Но есть два фатальных недостатка: он игнорирует скиллы — не использует, если явно не попросить. А другой — там вроде нет системы разрешений. Он может выполнять любые команды, один раз через git reset --hard без спроса удалил всю мою работу по рефакторингу, за 2.5 месяца, которую я не коммитил, так как не люблю коммитить проект в сломанном состоянии, и сразу все изменения в staged состоянии из IDE удобно смотреть. Благо, у меня были настроены ежедневные бекапы и они действительно работали, так что только один день работы потерял.

Ещё DeepSeek модели обучаются на коде, так что они не для приватного кода, но Kimi K2.6 и MiMo не используют код для обучения.

Но вот на свои проекты раньше не хватало сил, чтобы двигаться хорошими темпами, а теперь хватает, и делаю так, как выше написал - с ИИ. Бесит конечно многословность и качество кода, но зато я хотя бы доделаю и запущу свой проект.

Кроме того, у меня недорогая подписка, поэтому часто кончается квота, и приходится разгребать и думать регулярно самому.

Не думаю, что я с таким подходом разучусь думать. Просто иногда это становится лень, но если регулярно перебарывать, то норм.

А тесты я практически до ИИ и не писал.

В итоге я за компом 10 часов в сутки 7 дней в неделю что-то разрабатываю, потому что процесс затягивает. Руками я в 5 раз медленнее бы двигался и не мог бы проводить столько времени за разработкой.

Код наверное в 2 раза более многословный, но при этом есть возможность оптимизировать горячие места типа размера собранного бандла, кеширования в браузере и т.п., где руками пришлось бы долго экспериментировать и анализировать, а тут агент всё за меня сделал.

Также могу легко вылизывать UX, делая всяких плюшки, до которых руки бы вообще не дошли: индикация прогресса, кастомные компоненты и т.п..

А на работе C++, там пока до активного ИИ не созрел кроме как сгенерировать класс и потом детально его изучить и отредактировать руками. Ну и баги агенты помогают искать. В текущих задачах слишком много нюансов качества кода, производительности и управления памяти, которые я не готов доверить агентам. Но после этих задач может и буду использовать ИИ-код активнее в задачах попроще.

GPT-OSS - рассуждающая модель, которая сожрёт в разы больше токенов, чего мне не надо. Мне нужен исполнитель, который слушается, а не думает сам.

Для кодинга у меня платный Codex и иногда триал Windsurf.

Не знаю, может это эффект того, что я с самого начала работал с Mistral и подгонял промпт под уже устаревшую pixtral-12b - видимо предка ministral, или это объективно такие хорошие модели под мою задачу, для которой крайне важно следование инструкциям.

Но я сам не пробовал, так как мою заявку на регистрацию отклонили. В ЮКассе вроде видел, что отдельно через поддержку можно запросить приём иностранных платежей. Не знаю, какие шансы это получить и какие условия будут.

Но варианты есть, в любом случае.

Я это начал использовать, когда кончается недельная квота Codex, чтобы в это время составлять и прорабатывать задачи.

У меня свои проекты, на работе тоже проект библиотеки, который начинал сам с нуля, на которой крутятся рабочие проекты, которые создают другие. Обычно баг ловится сразу - запускаю рабочий проект, и ничего не рисуется или рисуется коряво. А дальше ртладчиком смотрю туда, где недавно что-то менял, и быстро нахожу причину.

За всё время получилась только пара smoke/fuzz тестов с кастомным сетевым протоколом и ещё одном месте, где ловил много багов, но я изначально ожидал их там встретить.

Помогает продуманная архитектура без дублирования кода и раскиданные по функциям ассерты-контракты. Код максимально переиспользуется благодаря универсальным абстракциям, поэтому кода, который нужно отлаживать, довольно мало, и почти все ветки кода ядра задействуются сами собой.

Если писать юнит-тесты, то при каждой итерации рефакторинга их придётся переписывать, а на это всегда было лень тратить время с учётом того, как мало его уходило на отладку и много на продумывание архитектуры.

Но с внедрением ИИ агентов стал покрывать тестами, и при обнаружении бага требовать воспроизводить его падающим тестом. Теперь ИИ агенты навёрстывают, покрывая код, и если надо, перепишут сами при рефакторинге, а потом сами будут их вызывать, подтверждая, что они действительно сделали задачу, а не сломали всё. Тут тесты реально стали нужны, чтобы вручную не просить агента переделывать по 10 раз по кругу.

Вот думаю, стоит ли пробовать Qwen...

Ещё немного сравнивал Opus 4.6 с GPT 5.4 в Windsurf на паре промптов в одной задаче. Оба одинаково сломали работающий код, но первый жрал квоту в 2 раза быстрее. Оба использовал с medium reasoning без повышенного контекста. Там задача была довольно локальная, с CSS надо было добиться нужного вида.