерировать код непосредственно в IDE. Он предоставляет контекстно-зависимые предложения, то есть он учится на коде, который вы пишете в данный момент, на окружающих строках и даже на комментариях, чтобы предлагать точные и релевантные предложения. 

Для более простых задач Copilot, как правило, выдает более эффективные конструкции кода, хотя Codex может оказаться более эффективным средством для сложных или разнообразных вариантов использования.

3. Развитие опыта у разработчика

OpenAI Codex

Codex гибок, но требует больше усилий разработчиков для эффективной реализации и использования. Он хорошо подходит для разработчиков или команд, которые хотят создавать собственные инструменты ИИ для кодирования или автоматизации.

Опыт работы с ним более технический, поскольку разработчики взаимодействуют с API Codex, а не через привычный интерфейс, такой как IDE.

GitHub Copilot

Copilot разработан для удобства, предлагая использовать уже накопленный разработчиком опыт в IDE. Разработчики получают предложения в реальном времени по мере написания кода, что означает, что они могут сосредоточиться на создании решений без необходимости переключения контекстов или настройки внешних инструментов.

Процесс обучения Copilot минимальный, и в целом этот опыт является положительным для разработчиков, желающих ускорить процесс кодирования без дополнительных сложностей.

4. Обучение ИИ-модели

OpenAI Codex

Codex обучен на обширном массиве кода и может справляться со сложными задачами с существенным контекстным пониманием. Однако он полагается на то, насколько хорошо разработчики инструктируют эту ИИ-модель и настраивают свои запросы API (или дают их в CLI,  — прим. перев.).

Codex можно использовать для создания более сложных систем ИИ, выходящих за рамки простой генерации кода, например, для автоматизации, тестирования и анализа кода или тренинга специалистов.

GitHub Copilot

Хотя Copilot также работает на Codex, он специально настроен для использования на основе IDE. Он учитывает окружающий код и контекст в проекте, над которым вы работаете, чтобы предлагать более релевантные предложения и автодополнения. Он отлично подходит для оказания «мгновенной» помощи разработчикам, изучая структуру и синтаксис кода в режиме реального времени.

5. Возможности совместной работы

OpenAI Codex

Codex можно интегрировать в инструменты или платформы, которые поддерживают совместную работу, но он не поставляется со встроенными функциями совместной работы. Командам нужно будет создать собственные рабочие процессы, чтобы использовать Codex для таких задач, как анализ кода или программирование в паре с ИИ.

GitHub Copilot

Copilot улучшает совместную работу в среде разработки, предлагая код для всех членов команды, использующих его в своих IDE. Хотя он не имеет прямых функций совместной работы, его простота использования означает, что он может поддерживать работу нескольких разработчиков над одним проектом без проблем.

6. Цена и доступность

OpenAI Codex

Codex доступен через API, а цены обычно зависят от использования (количество запросов, обработанных токенов и т. д.). Это делает его подходящим для приложений корпоративного уровня, где важны гибкость и масштабируемость, но затраты могут увеличиваться в зависимости от объема использования.

GitHub Copilot

Copilot доступен как сервис по подписке с планами для отдельных разработчиков и команд. Это модель с фиксированной стоимостью, что делает ее более предсказуемой для команд разработчиков, которые хотят интегрировать ее в свой ежедневный рабочий процесс, не беспокоясь о будущих непредвиденных расходах на API.

7. Гибкость или удобство

OpenAI Codex

Codex предлагает значительно больше гибкости для разработчиков, которые хотят интегрировать ИИ в различные пользовательские приложения. Его можно использовать для автоматизации, тестирования,создания рабочей документации и учебных материалов, создания инструментов разработчика и многого другого.

Однако гибкость Codex достигается за счет снижения простоты использования — разработчикам необходимо управлять интеграцией API, что может потребовать больше знаний и усилий, чем при использовании готового решения.

GitHub Copilot

Copilot ставит удобство на первое место, интегрируясь напрямую в существующие рабочие процессы в IDE. Для разработчиков, которым в первую очередь нужна помощь в кодировании в IDE, Copilot предлагает простое в использовании решение, не требующее дополнительной настройки. Однако Copilot менее гибок, поскольку он разработан специально для генерации кода в IDE и не может настраиваться так же широко, как Codex.

Сильные и слабые стороны: OpenAI Codex против GitHub Copilot

OpenAI Codex

Сильные стороны:

• Гибкость и настройка: Codex можно интегрировать в любое приложение или платформу через API, что дает разработчикам полный контроль над тем, как используется ИИ. Эта гибкость позволяет создавать пользовательские инструменты, автоматизировать рабочие процессы или создавать приложения на основе ИИ, выходящие за рамки простой генерации кода.

• Широкий спектр вариантов использования: Codex не ограничивается кодированием в IDE. Он может генерировать документацию, объяснять код, писать тесты, обрабатывать задачи, не связанные с кодированием, и даже взаимодействовать с API для автоматизации сложных процессов.

• Поддержка генерации сложного кода: Codex отлично справляется со сложными задачами, особенно когда разработчики могут давать ему точные инструкции через его API. Он может генерировать многошаговые кодовые решения и решать более сложные задачи программирования.

