♊️ Планируем с Gemini
3/3

Предыдущая часть: https://t.me/deksden_notes/105

...

▶️ Третьим запросом к модели мы просим сформировать чек-лист по рефакторингу, где укажем все существенные детали реализации, которые важны для нашей системы и функционировании решения.

Модель, сформировав контекст из концепции + плана может выдать адекватный чек-лист для проверки как этот план реализован.

Чек-лист мы аналогично сохраняем в отдельный файлик md, и после завершения рефакторинга просим ИИ агента использовать этот чек-лист для проверки фактического кода и документации.

❓ Зачем нужен чек-лист, ведь у нас есть подробный план реализации? В принципе, можно и план реализации использовать как чек-лист, но отдельный документ улучшает качество проверки.

❓ А а чем вообще чек-лист, может достаточно одного плана? Как показывает практика, агент при реализации самого подробного плана всегда может немного отклониться от задания. А ревью сделанной работы по чек-листу помогает добиться практически гарантированной реализации задуманного. Посмотрите сами - даже в несложных задачах ревью по чек-листу может вскрыть какие то шероховатости.

▶️ Почёму мы вообще ведём речь об этом "ручном" способе планирования, если в нынешнее время уже есть ИИ агенты, и даже Gemini CLI, работающая ровно на этой же модели? Вопрос совершенно закономерный.

Тут важно понимать: есть существенная разница между контекстом, который сформировал агент, и контекстом из файла репозитория, где методично запакованы все файлы, ещё и, как правило, по папкам разложенные в логически связанные группы - мы же разные подсистемы обычно по папкам располагаем, и в репо они упакованы аналогично, рядом.

Качество контекста, который формирует агент очень сильно зависит от того, как вы ведёте меморибанк и насколько агент смог разобраться, какую релевантную информацию и из какого места следует подгрузить в контекст. Кроме того, агент как правило, читает файлы "кусками", что может вызвать некоторую фрагментацию.

В итоге: работа Gemini CLI и Gemini 2.5pro в AI Studio сильно отличается в пользу веб-версии: она меньше путается в контексте и почти не путается в сообщениях (только в районе лимита в 1m).

Gemini CLI не будет иметь каких то особенных преимуществ по сравнению с другим агентом, только за счёт огромного контекста - ведь этот контекст ещё надо собрать! и если Gemini его смог собрать по вашему меморибанку, скорее всего то же самое может сделать и другой агент. Да, Gemini CLI на большом контексте может теоретически работать дольше, но тут есть практические вопросы к более низкой агентности Gemini 2.5pro в сравнении с Клодом или Gpt-5-codex. Тут надо ждать Gemini 3.0, в которой, наверняка, агентность будут повышать - проблема то известная.

🟢 Такие вот приёмы я использую при планировании с Гемини - чего и вам настоятельно советую. На данный момент один из лучших вариантов для проектов меньше 1m токенов.

#post
@deksden_notes