AI Product | Igor Akimov

Вынесу из комментариев, потому что может быть полезно многим. Как можно тащить крупные проекты и большие кодовые базы с AI. Самое главное - максимально качественное погружение ИИ в контекст вашего репозитория и задачи и возможность автоматических проверок всего, что только можно. Честно говоря обновления, что подъехало в топовые LLM уже приблизили их к статусу мидла и даже иногда синьор разработчика, но все это, конечно, очень легко сломать, если не потратить время на подготовку. 1. Какую LLM выбрать? Для той самой задачи конвертации библиотеки я использовал 3 подписки: ChatGPT+ внутри Codex, Gemini Pro для Antigravity с Gemini 3 Pro/3 Flash/Opus 4.5 и Claude+ внутри Claude Code. То есть глобально 60 евро в месяц, но делал, если прям багфикс еще считать, где-то пару недель, так что вышло 30 евро, то есть раз в 10000 меньше, чем аналогичная работа команды. В Десять Тысяч Раз Меньше! Поэтому если вы все еще ворочаете нос от AI для кодинга - у меня к вам большие вопросы. Я уже с лета отказывал людям на собесах, если они не использовали AI. При этом они все разные и у каждой есть плюсы и минусы, поэтому я скептически отношусь к "монополизму" Claude Code в умах людей. Это мощная система, но для нее надо очень тщательно декомпозировать задачи, плюс в фронтенде и мультимодальности она так себе. Желательно понимать плюсы и минусы разных систем и пользоваться преимуществами всего, что дают вендоры. Больше всего мне понравился Codex-5.2 - senior-разработчик с тщательным подходом. Если нужно четко и планомерно идти по хорошо составленному плану (даже на месяц разработки) - это лучший вариант. Но естестественно с полностью и тщательно описанными вводными данными. Он очень хорошо работает с практически безлимитным контекстом. Opus-4.5 очень хорошо пишет код по атомарным задачам понятным и конечно лучше всего работает внутри Claude Code. Но если закончились лимиты я продолжаю просто использовать его же в Antigravity. С ним надо тщательно следить за контекстом и стараться решать маленькие задачи, потому что при выходе даже за 30% токенов могут начинаться глюки. Gemini-3.0 Pro лучше всех пишет и багфиксит фронтенд, разбирается с дизайном и имеет огромный контекст. Какие-то задачи глобальных сравнений огромных файлов я давал ему. Gemini 3 Flash - хорошо запускать, когда надо просто быстро проверить или поправить, но нельзя ничего сломать. Потому что это чисто такой джун супер-быстрый, но туповатый :) 2. Тесты и план работы Мне очень помогло, что были тестовые данные доступны, так что по ним можно было наделать уже программных тестов и потом пошагово делать и проверять. Тестовые кейзы и подробное описание задачи - маст-хев. Можно не все брать из головы, можно просить LLM сгенерировать, но конечно вычитывать это все и проверять, чтобы не запуталась. Тесты же потом уберегут вас от всяких катастрофических правок (которые случаются у всех). Поэтому PRD и прочая документация становится вашим главным оружием. И если у вас есть хорошо описанный код - вы можете запросто закидывать его в промпт и agents.md тоже, LLM сразу рубит фишку и не начинает писать все как бог на душу положит. Основной agents.md и plans.md составил Codex (вот тут почитать как они рекомендуют работать с большими задачами - - https://cookbook.openai.com/articles/codex_exec_plans#plansmd), но с 1 промпта, к сожалению, решить задачу не получилось, у меня сожрался недельный лимит уже на второй день :) Соответственно после каждой операции файл планов обновляется и все "подключающиеся" LLM следуют документам, пишут под себя более мелкие планы и дальше делают. Также заставлял смотреть на код на Java по каждой проверке и это тоже помогло двигаться быстрее. Agents.md сначала максимально подробно сформировал с LLM-ками, но потом понял, что все теряют контекст и путаются и раскидал более точечные описания по разным файлам, а в agents.md только общее описание проекта и что где искать. Ну и конечно всякие проверяльщики, линтеры должны включаться как можно чаще.