• Богатый API для расширенной интеграции: API Codex предлагает разработчикам богатый интерфейс для разработки, что делает его идеальным для компаний или разработчиков, желающих интегрировать генерацию кода на основе ИИ в свои более крупные программные системы.

Слабые стороны Codex:

• Требуется непростая настройка: Codex требует от разработчиков прямого взаимодействия с API, что означает управление аутентификацией, выполнение запросов API и обработку ответов. Это может стать препятствием для разработчиков, которым нужно готовое решение.

• Нет встроенной интеграции с IDE: В отличие от GitHub Copilot, Codex не имеет встроенной поддержки IDE, что означает, что для его интеграции в среды разработки требуются дополнительные знания.

• Замедленная реакция: Codex обычно работает в ответ на вызовы API, а не на предложения в реальном времени. Это может замедлить рабочие процессы по сравнению с мгновенной обратной связью, которую Copilot предлагает в IDE.

GitHub Copilot

Сильные стороны:

• Полная интеграция с IDE: Copilot встроен непосредственно в популярные среды разработки, такие как Visual Studio Code и JetBrains, что упрощает его настройку и использование без какой-либо дополнительной настройки или управления API.

• Генерация кода в реальном времени: Copilot почти мгновенно предлагает контекстно-зависимые подсказки по коду во время ввода, что оптимизирует рабочие процессы разработки и помогает разработчикам оставаться погруженным в процесс кодирования.

• Простота использования: Для разработчиков, которым нужен «напарник в лице ИИ-программиста», Copilot требует минимальных усилий для настройки и использования. Он генерирует интуитивные строки на основе окружающего кода, что делает его очень доступным для разработчиков любого уровня опыта.

• Эффективно для шаблонного и повторяющегося кода: Copilot особенно хорош в создании шаблонного кода, повторяющихся структур или в обработке общих задач, таких как настройка конфигураций или написание модульных тестов. Это экономит время на рутинных задачах в кодировании.

Слабые стороны Copilot:

• Ограниченная настройка: Copilot — это продукт для IDE, поэтому ему не хватает гибкости, которую обеспечивает API Codex. Разработчики не могут настраивать Copilot за пределами его встроенных функций, что делает его менее подходящим для сложных или нестандартных случаев использования.

• Меньше контроля над генерацией кода: поскольку Copilot оптимизирован для удобства, разработчики имеют меньше контроля над тонкой настройкой генерации кода по сравнению с Codex. Хотя он предоставляет полезные предложения, он не всегда может выдавать лучшие решения для более сложных проблем кодирования.

• Сосредоточение только на кодировании: Copilot предназначен для помощи в кодировании в реальном времени и не предлагает более широких возможностей, таких как генерация документации или автоматизация рабочего процесса. Его сфера применения в первую очередь ограничена повышением производительности разработчиков в IDE.

Варианты использования: когда использовать OpenAI Codex, а когда GitHub Copilot

Когда использовать OpenAI Codex:

Пользовательские приложения на базе искусственного интеллекта

1. Идеально подходит для создания пользовательских инструментов: если вы разрабатываете пользовательский инструмент на базе ИИ, например помощника по написанию кода для определенных языков или доменов, API Codex предоставляет вам гибкость для интеграции генерации кода, тестирования, документирования и других функций на базе ИИ.

2. Корпоративные системы: Codex можно интегрировать в корпоративные программные системы для автоматизации различных процессов разработки: от генерации больших объемов кода до решения сложных задач анализа кода.

Автоматизация задач, не связанных с кодированием

Codex выходит за рамки генерации кода и может автоматизировать документацию, объяснение кода или даже управление рабочими процессами через вызовы API. Например, он может генерировать документацию API из комментариев или “переводить” код между языками программирования.

Учебные материалы

Codex можно использовать в качестве ИИ-ментора для объяснения кода, создания учебных материалов и даже взаимодействия со студентами в образовательных приложениях. Он способен давать подробные объяснения кода, что делает его идеальным для обучения разработчиков, изучающих новые языки программирования.

Расширенная генерация кода и многошаговые решения

Для сложных задач программирования, требующих создания многошаговых кодовых решений, гибкость Codex и интеграция API делают его отличным инструментом для автоматизации этих процессов. Он особенно полезен для проектов, требующих создания длинных блоков кода или управления сложными логическими потоками.

Пользовательские интеграции с рабочими процессами разработчиков

Codex можно встраивать в конвейеры CI/CD, автоматизированные инструменты тестирования или даже обзоры кода на основе ИИ. Это делает его отличным выбором для команд, которые хотят внедрить ИИ за пределами простых подсказок по коду.

Когда использовать GitHub Copilot

Помощь в кодировании в реальном времени

Идеально подходит для ежедневных задач кодирования, здесь раскрывается способность Copilot генерировать предложения кода в реальном времени с учетом контекста, что делает его ценным для разработчиков, работающих в таких IDE, как Visual Studio Code или JetBrains. Независимо от того, пишете ли вы строки кода или создаете шаблонные функции, Copilot помогает вам писать код быстрее и эффективнее.

