Часть 1 из 2
Y Combinator собрал практический опыт десятков стартапов, которые строят продукты с помощью ИИ-ассистентов вроде Cursor, Windsurf и Claude. Это не теоретические рассуждения, а проверенные боем методики, которые позволяют нетехническим фаундерам создавать работающие приложения, а опытным разработчикам — кратно ускорить процесс.
Главный инсайт: успех в вайб-кодинге зависит не столько от качества промптов, сколько от правильной организации процесса разработки.
🎯 ПРОЦЕСС ПЛАНИРОВАНИЯ
Начинать работу с ИИ нужно с создания детального плана реализации. Попросите ИИ написать план в markdown-файле, который станет вашей дорожной картой.
– Удалите из плана лишние пункты и отметьте как "won't do" слишком сложные фичи
– Заведите отдельный раздел для идей на потом, чтобы не терять фокус на текущих задачах
– Работайте секция за секцией, а не пытайтесь построить всё сразу
– Просите ИИ отмечать секции как завершённые после успешной реализации
– Коммитьте каждую работающую секцию в Git перед переходом к следующей
Такой подход решает главную проблему работы с ИИ — склонность к хаотичным изменениям по всей кодовой базе. Когда есть чёткий план, и вы, и ИИ понимаете границы текущей задачи.
🔄 СТРАТЕГИИ КОНТРОЛЯ ВЕРСИЙ
Git становится критически важным инструментом при работе с ИИ. Не полагайтесь только на функцию отката в самих ИИ-инструментах.
– Начинайте каждую новую фичу с чистого состояния репозитория
– Используйте
git reset --hard HEAD когда ИИ уходит в неправильном направлении– Избегайте накопления проблем: множественные неудачные попытки создают слои плохого кода
– Когда наконец находите решение, сделайте reset и реализуйте его на чистой кодовой базе
Ключевой принцип: лучше откатиться и переделать чисто, чем пытаться исправить накопившиеся ошибки. ИИ часто создаёт обходные решения поверх предыдущих обходных решений, что быстро делает код неуправляемым.
🧪 ФРЕЙМВОРК ТЕСТИРОВАНИЯ
Тестируйте весь путь пользователя, а не отдельные кусочки кода. ИИ часто случайно ломает что-то в другой части приложения, и тест на конкретную функцию это не поймает. А тест, который симулирует реальные клики по приложению, сразу покажет проблему.
– Симулируйте поведение пользователя: тестируйте как человек, который кликает по сайту или приложению
– Ловите регрессии: LLM часто вносят ненужные изменения в несвязанную логику
– Не переходите к следующей фиче, пока не пройдут все тесты
– Некоторые фаундеры рекомендуют начинать с написания тест-кейсов, чтобы задать чёткие границы для ИИ
🐛 ЭФФЕКТИВНОЕ ИСПРАВЛЕНИЕ БАГОВ
Простое копирование сообщения об ошибке в чат с ИИ часто достаточно для получения решения.
– Просите ИИ проанализировать несколько возможных причин перед написанием кода
– После каждой неудачной попытки исправления начинайте с чистого состояния
– Добавляйте стратегическое логирование, чтобы лучше понимать, что происходит
– Пробуйте разные модели ИИ, когда одна застревает на проблеме
– Найдя решение, откатитесь и реализуйте его на чистой кодовой базе
Переключение между моделями — недооценённая тактика. Разные LLM имеют разные сильные стороны, и иногда свежий взгляд другой модели быстро решает проблему, на которой первая застряла.
Продолжение во второй части ниже