Я тут изучаю различные AI coding agents и чтобы посмотреть как они в деле, я решил, что мне нужно сделать различные инструменты под мои нужды. Для этого я взял домен timurai.tech и у меня уже готово три инструмента:

▪️ Promptlet — prompt + applet. У меня есть рутинные задачи, где я использую llm, но не хочу чтобы этот чат сохранялся в истории чатов + не хочу каждый раз писать промпт заново: например, промпт для фикса грамматики на английском; промпт для создания промпта; промпт для создания саммари по большому тексту. Я сделал такое приложение, которое прямо в браузере будет хранить такие мини-аппы (1 промпт = 1 мини-апп) и отправлять запрос к Gemini API. UI сделан в виде чата, но функционала переписки здесь нет: один раз отправляешь запрос и читаешь ответ, если надо переделать что-то, то отправляешь запрос заново.

▪️ Prompt Gallery — приложение для хранения промптов в браузере. Я эти промпты часто переиспользую между разными инструментами, поэтому мне понадобился тул, в котором я смогу удобно хранить мои промпты.

▪️ Screenshooter — скриншотилка вкладок Chrome + окон рабочего стола; далее к скриншоту можно добавить модные бэкграунды, блюры и т. д.

Ни в одном из этих продуктов нет ни аналитики, ни бэкенда, всё работает в браузере.

Если интересно, пользуйтесь.

Я верю в то, что через несколько лет нам уже не нужны будут такие нишевые тулы, потому что любой человек, который будет знать в общих чертах как работает веб-сайт и будет уметь пользоваться AI, сможет генерить такие инструменты вёдрами под любые свои задачи — главное, уметь сформулировать свою идею.

#apps@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!

Насколько вам интересна вообще тема AI Coding? В моём понимании, это процесс программирования с использованием AI. Это не вайб-кодинг, это грамотное использование тулов и полное понимание того, что происходит.

В последние дни моя рабочая рутина выглядит так:
1. В начале дня проверить новую версию gemini cli
2. Если есть - обновиться
3. Продолжить работу над проектом с помощью gemini cli
4. Наткнуться на какой-нибудь очередной баг gemini cli
5. Пойти в opencode, попытаться начать проект там
6. Наткнуться на очередной баг (проект в статусе альфа)
7. Плюнуть и пойти сделать задачу в claude code

Ну и в процессе:
- постоянно обновлять правила, придумывать костыли, для того чтобы все тулы использовали только один файл правил.
- делаю рисерчи с помощью ai.studio
- стараюсь все задачи по кодингу конвертировать в задачи для агентов, в первые дни голова прям квадратная была к концу дня после такого))

В последующих постах хочу рассказать про текущее положение дел на рынке таких тулов, рассказать про лайфхаки которые я узнал и сам использую.

Может у вас есть запрос на что то конкретное?

Насколько серьёзно вообще вы относитесь к AI Coding? Есть ли за ним будущее или очередное баловство уровня нового фреймворка фронтендеров?


#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Context Engineering в AI Coding

Andrej Karpathy снова сделал то, что у него получается лучше всего: сформулировал идею (на самом деле он поддержал идею Tobi Lutke), которая витала в воздухе, но которой не хватало точного названия: Context Engineering.

Люди обычно связывают промпт с коротким описанием задачи, которую дают AI. В то время как в приложениях с LLM под капотом, происходит "Context Engineering".

Context Engineering заключается в правильном использовании контекста в запросах к LLM.
Тут всё просто. Делайте хорошо (давайте правильный контекст), плохо не делайте (не давайте лишней информации); Garbage In, Garbage Out.

Я хочу рассказать, как правильно работать с контекстом в AI Coding.

Для начала, что такое контекст?

Контекст, это вся та информация, которую мы передаём в запросе к LLM:
- system prompt — здесь обычно инструкции от разработчиков AI Coding tool и иногда сюда передаются правила которые указываются пользователем
- user prompt — запрос пользователя + файлы с кодом
- conversation — история переписки в текущем чате
- tools — function calling инструменты, которые модель может вызвать в процессе
- structured output — json схема ответа модели

Что отличает хороший AI Coding tool от плохого? Правильно, грамотное использование контекста. Для этого придумали memory bank, task manager, scratchpads, function calling, RAG в конце-концов. Все эти инструменты созданы для того, чтобы не грузить в модель всю-всю информацию, а дать ей возможность грамотно собирать только необходимую информацию.

