Как правильно промптить? Попросите AI написать промпт за вас!

В комментариях к прошлому посту появились вопросы, как я подхожу к написанию промптов. Мой ответ простой: я почти никогда не пишу их с нуля. Я использую AI, чтобы он написал промпт для меня. Это мета-навык, который экономит кучу времени.

Делюсь своим воркфлоу, который можно применить практически для любой задачи.

Мой итеративный воркфлоу в AI Studio

Представьте, что нам нужно написать промпт для субагента в Claude Code, основываясь на какой-то статье или документации.

🧠 Шаг 1: Собираем контекст.
Берем исходный материал — статью, пост из другого канала, документацию — и загружаем его в AI Studio. Это основа, на которой модель будет строить свои ответы.

🗣 Шаг 2: Диалог и проверка понимания.
Прежде чем просить сгенерировать финальный промпт, я задаю несколько уточняющих вопросов по тексту.

На примере этой статьи, которая описывает подход к работе с Claude Code, уточняющие вопросы могут быть такими:
"Правильно ли я понимаю, что субагент должен делать X и Y?", "Какие ключевые принципы построения промптов описаны в этой статье?". Так мы убеждаемся, что модель "в теме".

📝 Шаг 3: Генерация первого черновика.
Теперь просим главное: "Основываясь на этой статье, напиши промпт для субагента-тестировщика. Промпт должен соответствовать аннотации Claude Code (можно даже привести пример структуры)". Мы даем модели всю необходимую информацию, чтобы она сгенерировала качественный результат.

🧐 Шаг 4: Ревью и быстрые правки.
Полученный промпт внимательно проверяем.
Мелкие ошибки или неточности? Исправляю вручную.
Серьезные логические проблемы? Не трачу время на исправление. Возвращаюсь к шагу 3 и корректирую свой изначальный запрос, чтобы получить лучший результат.

🔄 Шаг 5: Тестирование и отладка (Feedback Loop).
Вставляем готовый промпт в нашу систему (например, в Claude Code) и запускаем. Если что-то идет не так и агент ошибается — это не провал, а ценная информация!
Я беру вывод с ошибкой, возвращаюсь в тот же чат в AI Studio и спрашиваю: "Смотри, агент с твоим промптом выдал вот такую ошибку. Почему это произошло и как нам исправить промпт?". Модель анализирует проблему и предлагает решение. Мы получаем улучшенную версию, тестируем снова — и так до победного.

А как же специальные инструменты?

Да, существуют инструменты для "улучшения" промптов от Anthropic и OpenAI. Но, честно говоря, для 95% повседневных задач они избыточны.

Мой подход такой:
Для разовых или некритичных задач: Прототипа, полученного по воркфлоу выше, более чем достаточно.
Для промптов в production-системах: Вот здесь уже стоит заняться полировкой. Когда прототип доказал свою работоспособность, можно его оптимизировать: добавить XML-теги для структурирования, убрать лишнюю информацию для экономии токенов и т.д.

В итоге, главный скилл — не в том, чтобы с нуля придумать идеальный промпт, а в том, чтобы выстроить процесс, где AI помогает вам его создать и отладить.

Если было полезно, жмите 🔥+🔁!

#ai_coding@the_ai_architect #prompt_engineering@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Три инсайта о том, как AI-кодинг может выстрелить вам в ногу

◾️ О безопасности
Ни один AI-агент по умолчанию не будет проверять, не закоммитили ли вы .env файл или private.key в публичный репозиторий. Безопасность — это всё ещё на 100% ваша ответственность. (Подробнее тут).

◾️ Подписочные модели режут качество
Инструменты с фиксированной ежемесячной платой (вроде Cursor) со временем могут начать экономить на вас, урезая контекст и снижая качество ответов, чтобы оставаться в прибыли. Не привязывайтесь к одному инструменту. ( Подробнее тут).

