Новый гайд от Андрея Карпатого

Как выжать максимум из LLM в разработке — без магии, но с системой.

🚀 Как я “сшиваю” инструменты

1. Tab-complete (≈75%)
Хлеб с маслом — автодополнение в Cursor. Пишу кусок кода/комментарий в нужном месте — это и есть спецификация задачи с высокой пропускной способностью. Если модель тупит — часто просто выключаю/включаю.

2. Правка выделенного кода
Выделяю конкретный фрагмент → прошу точечную модификацию. Малые дельты, низкий риск.

3. Сайд-агент (Claude Code/Codex и т.п.)
Для крупных, но простых в постановке задач. Полезно, но местами фрустрирует: любит избыточные try/catch, усложнять абстракции, дублировать код. Хорош в “вайб-кодинге” незнакомых зон (Rust/SQL/утилиты/визуализации), где код одноразовый и легко выбросить. Код больше не дефицит.

4. Последняя линия — GPT-5 Pro
Когда все застряли: прокапывает тонкие баги, находит редкие доки/пейперы, даёт идеи по чистке абстракций (результаты бывают смешанные).

🌀 Новый режим: “вайб-кодинг”
Полностью сдаёмся на волю LLM (Composer+Sonnet+голос): «уменьши паддинг в сайдбаре вдвое», “Accept All”, дифы не читаю, ошибки просто кидаю в чат. Для выходных проектов ок, но для прод — держим поводок покороче.

🧭 Внутренний цикл ИИ-разработки (для кода, за который отвечаешь):

1. Засунуть контекст (по максимуму; для маленьких реп:
`files-to-prompt . -e ts -e tsx -e css -e md --cxml --ignore node_modules -o prompt.xml`)
2. Сформулировать одну конкретную следующую дельту. Попросить варианты подходов с плюс/минусами, не код.
3. Выбрать подход → попросить первый драфт кода.
4. Ревью/обучение: параллельно открыть доки незнакомых API, уточнить, откатиться при необходимости.
5. Тесты.
6. Commit.
7. Попросить следующие шаги. Повторить.

🔒 Принцип: LLM — это гипер-усердный джун со сверхпамятью и… отсутствием вкуса. Держим его на коротком поводке: медленно, осторожно, параноидально, учимся инлайн и не делегируем мышление.

А вы как “сшиваете” свои потоки — где для вас проходит граница между контролируемым циклом и вайб-кодингом? 💬