Вот основные проблемы связанные с контекстом:

◾️ Отравление контекста — если запрос пользователя был недостаточно понятным, то модель может допустить ошибку и пойти не по правильному пути, сохранит это знание в conversation, что в итоге приведёт к тому, что проблема не будет решена.
✅ Решение: внимательно читайте ответ модели. Именно поэтому, если с первого раза модель меня не поняла, то я возвращаюсь назад, меняю промпт и отправляю запрос заново.

◾️ Переполненность контекста — это случаи, когда контекст становится очень огромным: например, в одном чате мы хотим решить сразу несколько разных задач. Это приводит к расфокусу модели на контексте и ведёт к потере качества генерируемого кода.
✅ Решение: есть очень хорошее правило: один чат = одна задача. Оно хорошо действует для моделей со стандартным (128K) размером контекстного окна: Claude 4 Sonnet, но вот при использовании Gemini 2.5 pro, где контекстное окно 1M, имеет смысл давать сразу несколько связанных между собой задач

◾️ Лишняя информация — если в контексте есть лишние файлы (код, правила, документация), которые нерелевантны к решаемой задаче, то это может сбить с толку модель.
✅ Решение: грамотно выбирайте релевантные файлы с кодом и документацию заранее

◾️ Противоречия — если правила противоречат друг-другу, это так же собьет модель с толку.
✅ Решение: писать правильные rules это тоже нетривиальная задача. Постоянно их обновлять — это правильно. /init команду (когда на основе имеющегося проекта генерятся rules) имеет смысл использовать в самом начале, чтобы была хотя бы какая-то структура rules, а потом всё равно их нужно обновлять.

А вот ещё несколько решений проблем с контекстом:

◾️ Правильный выбор tools. Не нужно добавлять все MCP сервера подряд — выбирайте только те, которые действительно полезны в работе

◾️ Грамотное использование summary. Многие AI Coding инструменты вынуждены использовать краткую выжимку части истории сообщений для того чтобы экономить токены. Важно понимать, что это может приводить к потере основной сути задачи, так что если есть возможность, всегда старайтесь открывать новый чат.

◾️ Context Offloading. Можно использовать черновик: просим модель записывать некоторую информацию в файлик, а потом просим модель использовать этот файлик. Так, например Anthropic в своих Best Practices рекомендуют использовать черновик (scratchpad) при решении большого количества linting задач: запускаем линтер, сгружаем результат в такой черновик, а потом просим решать эти проблемы по-очереди. Это позволит не хранить в контексте лишнюю информацию

Создание надёжных приложений на незнакомых ЯП

Я часто вижу вопрос "А как создавать надёжные приложения на языках программирования, которые я не знаю?". Попробую ответить на этот вопрос

Короткий ответ: вайб-кодить не получится.🙈
Более подробный ответ: с наскока это будет делать сложно, но мы можем использовать AI для обучения нас самих!

Вот примерный план по вкатыванию в новый стэк.

1️⃣ Для того чтобы создавать приложение, необходимо, конечно, знать базу: из каких компонентов оно состоит, как оно деплоится, как запускается на девайсе и как дебажится. Используем AI для получения этой информации.

2️⃣ Используем всевозможные Deep Research'и, которые найдут best practices, покажут типичные подводные камни, паттерны и подходы.

⚡️Лайфхак: можно описать своё приложение и попросить AI выбрать подходящие для нас паттерны, при этом каждый свой выбор AI должен обосновать, а вы должны проверить обоснование и если есть сомнения, то дать эту задачу повторно в новом чате (возможно даже другой модели), и если результаты различаются, то показать их обеим моделям и сказать, мол, смотри, а вот другая модель думает иначе, и довести это до результата, который вас устроит.

Полученные данные (паттерны, выбор стэка и прочее) следует сохранить в одном или нескольких файликах.

3️⃣ Собрав эти данные, в новом чате можно попросить расписать план задач для создания приложения. Стоит проверить этот план на соответствие данным с предыдущего шага и если что-то не так, то исправить свой промпт и сгенерить план задач заново.

✔️ Наконец, имея план задач, мы уже можем приступать к итерационному выполнению их и проверять результат.

❗️ Важно: все эти запросы стоит делать в разных чатах с AI, чтобы контекст не мешал друг-другу.

Это же несложно, не так ли? Мы кушаем слона по-кусочкам.

