Разрабатываю с помощью ИИ (Github Copilot) свою бэктестинг-систему для алготрейдинга,
smart-lab.ru/blog/1183171.php .
Прикрутил такую фишку. Отображаю список всех сделок. Их можно отсортировать по P&L; потом кликнуть, например, на самую убыточную или прибыльную — и она выделится на всех графиках. Можно поизучать в контексте, почему произошли эти убытки и прибыли.

Получилось круто. Есть ещё куча идей по поводу графиков: heatmap'ы из оптимизатора (или 3D поверхности, но их не очень люблю, трудно читаются), для парного трейдинга — статистика по коинтеграции и корреляции и т.д… С помощью ИИ всё это реализуется космически быстро.
А как это прикручиваете в плане процесса? LLM видит код всего проекта и по этому при постановке задачи понимает контекст, понимает какие есть классы, куда прикручивать, какая сигнатура методов? Или или вы сами нарубаете на такие постановки задачи, где контекст в задаче отгружается — ну типа: сделать то-то, метод должен принимать то-то, отдавать то-то и т.д.?
И какой тул ипсользуете? Просто чат с LLM или какой-то специализированный тул для кодинга?
На работе мне нельзя использовать copilot, потому что весь код через него уходит куда-то в облачную модель для анализа, и кто знает, что она с ним делает. Уже были новости, что с помощью хитрых промптов пользователи выуживали данные, на которых училась модель.