Киран Гилл опубликовал отличную статью о реальном использовании AI кодинга в продакшене. Записал себе основные мысли. LLM нужны две вещи: Контекст – чтобы понимала, КАК у вас пишут код Проверяльщик – человек, который отличит нормальный код от ерунды Главная метрика: one-shot One-shot = модель написала рабочий код с первого раза. Ты взял, вставил, работает. Противоположность = переделывать 5 раз, в итоге быстрее было самому. Как добиться one-shot чаще? Создай папку с документами для AI: "Вот как мы пишем API" "Вот как мы называем переменные" "Вот структура проекта" "Вот как писать тесты" И каждый раз включай это в промпт. Типа "вот тебе мануал, читай и пиши по нашим правилам". Они делают так: каждый модуль в Django имеет файл module_api.py — это единственный вход в модуль. Все функции там, типа visit_api.handoff_to_doctor(). AI знает правило: "Нужно что-то с визитами? Иди в visit_api.py". Не нужно шарить по 50 файлам. Если твой код – помойка, где даже люди не разберутся, AI тоже не разберется. Мусор на входе → мусор на выходе. Тест: дай коллеге незнакомый кусок кода. Он за 5 минут понял что к чему? Нет? Тогда и AI не поймет. Нельзя выкинуть разработчиков Главная ошибка: "давайте AI всё сделает, а мы уволим половину команды". Нет. AI генерирует код, но кто-то должен понимать: - Это правильное решение или костыль? - Это не сломает систему через полгода? - Это вообще то, что нужно? Поэтому инвестируй в команду, а не выкидывай её. Бутылочное горло: проверка кода AI генерирует код быстрее, чем люди проверяют. Что делать: - Автотесты на максимум - Линтеры, проверки архитектуры - Автоматизация QA без танцев с бубном Итого: Успех AI в разработке = хороший контекст + умная команда. Без этого получишь тонну кода, который придется переписывать. 🔗 https://blog.kierangill.xyz/oversight-and-guidance