Главное помнить:
1. Вы являетесь погонщиком AI и должны направлять его в правильную сторону.
2. Вы должны понимать как устроено ваше приложение хотя бы на базовом уровне.
3. Используйте AI для объяснения, если что-то не понятно.

Часто бывает, что в момент объяснения кода, AI может сказать: блин, да, я здесь действительно ошибся, ща переделаю. Чаще всего это означает, что AI пошёл не по верному пути и нам стоит вернуться на пару шагов назад и более детально изучить способ решения задачи.

На практике, в чем будет разница между задачей, которую мы знаем, как выполнять и той, когда мы не знаем? Во втором случае мы не сможем ударить AI по рукам, когда он пойдет не в ту сторону. Именно поэтому вам необходимо самостоятельно разбираться (хотя бы на базовом уровне) в том, как устроено ваше приложение.

🫰В эпоху AI обучаться стало в разы проще и быстрее, такой скорости не было никогда прежде.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

4 инсайта, которые я осознал за год кодинга с AI

◾️ Внедрение AI в работу кодера будет неизбежным.
Это произойдет рано или поздно. Это будет такой же нормой, как для сохранения своей работы использовать git, а для работы с кодом использовать IDE — потому что так удобнее, эффективнее и надёжнее.

◾️ Разберитесь с новым инструментом перед началом работы
Это важно, потому что AI Coding tools в большинстве своём используют совсем другие подходы в работе, чем ваши текущие.

◾️ AI может использовать новые для вас подходы в написании кода.
✅Правильным шагом будет: разобраться в том как это работает и, возможно, взять себе это на вооружение
❌Не правильный шаг: отклонить код и поругать AI за то, что он использовал функциональщину вместо любимого вашего ООП и абстракций.

◾️ В наши дни выгоднее быть агностиком в технологиях и инструментах
Я не верю, что продукты с фиксированным ценником в месяц могут быть такими же качественными как и pay-as-you-go продукты. На примере Cursor и Claude Code видно, что подписочные пользователи обходятся компаниям дорого, и те, в свою очередь, начинают резать качество. Поэтому, не привыкайте к одному инструменту и ни в коем случае не покупайте годовую подписку.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Почему обучаться использовать AI Coding Tools очень важно?

Недавно, в профильных коммьюнити завирусилась статья METR, в которой авторы взяли несколько разработчиков, выдали им задачи и часть из них посадили за Cursor, а часть работали как обычно. В процессе, авторы выявили, что использование Cursor на 19% снизило эффективность разработчиков.

Лидеры мнений перепостили эту статью и выдернули из статьи самые байтящие тезисы. И тут, в сообществе начался сущий кошмар. Появилось два мнения:
- vibe-coding не нужен и всё портит
- авторы ничего не понимают и дали подопытным ужасный Cursor и неэффективные модели Sonnet 3.5, 3.7.

А для меня очевиден другой вывод из статьи, который подтверждается моим опытом — у AI Assisted Coding есть кривая обучения. Неподготовленный человек не сможет эффективно ездить на автомобиле на механике, так как ему нужно время на обучение и получение начального опыта, так и тут. Чтобы эффективно работать с AI Coding Tools, необходимо учиться этому.

Забудьте про сел и поехал скачал Cursor и написал себе новый YouTube. Вам необходимо изучить основы, поменять парадигму работы и постепенно накапливать опыт.

Вот самые частые ошибки, которые делают новички в AI Assisted Coding:

- один человек задавал вопрос, почему агент пишет фигню, он уже и контекст очищал, и что только не пробовал. Я уточнил, как именно он уточнял контекст, в ответ:
"я писал в чате Cursor 'очисти контекст', перезагружал Cursor и ставил задачу заново"

- накинуть сразу несколько задач в один чат и просить все их выполнить хорошо

- игнорировать безопасность в одном из моих прошлых постов я рассказывал, к чему это может привести

- задавать вопросы по либам, которые вышли неделю назад, без использования поиска по интернету

Помимо того, что нужно выделить время на своё обучение, ещё необходимо в процессе работы тратить время на первичную подготовку проекта и дальнейшее обновление своего сетапа.

Такой процесс можно представить в виде онбординга нового сотрудника в ваш проект: он много чего умеет и знает, но ему важно объяснить ваши подходы к написанию кода, коммитов; рассказать о том, как вы тестируете код, как ревьюите, как деплоите; рассказать как выглядит жизненный цикл ваших продуктов и прочее.