◾️ Интеллект агента ограничен вашим контекстом
AI не читает ваши мысли. Если он "тупит", скорее всего, вы либо дали ему недостаточно файлов, либо релевантная информация потерялась из-за ограничений контекстного окна. Управление контекстом — ключевой навык. (Подробнее тут и здесь)

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

AI Coding Tools Landscape: от простого автокомплита до автономных агентов

Пост, который давно все так ждали. Обязательно попробуйте эти инструменты на выходных, если ещё не

Рынок AI-инструментов для разработки растет как на дрожжах. Cursor, Claude Code, Gemini CLI, Jules... Легко запутаться, что для чего нужно и с чего начать. Сегодня я разложу все по полочкам и нарисую карту этого нового мира, чтобы вы могли выбрать правильный инструмент для своей задачи и уровня подготовки.

Все инструменты можно условно разделить на несколько уровней, от самых простых до самых продвинутых.

Уровень 1: Помощники

Это самый простой и популярный способ вкатиться в AI-кодинг. Здесь человек остается главным, а AI выступает в роли умного помощника.

◾️ Что это: Автодополнение кода (Tab-tab-tab), встроенный в IDE чат для вопросов и выполнения небольших задач (Cursor, Windsurf, Cline, Github Copilot).
◾️ Как работает: Вы пишете код, а AI autocomplete предлагает варианты. Вы описываете задачу в чате, прикрепляете пару файлов, и агент вносит точечные правки.
◾️ Для кого: Для всех. Входной порог минимальный, а буст к скорости ощутим сразу.

Уровень 2: Генераторы прототипов (Low-code / No-code)

Эти инструменты сфокусированы на быстрой генерации UI и лендингов. Отличный пример того, что можно назвать «вайб-кодингом» для старта.

◾️ Что это: Lovable, v0, bolt, Replit.
◾️ Как работает: Вы описываете словами или даже скидываете дизайн того, что хотите получить, а инструмент пишет готовый код страницы или компонента.
◾️ Для кого: Идеально для быстрого создания прототипов, когда скорость важнее идеальной архитектуры. Результат можно выкинуть в мусорку или использовать как заготовку в агентах следующего уровня.

Уровень 3: Полу-автономные агенты

Здесь начинается серьезная игра и осознанный AI Assisted Coding. Эти инструменты работают локально, чаще всего в терминале, и требуют от вас подготовки проекта.

◾️ Что это: Claude Code, Gemini CLI, opencode.
◾️ Как работает: Вы больше не просто просите «исправить баг». Вы готовите репозиторий: пишете документацию и правила для агента (тот самый AGENTS.MD), настраиваете тесты и линтеры для обратной связи. Агент получает задачу и работает в подготовленной среде.
◾️ Для кого: Для тех, кто готов инвестировать время в настройку процессов. Здесь вы получаете гораздо больше контроля над контекстом и процессом генерации. Но и результат получается качественнее и работа с кодом лучше масштабируется

Уровень 4: Автономные агенты

Эти агенты живут в облаке, они более самостоятельны и рассчитаны на длительную работу над сложными задачами.

◾️ Что это: Google Jules, OpenAI Codex.
◾️ Как работает: Вы детально описываете задачу, агент берет ее в работу, а вы через некоторое время получаете готовый pull request. Эти системы требуют максимально подготовленной инфраструктуры: исчерпывающая документация, полное покрытие тестами, четко описанные задачи.
◾️ Для кого: Для хорошо выстроенных, «энтерпрайзных» проектов, где процессы важнее скорости сиюминутных правок. Это уже полноценная «фабрика кода», где вы выступаете в роли архитектора и ревьюера (или подключаете CodeAlive на эту роль).

Как выбрать свой путь?

Главный вывод прост: чем автономнее инструмент, тем больше от вас требуется подготовки и понимания процессов.

1. Начинаете? Освойте любой Copilot или Cursor. Это даст мгновенный прирост продуктивности без изменения ваших привычек.
2. Делаете MVP? Попробуйте low-code инструменты типа v0, чтобы быстро получить результат.
3. Готовы к серьезной работе? Переходите на Claude Code или opencode. Инвестируйте время в написание правил и тестов.
4. У вас большой проект с выстроенными процессами? Смотрите в сторону автономных агентов.

Забавно, что вся эта эволюция заново открывает для нас то, что давно работало в сильных распределенных командах: хорошая документация, тесты и четкая постановка задач — ключ к успеху. Просто теперь вашим новым software engineer стал AI.

Если было полезно, жмите 🔥+🔁!