Повышение производительности в IDE

Copilot предназначен для ускорения процесса разработки за счет снижения необходимости писать повторяющийся или шаблонный код. Он особенно полезен для таких задач, как настройка начальных конфигураций, написание модульных тестов или генерация общих шаблонов кода, позволяя разработчикам сосредоточиться на более сложных проблемах.

Изучение новых языков и фреймворков

Для разработчиков, изучающих новый язык программирования или исследующих незнакомые фреймворки, Copilot может предложить идиоматические шаблоны кода и помочь пользователям писать код, который соответствует лучшим практикам. Это делает его отличным инструментом для экспериментов с новыми языками без постоянного обращения к документации.

Прототипирование и быстрые итерации

Если вы работаете над ранними стадиями проектов или прототипами, Copilot поможет вам быстро сгенерировать функциональный код, что позволит быстрее выполнять итерации. Его мгновенная обратная связь делает его идеальным для краткосрочных проектов или быстрых циклов разработки, где скорость имеет решающее значение.

Программирование в паре с ИИ и обзоры кода

Copilot действует как парный программист ИИ, давая вам предложения по мере написания кода. Это особенно полезно в совместной среде, где несколько разработчиков работают над одним проектом и нуждаются в последовательных высококачественных предложениях для общих задач кодирования.

ПРОМЕЖУТОЧНЫЕ ВЫВОДЫ: 

OpenAI Codex лучше подходит для пользовательских инструментов ИИ, корпоративных систем, сложной генерации кода и автоматизации некодирующих задач, таких как документирование или обучение. Он идеально подходит для расширенных вариантов использования, требующих гибкости и индивидуальной интеграции с API.

GitHub Copilot отлично справляется с помощью кодирования в реальном времени, повышая производительность разработчиков и помогая быстро создавать прототипы. Он идеально подходит для разработчиков, которым нужны немедленные предложения и поддержка в IDE, особенно для ежедневных задач кодирования или изучения новых языков программирования.

Отзывы разработчиков

OpenAI Codex: Конструктивная критика

• Процесс обучения: Некоторые разработчики упоминают непростой процесс обучения использованию API Codex. Объем технических знаний для настройки и интеграции API может быть пугающим для неопытных разработчиков.

• Непостоянное качество кода: разработчики отмечают непостоянство качества предложений кода, особенно когда подсказки, предоставляемые от программиста в Codex, для ИИ неясны или плохо структурированы. Такая непоследовательность может привести к разочарованию, если у разработчиков нет времени или опыта для многократного уточнения своих запросов.

• Стоимость: по мере роста масштабов использования, разработчики выражают обеспокоенность по поводу структуры ценообразования, особенно для крупных проектов или предприятий. Пользователи хотят иметь более четкое представление о том, как будут накапливаться расходы на основе их моделей использования.

GitHub Copilot: Конструктивная критика

• Проблемы с точностью: некоторые пользователи сообщали, что хотя Copilot отлично подходит для генерации кода, порой он выдает неверные или неоптимальные предложения. Это может быть неприемлемо при работе с критическими или сложными кодовыми базами, поскольку разработчикам все равно приходится проверять и улучшать сгенерированный вывод после ИИ.

• Зависимость от контекста: эффективность предложений Copilot в значительной степени зависит от окружающего контекста. Разработчики отметили, что если код плохо структурирован или в нем отсутствуют четкие комментарии, предложения кода от Copilot могут быть слабо релевантными.

• Ограниченная область применения: хотя Copilot отлично справляется с помощью кодирования, некоторые пользователи считают, что ему не хватает более широких возможностей, таких как создание документации или обработка задач, не связанных с кодированием. Это ограничивает его полезность для разработчиков, ищущих комплексный инструмент ИИ, который охватывает больше, чем просто генерацию кода.

Заключение: какой инструмент лучше?

В конечном итоге выбор между OpenAI Codex и GitHub Copilot сводится к конкретному контексту, в котором будут использоваться инструменты. Разработчики, ищущие комплексное, настраиваемое решение, которое глубоко интегрируется в их рабочие процессы, могут посчитать Codex более подходящим. Напротив, те, кто ищет простого и эффективного помощника по кодированию, который повышает производительность в IDE, могут предпочесть Copilot.

Оба инструмента имеют свои сильные и слабые стороны, и разработчикам лучше попробовать оба инструмента, а затем оценить свои потребности и рабочие процессы, чтобы определить, какой помощник по кодированию на основе ИИ лучше всего соответствует их целям.  

Немного HR-рекламы от нашего блога: мы занимаемся заказной разработкой ПО и будем рады получить резюме специалистов, готовых работать в офисе в Москве и Томске, а также удаленно из любой точки России. Текущие вакансии на нашей странице на hh.ru. Если вашей специальности нет в списке вакансий, не стесняйтесь прислать нам резюме — в SSP SOFT новые позиции открываются регулярно. Резюме можно направить в Telegram или на почту job@ssp-soft.com.

Успехов в применении ИИ-ассистентов для написания и тестирования кода в ваших проектах!