> Как видишь жизненный цикл задач и основные этапы работы над задачей (Python)

Жизненный цикл задачи я вижу как последовательность этапов от идеи до эксплуатации, с акцентом на прозрачность и качество. Основные этапы:

1. Анализ и уточнение требований - совместно с продакт-менеджером и аналитиком разбираем задачу, задаём вопросы, фиксируем критерии приёмки (DoD). Для бэкенда важно понять: какие данные, API-контракты, SLA, возможные edge cases.

2. Декомпозиция и оценка - разбиваю задачу на подзадачи (микросервисные изменения, миграции, тесты), оцениваю в story points или часах, учитывая риски (например, блокировки от смежных команд).

3. Разработка - пишу код на Python, следуя принципам SOLID, DRY, KISS. Обязательно покрываю unit-тестами (pytest), интеграционными тестами, проверяю типизацию (mypy). Для бэкенда критично: обработка ошибок, логирование, валидация входных данных.

4. Code review - создаю PR с понятным описанием, прохожу ревью с коллегами, исправляю замечания. Это этап контроля качества и обмена знаниями.

5. Тестирование - после мержа задача попадает на staging, где QA проводит регресс и функциональное тестирование. Если нужно - нагрузочное тестирование (locust, k6).

6. Релиз и деплой - задача идёт в релизный цикл (canary, blue-green или feature toggle). Мониторю метрики (latency, error rate, throughput) через Grafana/Datadog.

7. Пост-релизное сопровождение - смотрю логи, алерты, собираю фидбек. Если баг - фикс с приоритетом.

Пример из практики: задача "добавить эндпоинт для пагинации заказов". Я уточнил требования по сортировке и фильтрам, разбил на подзадачи: модель, сериализатор, тесты, миграция индекса. После деплоя мониторил p99 latency - он уложился в 50 мс.