Сегодня — немного теории и несколько сложных слов. Попробуем такой формат :) Буду рад обратной связи: полезны ли вам такие разборы?

Вайбкодинг — это всё равно разработка. А значит, прежде чем писать код, стоит подумать об архитектуре: из каких частей будет состоять решение и как они будут взаимодействовать.

Неважно, что вы создаёте: небольшой скрипт для обработки отчёта о продажах или полноценный репрайсер. От решений, принятых на старте, зависит, насколько удобно будет поддерживать и развивать ваш проект.

Языковые модели знакомы со множеством подходов к разработке. Но есть нюанс: модель ориентируется на задачу, которую вы ей поставили. Если попросить сделать простой скрипт, она не обязательно предусмотрит, что со временем он должен стать частью большой системы.

А потом появляются новые идеи, дополнительные отчёты, другие источники данных. И выясняется, что первоначальное решение можно расширять, но каждое изменение требует всё больше усилий. В самом начале задачу заложить основу для дальнейшего развития никто не ставил.

Добавим сюда ещё один вопрос: какую роль в вашей системе должен играть ИИ?

Модель может сама анализировать переданные ей данные. А может написать скрипт, который будет обрабатывать их по заданным правилам — уже без участия модели.

Это важное различие, которое легко упустить, когда только начинаешь работать с ИИ. От него зависят и архитектура проекта, и расходы на его использование.

Вот несколько правил, которые помогут на этапе идеи.

1. Разбивайте задачу на отдельные этапы

Допустим, вам нужен скрипт, который анализирует отчёт о продажах и рассчитывает среднюю цену продажи по группе товаров за период.

За этой задачей стоят четыре этапа: получить данные через API, сохранить их, обработать и показать результат — например, в таблице или файле.

Можно собрать всё в один скрипт, который каждый раз выполняет всю цепочку. Для небольшой разовой задачи этого может быть достаточно.

Но если вы планируете развивать проект, имеет смысл разделить эти этапы на модули с понятными задачами. Они будут связаны данными, при этом каждый можно будет отдельно менять и запускать по необходимости.

Например, загружать свежий отчёт раз в день, а расчёты по уже сохранённым данным выполнять тогда, когда они нужны. Для нового расчёта не придётся заново получать весь отчёт.

2. Продумайте, для чего ещё пригодятся данные

Заранее определите, что вы хотите получить от проекта: с какими данными будете работать, как их обрабатывать и какие решения принимать на их основе.

Один и тот же отчёт о продажах может пригодиться для расчёта соинвеста, ABC-анализа и других задач. Если учесть это на старте, будет проще организовать хранение данных и повторно использовать их в разных расчётах.

Необязательно сразу разрабатывать все функции. Достаточно обозначить, в какую сторону вы планируете развивать систему.

3. Попросите модель задавать вопросы

До написания кода дайте модели задачу уточнить вашу идею: какой результат нужен, откуда брать данные, как часто их обновлять и зачем нужен каждый показатель.

Попросите её предложить варианты реализации и объяснить, какой из них лучше подходит для вашей цели и почему.

Такие вопросы помогают обнаружить пробелы в задаче, пока их ещё легко исправить.

Продолжение👇🏻