Comments 6
Проблем будет меньше, но они останутся. Ограниченность внимания в первую очередь. Даже просьба отформатировать и вывести уже введённый относительно небольшой текст иногда приводит к потерям фрагментов.
Решал аналогичную проблему на порядок проще, используя примерно следующий промт: "Изучи раздел/класс Abc этой кодовой базы, его связанные дочерние и родительские модули, сервисы бекенда, связанную документацию, тесты. Затем тщательно обдумай и составь детальный план по добавлению функциональности..." Далее смотрим и корректируем представленный план и отправляем на пошаговое выполнение. Все в cursor'е. Лучше всего работает на последнем клоде, его контекстное окно в 1М токенов хорошо держит направление работы где-то до заполнения в 40-60%, потом качество и глубина проработки падают, стоит начинать новую сессию. До клода последнего тоже нравился gemini-2.5-pro, но ему задачу надо описывать было более детально и точно, иначе его "вело не в ту степь"
Не могу похвастаться, что Codex делает без проблем все фичи, но легко справляется с огромными ботами ТГ. Так же есть способ тупо запаковать в zip и бросать модели в чат, но вычищая чувствительную инфу типо Api и т.д. Хотелось бы узнать, как обстоят дела в крупных игрокам типо Яндекса или Сбера. Юзают ли там модели? Или пишут культяпками?)
Спасибо за статью! Для похожих задач я использую codanna — инструмент, который можно рассматривать как расширенную версию code2prompt с дополнительными возможностями:
Семантический индекс (быстрый поиск по коду, включая зависимости и вызовы функций).
Графы вызовов (визуализация связей между модулями, что критично для больших проектов).
Интеграция с MCP (протокол для взаимодействия с ИИ, например, Claude), что позволяет не только генерировать промпты, но и получать ответы напрямую от LLM с учётом контекста кода.
Поддержка широкого спектра языков (Rust, Go, Python, JavaScript/TypeScript, Java, C++, C#, PHP, GDScript).
Где это полезно?
Если вам нужно не только сгенерировать документацию или тесты (как в
code2prompt), но и анализировать кодовую базу (например, найти все вызовы функции или оценить влияние изменений).Если вы работаете с большими проектами, где важно понимать зависимости между модулями.
Если вы хотите интегрировать анализ кода напрямую с ИИ (например, через Claude) для более глубокого ревью или ответов на вопросы о коде.
Пример использования:
# Индексирование проекта (однократно)
codanna index src/ --progress
# Поиск всех вызовов функции authenticate
codanna mcp semantic_search query:"where is authenticate called" limit:10
# Анализ воздействия изменений
codanna mcp semantic_search query:"what breaks if I modify UserService interface" limit:5
Вывод:
code2promptотлично подходит для генерации контента (документация, тесты, промпты).codannaрасширяет этот функционал анализом кода и интеграцией с ИИ, что делает его более универсальным инструментом для сложных проектов.
Если вам нужна генерация промптов + глубокий анализ кода, стоит присмотреться к codanna.
Почему ваш AI-ассистент пишет «вырвиглазный» код, и как это исправить грубой силой