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