#ai_coding@the_ai_architect #ai_coding_tools@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Смотреть, как разработчик пытается исправить результат AI через "follow-up" сообщения — это как смотреть, как кто-то кричит на сломанный принтер.

"Нет, переделай", "я же просил не так", "добавь вот это".

Если AI с первого раза выдал чушь, проблема не в нем, а в вашем ТЗ. Откатитесь. Перепишите промпт. Хватит вести с машиной бессмысленные препирательства.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

⚡️ Anthropic регистрирует товарные знаки в России

Американский Anthropic, разработчик ИИ Claude и продуктов на его основе (Claude Code, Claude Chrome итд), начала процесс регистрации товарных знаков в России.

‼️Заявитель: Энсропик, ПБС, 548 Маркет Ст, ПМБ 90375, Сан-Франциско, Калифорния 94104, Соединённые Штаты Америки (US). Регистрируют Claude, Anthropic, загружаемый и незагружаемый софт: раз, два, три, четыре.

Это шаг, который может означать как планы компании по выходу на российский рынок, ну или как минимум, закрепление своих прав на бренд.

Как мы не помним, ранее CEO Anthropic Дарио Амодей во внутренней переписке заявил, что деньги не пахнут, вопреки декларации на сайте, они должны привлекать деньги из разных источников.

Будем следить, как это повлияет на наш рынок ИИ.

@anti_agi

Ваш AI-агент — герой фильма «Помни»? Как создать для него память

Представьте, что вы даете AI-агенту задачу, он ее выполняет, а на следующий день открываете новый чат для новой задачи и агент уже не так хорошо выполняет её. Знакомо? Приходится заново объяснять весь контекст, прикреплять те же файлы и повторять то, что вы обсуждали только вчера.

Это напоминает фильм «Помни» (Memento), где главный герой страдает от амнезии и не может формировать новые воспоминания. Чтобы выжить, он создает для себя внешнюю систему памяти: делает татуировки с ключевыми фактами, фотографирует людей и оставляет себе записки.

Наши AI-агенты страдают от той же проблемы.

🧠 Одноразовые духи с амнезией

На недавнем эфире с коллегами мы как раз обсуждали эту идею, которую отлично сформулировал Андрей Карпатый here we go again: AI-агенты похожи на одноразовых джиннов или духов.

Каждый раз, когда вы отправляете запрос, вы призываете совершенно нового «духа». У него есть общие знания о мире, но он абсолютно ничего не помнит о ваших предыдущих разговорах. Вся его «память» — это то, что поместилось в текущее контекстное окно.

Для разработки это катастрофа:
▪️ Потеря контекста: Агент не помнит архитектуру проекта, стиль кода или принятые ранее решения.
▪️ Буквальное исполнение: Как джинн, он, иногда, выполняет промпт буквально, не задумываясь о последствиях. Сказать ему DROP DATABASE? Он может и не спросить, уверены ли вы.
▪️ Бесконечные повторения: Приходится снова и снова скармливать ему одни и те же файлы и инструкции.

💡 Решение: Memory Bank — создаем «татуировки» для агента

Если наш агент — главный герой из «Помни», то мы должны стать архитекторами его памяти. Нам нужно создать для него тот самый Memory Bank — внешний, надежный источник правды, к которому он будет обращаться перед каждым действием.

Тут важно уточнить, что я говорю не про какую-то конкретную реализацию в виде
MCP сервера, а про концепт в целом. Для создания Memory bank не обязательно устанавливать какую-то новую IDE или MCP сервер, его можно реализовать и на командах/инструкциях.

Что входит в этот Memory Bank? Все то, о чем я уже не раз говорил:

📝 Главная инструкция проекта (AGENTS.MD, CLAUDE.MD): Здесь описаны структура проекта, правила именования, стек и ключевые архитектурные решения.

🗺 Документация: Описание основных концепций, продуктовых фич, эпиков, схемы БД, гайды по запуску и деплою.

📋 Спецификации и таски: Четко описанные задачи в markdown-файлах, которые агент может прочитать и понять, что от него требуется.

✅ Feedback Loop: Инструкции по запуску тестов и линтеров, чтобы агент мог сам проверить свою работу — аналог проверки своих записок на достоверность.