С одним лишь отличием, что это нужно описывать в документах, а не объяснять голосом или вовсе оставлять новичка наедине с проектом.

При всём при этом, AI будет гораздо эффективнее человека, при хорошо настроенном окружении.

Вы сэкономите сотни часов и тысячи $ на дальнейшей разработке.

Именно поэтому, на мой взгяд, лучше всего AI Assisted Coding ложится на воркфлоу тех людей, у которых и так уже есть хорошо выстроенные рабочие процессы: тестирование, ревью, документация. Но и научиться этому всем не rocket science.

И ещё одним важным пунктом работы с AI является то, что важно уметь переводить бизнес язык в технический, декомпозировать задачи, формулировать свои мысли. У новичков в программировании это является проблемой, поэтому, над этим тоже нужно работать.

Я в последнее время очень погрузился в AI Assisted Coding, за последний год я попробовал много всего разного и крутого и у меня есть хороший опыт. Я определил вектор своего канал и поэтому вы могли заметить, что почти все мои посты за последнее время именно об этом.

Мне было бы интересно пообщаться с несколькими ребятами и помочь влиться в AI Assisted Coding. Я предлагаю обсуждение в чате и небольшой звонок до 45 минут, где могу помочь решить вашу проблему, поделиться своим опытом и направить в нужную сторону. Это бесплатно, возьму первых 3-х человек. UPD: осталось 2 места
Пишите мне в личку @yatimur.
Места закончились, как нибудь ещё раз повторю, спасибо!

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

📖 Не кормите AI мусором: Как документация и правила экономят сотни часов

В AI Assisted Coding есть два столпа, на которых держится эффективность: тестирование и документация. О тестах поговорим в другой раз, а сегодня — о том, что часто считают скучной рутиной, но для AI это база.

Какие есть способы передачи информации о проекте в разработке? Чатики (Slack, Telegram Chats, Microsoft Teams), email письма, таск трекер, документация, память синьора. Для работы с AI нам нужен единый, надежный источник правды. И это — документация прямо в репозитории.
Да, можно прикрутить Confluence через MCP, но зачем усложнять? Когда доки лежат рядом с кодом, агент может обращаться к ним и даже обновлять, "не отходя от кассы".

Фундамент: Что должно быть в документации?

Думайте о документации как об онбординг-гайде для нового сотрудника. Минимум воды, максимум сути, чтобы любой — человек или AI — мог быстро влиться в проект. Обязательный минимум:

▪️ Архитектура: Общая схема проекта, как всё связано.
▪️ Стэк: Какие технологии и почему мы используем.
▪️ Запуск: Пошаговая инструкция по настройке окружения.
▪️Концепции: Объяснение ключевых или неочевидных решений, которые были приняты.
Наличие такого гайда колоссально экономит время и токены, избавляя AI от необходимости "додумывать" за вас.

Наличие такой документации колоссально сэкономит вам время при работе с AI агентами.

Rules для агента

С AI Coding Tools у нас появляется новая сущность — rules. Это конституция вашего проекта для AI.
По сути, это та же документация в Markdown, но предельно сжатая, состоящая из тезисов. Это «шпаргалка», которую агент держит перед глазами при каждом действии. (Сниппет из файла AGENTS.md одного из моих проектов я оставлю в комментах).

Как понять, что писать в доках, а что в правилах?

Очень просто. Представьте, что правила — это стикер на вашем мониторе с самой важной информацией. Они маленькие и всегда передаются в контекст запроса к LLM. А документация — это книжный шкаф, к которому агент обращается только по необходимости.

Искусство написания правил

Самое сложное — это выгрузить неявные знания из вашей головы в четкие инструкции. Вот несколько советов:
▪️ Не учите AI основам. Модели знают всё про React, Django, принципы SOLID и DRY. Ваша задача — описать, как именно вы их используете в своем проекте (например: "Используем функциональные компоненты и React Hooks", "Все эндпоинты следуют RESTful конвенции").
▪️ Правила — это живой документ. Они должны эволюционировать вместе с проектом. На старте они одни, для MVP — другие, в продакшене — третьи. Безжалостно удаляйте, обновляйте и поддерживайте их в актуальном состоянии.
▪️ Агент ошибается? Проверьте правила. Если AI систематически допускает одну и ту же ошибку, скорее всего, проблема не в вашем промпте, а в нехватке или неточности правил. Дополните их.
▪️ Описывайте "что", а не "как". Вместо того чтобы диктовать AI полную имплементацию, опишите бизнес-требования и конечную цель. Ваша задача — быть архитектором, а не каменщиком. Отдайте реализацию агенту.

