Качество работы AI-агента с конкретным фреймворком чаще зависит от Harness'а, чем от размера модели. MCP, Skills, Hooks, и т.д. способны объяснить агенту особенности инструмента: какие конструкции типичны, какие ошибки повторяются, как их избежать.

На задачах со Spring Data JPA разница заметна: с экспертным скиллом Haiku выдаёт код почти такого же качества, как Opus 4.8 без скилла! А без скилла даже Opus иногда добавляет CascadeType.ALL туда, где он совсем не нужен 🤦‍♂️.

А про корректный equals/hashCode даже Fable 5 всё ещё не в курсе)

Если вы пишете на Java/Kotlin и работаете со Spring, то вам повезло, есть готовый набор Spring Skills от ребят из @amplicode и @spring_aio. Этот набор закрывает частые ошибки в Spring Data JPA, Spring Security и других модулях фреймворка.

📚 Какие ошибки агенты допускают чаще всего с JPA и как Spring Skills помогают их избежать, читайте в новой статье на Хабре.