Так что в следующий раз, когда AI-агент снова забудет контекст, не спешите ругать модель. Спросите себя: а есть ли у него «татуировка» с правилами вашего проекта? Показали ли вы ему «фотографию» с архитектурой?

Перестаньте бороться с амнезией. Начните ее лечить. Создайте для своего агента Memory Bank, и вы увидите, как хаотичный «вайб-кодинг» превращается в предсказуемый и управляемый процесс.

Если было полезно, жмите 🔥+🔁!

#ai_coding@the_ai_architect #ai_agents@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Выключайте mcp сервера

Ещё на прошедшем стриме мы разгоняли про mcp сервера и я обнаружил, что инструкции mcp тулам занимают охренеть как много токенов!

Тогда я сетовал на browsermcp, инструкции которого занимают 5к токенов!

Сегодня мне понадобилось порисерчить один github repository и я решил поручить это дело Claude Code.

Я установил официальный github mcp, запустил claude, отправил команду /context и увидел, что только этот mcp занимает 46к токенов, Карл!

46к токенов на пустой сессии.

46к токенов это 25% контекстного окна Claude Sonnet 4.

46к токенов это примерно половина контекстного окна, за пределы которого я стараюсь не выходить при работе.

Даже разработчики официального github mcp не чураются описывать все корнер кейсы в инструкциях, чтобы агенты с этим mcp хоть как то работали, но это ведёт к выжиранию контекста!

Вывод:
1. Обязательно пользуйтесь инструментами для мониторинга текущего размера контекста (в CC команда /context, или в расширении ccstatusline можно добавить строчку)

2. Отключайте не нужные mcp сервера

#ai_coding@the_ai_architect #claude_code@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Три инсайта об обучении в мире AI-кодинга

◾️ Изучать новое с AI — это суперсила
Вы можете осваивать незнакомые языки и фреймворки с невероятной скоростью. AI станет вашим терпеливым наставником, который объяснит любую концепцию без осуждения, в отличие от Stack Overflow. (Подробнее тут и здесь).

◾️ Умение кодить ≠ умение кодить с AI
Это отдельный навык со своей кривой обучения. Не ждите, что вы "сядете и поедете". Нужно потратить время, чтобы поменять свои привычки, научиться декомпозировать задачи и правильно формулировать мысли для машины. (Подробнее тут).

◾️ Каждая ошибка агента — это урок для вас
Если AI раз за разом ошибается в одном и том же месте, это сигнал. Проблема не в нем, а в ваших "правилах" или промпте. Проанализируйте ошибку, дополните правила, и вы оба станете умнее. (Подробнее тут и здесь)

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Сегодня я смерджил эпик, который от А до Я написал AI-агент

Это была не игрушечная задача, а вполне себе боевая миграция.

🎯 Задача: Перевезти бэкенд в сложном монорепозитории со связки MongoDB + Prisma на Postgres + Drizzle ORM. Данные мигрировать не требовалось, но нужно было аккуратно переписать десятки файлов, учитывая все нюансы проекта.

В последнее время мне понравился код "слоями"

1. Сначала — глубокий research. Агент изучил всю кодовую базу, создал файлик с репортом и задал мне уточняющие вопросы, чтобы понять все зависимости. Я ответил на них прямо в файле.
2. Затем — детальный Implementation Plan. Мы вместе составили план, куда сразу включили обновление документации и только потом — написание кода.
3. Реализация "слоями":
Слой 1: "Скелет". Агент написал минимально работающий код, который выполнял основной функционал, чтобы проект просто собирался.
Слой 2: План рефакторинга. Я попросил агента проанализировать написанный "скелет", сравнить его с задачей и составить план улучшений, включая обработку edge-кейсов.
Слой 3: Финальный код. Агент реализовал свой же план рефакторинга.

💰 Результат в цифрах:

Мое время: ~8 часов (контроль, ревью, постановка задач).
Токены: ~120 млн (модели Opus 4.1 и Sonnet 4).
Стоимость: ~$100 (по ценам API).
Итог: Бэкенд запустился с третьей попытки. Последним был пайплайн, который длился около часа "план -> код -> рефакторинг -> фиксы".