И главное...

Не пишите правила и документацию вручную!

Опишите свои мысли в свободной форме и попросите AI-агента структурировать их в краткие и четкие инструкции. Он сделает это лучше и быстрее. А для небольших правил, относящихся к конкретному участку кода, отлично подойдут обычные комментарии прямо в файле.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

У меня появился новый инструмент в моём наборе джентельмена!

Я вдохновился постом Коли Шейко и взял его converter.html, который конвертит экспортированную историю чата (или канала) Telegram в XML, чтобы потом можно было удобно скормить в AI.

Мне было лень каждый раз искать этот файл на компьютере и решил, что нужно перенести его в веб и добавить несколько мелких фич. Конечно же, никаких данных никуда не отправляется. Всё происходит только в вашем браузере.

Telegram Chat Processor - велкам!

#apps@the_ai_architect
✔️ The AI Architect Blog, подписывайтесь!

Три инсайта, которые я осознал за год кодинга с AI

◾️ Как и всегда, важно инвестировать время на обучение самого себя новым технологиям
С AI это особенно важно, потому что работодатель выберет того, кто выполнит задачу быстрее, качественнее и дешевле. Этого можно добиться с AI, он уже становится важным конкурентным преимуществом.

◾️ Пробовать новые технологии стало ещё проще
Пример такого я описывал в своём посте

◾️ Все топовые AI coding tools копируют функционал друг у друга
А то что ещё не скопировано, чаще всего можно получить с помощью костылей

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

AI Assisted Coding в массы

Недавно просочились слухи, что компания Марка Цукерберга даст возможность кандидатам на интервью пользоваться AI в некоторых случаях.

Это очень хороший знак! Скорее всего, индустрия избавится от бесконечных алгосиков на собесах, ведь именно от FAANG они пошли изначально.

Теперь появилось ещё больше поводов для изучения AI Assisted Coding. И именно изучение, потому что сходу и без подготовки начать правильно использовать такие инструменты очень сложно.

✔️ The AI Architect Blog. Подписаться

Расскажите вашу интересную (забавную/странную) историю связанную с AI

Пятничный пост!

Начну с себя!

Я полистал свою историю диалогов с ChatGPT и добрался до первого диалога: там я просил сгенерить мне «забавные» названия для корпоративных gitlab runners, вот что получилось:

Certainly! Here are 5 more funny nicknames for GitLab runners:

1. "Repo Racer"
2. "Branch Bender"
3. "Merge Muscles"
4. "Commit Crusader"
5. "Push Pioneer"

Эти имена так и остались до сих пор.

На этом этапе я уже полноценно освоил AI для работы 😎
и страх потерять работу из-за AI сразу же исчез.

Расскажите вашу историю в комментах 👇

Тыща подписчиков!

В честь этого события, любимая жена испекла торт (не AI) 🤍

Спасибо вам всем!

За 8 месяцев существования канала Я наконец-то нащупал свою нишу – мне нравится изучать и писать про AI Coding. В будущем планирую создавать ещё больше полезного и интересного контента.

Дальше – больше

🎉 Очередной цикл релизов в мире AI начался

1. Минорный релиз Claude Opus 4.1 – судя по system card, изменений немного: модель стала чуть-чуть мощнее и безопаснее, цена осталась прежней, доступна к использованию уже сегодня. Anthropic обещали выпустить побольше нового в ближайшие недели

2. Долгожданный релиз OpenAI OSS – это две open-source модели на 120B и 20B, которые находятся примерно на одном уровне с o3 и o4-mini и которые можно запустить локально у себя на ПК или ноутбуке, или даже на телефоне. Что это значит для индустрии? А то, что со временем появится ещё больше продуктов (и я надеюсь use cases) с использованием open-source (а значит, за небольшие деньги или бесплатно) моделей, построенных на основе openai oss (нейминг супер). Браво OpenAI!
Sam Altman пишет, что openai-oss-120b отвечает на вопросы по медецине так же хорошо, как и o3 модель. Так же, он заявляет, что на разработку этой модели компания потратила миллиарды долларов и отдаёт миру бесплатно и верит, что это принесёт миру больше хорошего, чем плохого (я тоже за хорошее и против всего плохого!)

