Глава 2. Три скалы 🏔️ и скептик с копьём 🗡️

Прежде чем перейти к практике, стоит назвать три вещи, на которых держится предсказуемость в мире AI. Java даёт их из коробки, но сами принципы переносимы на любой стек — вопрос лишь в зрелости инструментов и инфраструктуры. По-пещерному: скалы универсальны, вопрос в том, кто их обтёсывал 🏔️. Эти три вещи не эффектны: о них не снимают демо-видео и не хвастаются в резюме, но без них любая магия модели рассыпается при первом же порыве ветра. 🌬️

Первая скала — строгая типизация. Это контракт, который защищает от ошибок ещё до запуска: сервис принимает JSON от модели и маппит его на типизированный объект, и если структура не совпала, система падает сразу и с ясной ошибкой, а не «странно ведёт себя» в рантайме посреди ночи. 🌙 Java в этом смысле — строгий вахтёр у входа в пещеру: пришёл без пропуска — дальше не пройдёшь 🚪. Вахтёру не нужно верить на слово, ему достаточно посмотреть на пропуск, и в этом его главное достоинство: он не оценивает красноречие просителя. Но у вахтёра есть пределы: он не проверяет, зачем вы пришли и что понесёте обратно. Типизация снижает целый класс ошибок, но не отменяет тесты, валидацию и evaluation — пропуск всё ещё может быть фальшивым, если нарисован убедительно. Именно поэтому первый и самый дешёвый цикл проверки любого ответа модели — структурный 📋: сначала убедиться, что перед нами JSON нужной формы, и только потом спорить о смысле. 🧠

Вторая скала — экосистема. Spring, Quarkus и Micronaut дают обработку ошибок, таймауты, метрики и трассировку из коробки, а Spring AI и LangChain4j встраивают модели в привычный стек, не ломая его. Вы видите, сколько времени занял запрос, сколько токенов ушло и какие ошибки вернулись, — бюджет не утекает незаметно. 💰 Модель перестаёт быть чёрным ящиком в углу архитектуры и становится обычным, пусть и капризным, внешним сервисом 🔌: с таймаутами, ретраями и наблюдаемостью, как у любой интеграции, которой можно не доверять. А если что-то пошло не так, у вас есть стек-трейс, метрики и логи, а не только ощущение, что «шаман сегодня не в духе». Важная оговорка: это заслуга не языка, а экосистемы. Надёжность даёт не компилятор, а совокупность библиотек, практик и инфраструктуры. Одного кремня мало — нужен весь набор инструментов племени, наточенный за тридцать лет и проверенный на поколениях охотников 🛠️. Хвастаться этим набором скучно — зато можно спать. 😴

Третья скала — параллелизм. AI-вызовы медленные и дорогие, и Java с CompletableFuture и виртуальными потоками Project Loom позволяет ограничивать параллельность запросов, контролировать таймауты ⏳ и не превышать лимиты API. Иначе CI будет работать в режиме «пятничный вечер в МФЦ»: медленно, с очередями и без единого объяснения, кто виноват ☕. Виноват, как обычно, тот, кто не поставил лимит, — то есть мы, и это признание дешевле, чем разбор инцидента. 😬 Плюс таймауты и повторы с ограничением числа попыток: иначе один медленный или сбойный вызов удержит весь прогон, 🐌 как упрямый бизон — переправу 🦬.

Возражение скептика (он пришёл с копьём, но вежливо). 🤨 «Для прототипа Java избыточна — на Python быстрее». Верно, и спорить не буду: Python с Pydantic и FastAPI даёт отличную валидацию, TypeScript с Zod — не хуже, Kotlin и C# тоже умеют в контракты ⚖️. Прототип в блокноте — законный жанр: быстро проверить идею у костра никто не запрещал. 🔥 Но прототип и промышленная система — разные миры, а QA живёт во втором: там, где тест обязан падать по одной и той же причине и сегодня, и завтра, а не «примерно так же, как в прошлый раз». 🎯 Java здесь не единственный путь, но один из самых проторенных — тропа, по которой племя ходит тридцать лет и знает, где ямы. 🕳️ Принципы переносимы; выбор стека зависит от контекста, команды и инфраструктуры. Скептик прав ровно настолько, насколько его продукт остаётся прототипом. Главное — чтобы скалу кто-то обтёсывал, а не просто восхищался её формой: ирония в том, что самую модную часть стека — модель — обтёсывать нельзя вообще, она не поддаётся, и потому обтёсывать приходится всё вокруг неё. 🗿