А сколько бы времени ушло у вас на это дело? :)

Самой большой проблемой во всём это было резкое отупление Sonnet 4. Модель, которая раньше щелкала такие задачи, начала творить дичь:

Заблудилась в файловой системе и создала папку не там, где нужно.
Проигнорировала собственные правила, забыв про субагента для Kanban-доски, хотя он четко описан в claude.md.
Потеряла нить задачи на полпути, просто забыв конечную цель, описанную в плане.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Как же тяжело управлять AI агентами

Они то и дело ленятся, выполняют только часть задач и врут. При этом, чем модель умнее смекалистее и смышлённее (Sonnet 4), тем она больше будет выкручиваться и лениться выполнять задачи. В моих кодинговых пайплайнах приходится перезапускать таску по-нескольку раз и только после этого задача выполняется. Похоже на сдвгшника, которому нужно отдохнуть и получить дофаминчика, чтобы выполнить свою работу полностью.

А при обновлении моих инструкций и пайплайнов ещё сложнее: агенты то и дело норовят добавить свои три копейки "эта штука заменяет X, которая была у нас раньше! Теперь на 40% эффективнее!", постоянно приходится вычищать эти "важные" уточнения.

Постоянно приходится формулировать и описывать "рамки" для агентов, чтобы они выполняли задачи как надо.

Вывод?

Production-ready AI coding не для новичков и вайб-кодеров. Если хотите получать все преимущества (больше денег, экономия времени) ai coding уже сегодня, то нужно в это вникать и разбираться.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Как бороться с оверинжинирингом?

Оверинжиниринг - это избыточная сложность в коде. Абстракции, фабрики, ООП, и вот это всё. У всех, конечно, свои условия, но это чаще всего не нужно.

AI чаще всего по дефолту старается писать именно такой код. И если давать задачу написать что-нибудь с нуля, и у него в контексте не будет примеров вашего кода то AI скорее всего, будет стараться писать over engineering код.

В чем проблема такого кода?

Его сложно поддерживать, добавлять фичи, фиксить баги.

Как решить такую проблему?

В моей компании мы, в основном, пишем приложения для стартапов. Я попросил chatgpt описать процесс разработки для такого рода компаний и, к моему удивлению, он описал почти все наши процессы!
Далее, я попросил его написать правила разработки и сохранил их в своём memory bank.
В промпте субагента, который пишет код, указано, что он должен следовать этим правилам. В целом, это решает проблему, но не всегда.
Для таких случаев, у меня есть субагент, который проверяет, насколько хорошо код соответствует моим правилам и составляет отчёт. Далее, отчёт скармливается субагенту, пишущему код и проблемы устраняются.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Две недели не пишу посты, ну и дела!

Был в отпуске, перезагрузился и с новыми силами нырнул в работу обратно.
За текущую рабочую неделю:
- провёл обещанный воркшоп по AI Coding: в первый день рассказал лекцию о том, как вкатиться в это дело и с чего начать. Во второй день мы делали таск-трекер. Я раздал ребятам задачи, а они их выполняли: кто в Cursor, кто в Claude Code; в конце я сам сел за Codex и показал как я работаю.

По той обратной связи, которую ребята мне дали, могу сказать, что несмотря на организационные и технические нюансы, прошло всё очень круто:

1. структурно и подробно, можно было останавливать и задавать уточняющие вопросы
2. хорошие советы по организации memory-bank и ворфлоу в целом

Привет, мне воркшоп очень понравился. В первый день показалось, что будет немного нового. Я давно с агентами и мне сложно найти прямо совсем новьё. Я и фалы - описания тоже пишу, и тудушки. НО

даже одна находка по создание схемы со ссылками - это ооочень стоящая вещь.

Так, смотри, мне в целом понравилось, было полезно, тем более за такую цену. По лекции все было понятно. Мне понравился твой подход с онбордингом, с сохранением контекста в банк. И мне еще понравилось, что ты обозначил фидбэк-луп. вот я просто не думал про это как про какой-то отдельный подход

Мне и самому очень понравился такой формат взаимодействия! Было прикольно посмотреть, что именно люди пишут в промптах и как взаимодействуют с агентами.