3. Gemini пока что выпустили только обновление для своего чата - добавили фичу Storybook. По запросу "make a storybook about {topic}" модель сгенерирует вам прикольную сказку с картинками и оформит это в виде книги, а так же дополнит красивым голосом автора. Доступно в том числе и на русском языке, вот я попробовал сгенерить сказку о релизе OpenAI.

У кого есть дети? Попробуйте сгенерить сказку для них

Впереди ещё несколько недель новостей, stay tuned.

✔️ The AI Architect Blog, подписывайтесь!

Три инсайта, которые я осознал за год кодинга с AI

◾️ Использовать AI для обучения очень удобно
Разбирайтесь в новых для вас терминах без страха быть осмеянным на stack overflow или в чатиках.

◾️ Растить свои знания вширь - круто
С помощью AI это делать ещё проще и полезнее. Миру потребуется ещё больше людей, которые смогут заняться и devops и front-end и back-end.

◾️ В мире AI всё обновляется почти ежедневно и следить за всем этим не обязательно, оставьте это блогерам
Но держите в голове, что всё устаревает тоже быстро и поэтому стоит задаваться вопросом "чё там нового в мире AI" хотя бы раз в пару месяцев, чтобы не тратить лишние деньги на legacy модель (которую выпустили менее 1 года назад), а перекатиться на более актуальную за меньшие деньги

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

😎 Как сэкономить деньги на AI Coding Agents

Чем отличается эффективное использование AI Coding Agents от неэффективного?

В первом случае, репозиторий, в котором работает агент, правильно настроен.

Чтобы агенту не приходилось с каждым новым чатом изучать ваш проект и тратить на это деньги и токены, то каждый такой проект необходимо хорошо подготовить

Что в это входит?
▪️ знания о проекте
▪️ возможность проверить свою работу

Это понимают и сами разработчики, поэтому Claude Code и другие актуальные инструменты имеют в запасе команду /init, которая заставляет агента собрать информацию о проекте и положить её в один файл — CLAUDE.MD (или AGENTS.MD, GEMINI.MD). Да, качество у автоматического сбора будет не очень, потому что в большинстве проектов нельзя просто из кода понять о чем вообще проект, но это лучше, чем ничего.

🧠 Знания о проекте

Во-первых, это rules. Это правила о том, КАК агент должен писать код в этом проекте

во вторых это документация. В документацию могут входить знания об архитектуре проекта, технический стек, описание основных компонентов системы, описание бизнес-задач, описание проекта в целом, что это такое и для чего он нужен, и прочее.

В этих файлах важно описывать всю эту информацию вручную, либо, если использовать AI для описания этого, то нужно очень тщательно и досконально проверять результат работы.

Очень важно не допускать воды в документации.

Описывать документацию нужно очень кратко, но в то же время понятно. Каждое слово должно нести смысл и не может быть просто так: здесь не должно быть никакого вступления и прочего, потому что эта информация будет использоваться агентами при выполнении задач.

Также, можно описывать задачи прямо в репозитории в markdown файлах: что нужно сделать, что у нас есть на входе, что нужно получить на выходе, критерии приемки и прочее.

💡 Лайфхак: сделайте один README.md для агента, который будет являться оглавлением (прямо как в книгах) вашей документации и правил и при открытии нового чата каждый раз подавайте этот файл на вход. Таким образом, агент всегда будет знать, как правильно использовать вашу документацию, потом скажите мне спасибо!

🔄 Возможность проверить свою работу

Это, так называемый, feedback loop

У каждого разработчика (человека) есть возможность проверить свою работу. Для этого он запускает линтеры, чтобы, если это компилируемый язык, линтер показал, какие имеются ошибки, билдится ли проект и прочее. Далее, на основе этой информации разработчик исправляет ошибки. То же самое касается и тестов: запускаем тесты, видим ошибки и исправляем их.

Очень важно обеспечить этим инструментарием и AI Coding Agent

В документации необходимо указать, какие у нас есть команды для запуска тестов, линтеров, форматтеров; в каком порядке их нужно запускать.

Таким образом, имея в вашем арсенале документацию и feedback-loop, эффективность использования кодинговых агентов повысится в разы.

Я вам это обещаю!

Вы больше не будете тратить много денег на агентов, можете отказываться от подписок за $200 на Claude Code, ведь с правильно настроенным проектом вам будет достаточно одного или двух аккаунтов Claude Code с подписками по $20.

В комментариях я оставлю пример своего промпта с Table of Contents

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!