Мы узнали у Максима Фатина, основателя сообщества algocode, как он внедряет в работу ИИ. И почему результат получается разным:
Пробовал в старом проекте обновить функциональность API-ручки, и Codex кучу всего не учёл:
— обратную совместимость;
— оптимальность решения и работу под нагрузкой;
— текущие интеграции и начал хранить данные, за которые сервис не должен отвечать.
А вот другой пример:
Пилил новый сервис, и буквально за 60–70 минут с Codex у меня было всё:
— настроенный CI/CD;
— возможность локального тестирования;
— учтены все особенности соседних сервисов и сделана интеграция без ошибок.
Но почему такой разный результат? Всё дело в связке: тулинг + постановка задачи.
Во втором примере я:
— очень жёстко ревьюил схему БД и OpenAPI и не просил AI ничего делать, пока это не доделали;
— у AI был шаблон настройки CI/CD;
— у AI были скиллы с лучшими практиками стека/проектирования БД/ и другие;
— я подробно расписал функциональность и ключевые особенности прописал в md-файле.
Итого:
— я генерировал через AI только то, что он делает хорошо;
— писал сам/ревьюил ключевые компоненты;
— и использовал модели/агентов, которые в своих задачах уже себя хорошо показывали в результате экспериментов.
И чем больше таких связок у тебя есть, тем спокойнее ты будешь спать. И задачи будешь быстрее выполнять. При этом не делаешь коммит на авось в прод.