- занимаюсь теперь причёсыванием такого контента и скоро покажу кое-что интересное для тех, кто не знает, с чего начать в AI Coding

- готовлюсь к выступлении в качестве спикера на онлайн-конференции в октябре, буду рассказывать про AI Coding, конечно же. Будет очень интересно.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Текущий активный рабочий проект в конце-концов перевёл на рельсы Plan & Act и рад!

Сейчас я работаю в Claude Code (Sonnet 4.5 моя основная модель) и Codex (GPT-5-High). Мне хватает подписок по $20. (В CC Opus я юзаю через AWS Bedrock, но не так часто)

Чаще всего, с помощью GPT-5-High я обсуждаю изменения, которые хочу сделать и создаю implementation plan.

Если надо — обновляю его, указывая в чатике, что нужно исправить. Если нужно что-то проверить, прошу CC запилить прототип (скрипт, который запускается из терминала)

Далее, с помощью GPT-5 я нарезаю этот план на таски и сохранить в файлах. Сейчас мне понравилось указывать, что одна задача должна занять максимум 3-4 часа у SWE (не знаю, что именно GPT-5 знает о способностях SWE, но результат меня устраивает).
У меня есть decompose conventions, которые объясняют, как должна выглядеть каждая таска (цель, описание, критерии приемки, ссылки на релевантный контекст).

Стадия Plan готова, переходим к Act.

У меня есть настроенный пайплайн из custom command + subagents. Оркестратор идёт в одну такую папку с задачей, читает implementation plan и по очереди выдает сабтаски subagents, которые пишут код, документацию или тесты. В конце запускается Auditor: это Opus, который на вход получает весь контекст задачи и ссылки на изменённые файлы в коде и идёт проверять, насколько код соответствует задаче и моим гайдлайнам. На выход выдает репорт, который обрабатывается оркестратором и если нужно, то цикл повторяется: добавляется новая задача на фикс, выдается subagents и т. д.

Результат кайф, в 10 из 10 случаев код соответствует тому, что было запланировано. Если есть какие то ошибки или неточности, то это проблемы стадии планирования и это говорит о том, что я должен ещё лучше проверять план и обновлять его. Либо, текущий код, который был до этой задачи не позволяет имплементировать то, что было задумано.

Если у вас ещё нет похожего сетапа — искренне рекомендую освоить инструменты и подходы и заиметь!

А код я смотрю в Zed — он вышел на винду (пока в режиме беты), он очень быстрый и симпатичный. VSCode-форки у меня не прижились — не могу переварить их интерфейс и флоу работы. JetBrains IDEs тормозные и требуют неадекватных ресурсов железа (+ денег или твой код за это).

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

В комментах к прошлому посту задали вопрос по поводу параллелизации задач

Как я и писал ранее, я придерживаюсь подхода Plan & Act:
1) Составляю план имплементации
2) Передаю план в работу (написание кода)

Конечно, план из ниоткуда не возьмётся и его нужно создать, для этого я и провожу рисёрч: описываю фичу, которую хочу реализовать и прошу модельку в Codex CLI походить по репозиторию, подготовить информацию и прийти ко мне с черновиком плана. Такой черновик, далее, обсуждается в чатике с этой же моделькой, и улучшается. Как только у меня не появляется новых вопросов по имплементации задачи, то я передаю план на выполнение. Пример того, как я храню артефакты для каждой такой задачи:

.tasks/
`-- task-1
    |-- audits
    |   `-- audit-001-2025-10-05-22-45.md
    |-- db-setup.md
    |-- final-implementation-plan.md
    |-- implementation-plan.md
    `-- subtasks
        |-- index.md
        |-- stt-001.md
        |-- stt-002.md
        |-- stt-003.md
        |-- stt-004.md
        |-- stt-005.md
        |-- stt-006.md
        `-- stt-007.md

3 directories, 12 files

Иногда, может накопиться более одной запланированной задачи и почему бы не писать код по ним параллельно?

И тут вопрос, а как запускать такие задачи параллельно?

а) Если они затрагивают разные части кодовой базы, то я не вижу никаких проблем и запускаю их параллельно. Главное, потом в коммитах выбрать нужные файлы.

б) Если затрагивают одни и те же файлы, то лучше использовать git worktree и вторую задачу выполнять в новой ветке, а потом мерджить её в основную.
Если вы работаете с github, то можно ещё попробовать передавать такие задачи в Codex Cloud или Jules, но у меня пока что мало такого опыта.

Я бы не сказал, что я ежедневно это делаю, но иногда это случается. По метрикам не замерял, но по ощущениям – время тратится эффективно)) Но! Это требует большой когнитивной нагрузки на мозги – необходимо переключаться с контекста на контекст, проверять работу кодера и вычитывать планы. К концу рабочего дня в таком режиме голова обычно пухнет 😅

Сделать так, чтобы агент автономно писал код по плану и учитывал спеки – реально, но требует знания основ (как работает llm; как работает автоматизация; знание ЯП, на котором агент пишет) и опыта работы с разными инструментами.

Claude Code я начал полноценно использовать только в начале лета, а уверенно в нём чувствую себя совсем недавно, и впереди ещё много чего хочется опробовать: добавить надежный пайплайн на автономный рисерч, интегрировать его с пайплайном написания кода и прочее.

#ai_coding@the_ai_architect

✔️ The AI Architect Blog, подписывайтесь!

Про обучение AI кодингу

Как я упоминал и вчера, очень важно знать некоторые основы и вообще потратить время и деньги на своё обучение. Хороший пример тому – то самое исследование METR. Это когда чуваки заявили, что использование Cursor снижает эффективность работы программистов.

Нюанс – за Cursor посадили людей, которые первый раз его открыли.

Как раз, я с моими AI-коллегами организовываем онлайн-конференцию про AI Coding!

Наверняка, вы уже краем уха слышали о таком мероприятии – мы закупали рекламу в некоторых тг каналах и, шутка ли, у нас уже набралось почти 1000 участников я в шоке

Конференция пройдёт 14 октября, во вторник, в 14:00 (по МСК) и продлится примерно 6 часов.

Для кого? Программисты, техлиды, СТО

Я на этой конференции буду рассказывать о том, как правильно начать кодить с AI.

Другие ребята будут рассказывать про архитектуру в вайбкодинге, про правильный выбор MCP, про контекст, про обратную связь (feedback loop) с AI агентом, про инструмент ShotgunPro, про сценарии развития разработки.

Даже если вы считаете себя асом в AI Coding, всё равно приходите. Я считаю что всегда полезно взглянуть на информацию, которую ты знаешь, под другим углом.

Получить билет можно здесь:

www.ai-dev.live

Доступны и платная и бесплатная опция получения билета.

Пересылайте этот пост коллегам и друзьям, которым это было бы интересно и увидимся 14 октября!

#performance@the_ai_architect

✔️ Timur Khakhalev про AI Coding, подписывайтесь!
⭐️ Консультации по AI Coding

блин, ребята, созванивались час назад со спикерами мельком обсудить нашу панельную дискуссию на ai-dev.live
мы должны были обсудить наброски тем в духе "какими будут следующие 2-3 года в разработке под влиянием ИИ"

и прям практически по каждой теме - очень горячая дискуссия, с крутыми сильными аргументами со всех сторон.
еле смогли прекратить спорить, есть ли будущее у джунов в ИИ-мире, какие скиллы синьоров останутся нужны, поделились парой сплетен "из первых рук" о том, как некоторые компании категорично требуют разрабов изучать ИИ-тулы, и так далее.

в общем, будь я на вашем месте - я бы записался послушать. кажется, будет прям огонь-огонь 🔥

P.S. напомню - есть опция бесплатного участия. всё на сайте: ai-dev.live

Прямо сейчас я начинаю выступать на нашей AI Dev конференции – заходите!

Ссылка в закрытом телеграм канале. Если ещё не вступили – заходите

Вопросы по моей лекции вы можете задавать в комментах к анонсу моего выступления в закрытом телеграм канале конференции AI Dev Live Ticket, я на них отвечу в конце своего выступления.

Если появятся вопросы после выступления – задавайте их прямо тут в комментах, а я отвечу

#performance@the_ai_architect

✔️ Timur Khakhalev про AI Coding, подписывайтесь!
⭐️ Консультации по AI Coding