76 179 строк кода за неделю. Ни одну из них я не читал.
Привет, Хабр! Меня зовут Николай Щедрин, я ведущий аналитик Сбера. В этой статье продолжаю делиться инсайтами по использованию ИИ‑ассистентов в работе бизнес‑ и системного аналитика. Первую часть я публиковал на Хабре в прошлом году.
Сегодня поговорим о разработке собственного проекта через описание требований в .md‑файлах.
Предисловие
Чтобы оставаться в потоке стремительно меняющихся трендов и технологий, необходимо постоянно исследовать новые инструменты и подходы. Одним из таких исследований стало моё погружение в Vibe Coding с использованием инструментов GigaCode, Cursor, Claude Code, Kilo Code, Antigravity и других.
При выборе систем я ориентировался на наличие следующих возможностей:
Agent mode — автономная работа над задачами;
Rules — «прогрев» и фиксация контекста;
MCP — подключение внешних источников контекста.
Режимы «Планировщик», «Архитектор» или поддержка Agents.md не были обязательными — их функциональность легко воспроизвести через Rules или кастомные правила. Хотя в некоторых решениях эта функциональность весьма удобна.
Даже Rules при необходимости можно эмулировать простым добавлением контекста в чат — именно так многие работали до середины 2024 года. Skills в рамках текущего исследования я пока не рассматриваю.
К разработке
Наблюдая за растущими объёмами контекста, с которым работают агенты, и, как следствие, за возрастающим количеством кода в ответах агентов, я всё чаще прихожу к мысли: сгенерированный ИИ код никто не будет читать. Например, мой личный рекорд — более 5 000 строк за одну сессию (15–20 минут работы агента). Чтобы вдумчиво прочитать и отрефакторить такой объём, потребуется несколько дней. Я задумался, возможно ли разработать насыщенные функциональностью рабочий продукт, вообще не просматривая код? Этот вопрос стал отправной точкой для моего погружения в Vibe Coding.
Я решил создать проект на языке, который мне абсолютно незнаком. Выбор пал на TypeScript.
Ещё в 2023 году у меня появилась идея создать ИИ‑ассистента для работы с онлайн‑редакторами в браузере. Знакомые разработчики предупреждали: задача сложная, а cost‑to‑value сомнительный.
В 2025 году на рынке появилась решение для объяснения кода в статьях. Идея показалась мне классной. Поэтому первым шагом к полноценному браузерному ассистенту стало создание расширения для Chromium‑браузеров с возможностью подключения к ИИ‑моделям и анализа кода на страницах.
Подход к Vibe Coding
Я воспринимаю Vibe Coding как работу со стажёром или junior‑разработчиком:
задачи должны быть максимально декомпозированы;
формулировки — чёткими и измеримыми (желательно по SMART);
ожидаемое поведение — подробно описанным.
ИИ‑агент легко может «уплыть»: изменить рабочий код, сломать стили или потерять архитектурную логику. Поэтому рекомендую начинать с инициализации Git‑репозитория. Я выбрал GitVerse — удобный и дружелюбный для новичков инструмент с интеграцией облачных (GigaStudio, GigaCode) и локальных (GigaCode plugin) ассистентов.
Правила разработки
Сначала я сформулировал базовые правила:
Перед выполнением задачи анализировать .md‑файлы проекта (архитектура, требования, описание).
Начинать изменения с проработки архитектуры. Наиболее экономной по токенам считаю чистую архитектуру: агенту достаточно понимать 1–2 слоя вместо анализа всего проекта.
Все изменения фиксировать в .md в человекочитаемом виде:
описание проекта;
архитектура;
требования;
тестирование.
Соблюдать требования к Code Style.
После каждой задачи запускать тесты и формировать отчёт в .md.
Если вы полностью делегируете агенту написание кода, то будьте готовы к тому, что не сможете читать его. Значит, вам критически важны артефакты в виде документации. Это естественный переход к Doc‑as‑Code: документация живёт рядом с кодом и усиливает как ИИ‑агентов, так и людей.
Самым удобным форматом для меня стали бизнес‑требования:
use сase;
функциональные требования;
нефункциональные требования;
пользователи;
интегрируемые системы;
...
Далее, через режим Plan (или прямым запросом) формирую To‑do list — и запускается реализация.
После каждой задачи я:
проверял обновлённые .md‑файлы;
собирал проект;
загружал расширение в браузер;
тестировал инкремент.
Ошибки копировал в чат ассистенту. Особенно полезным оказался режим Debug в Cursor — он лучше анализирует логи и системно исправляет ошибки.
Результат
Без знания TypeScript, но с энтузиазмом, за 1–2 недели вечерней работы удалось собрать рабочее браузерное расширение со встроенным ИИ‑ассистентом.
Количество строк кода
Lite‑версия (open‑source) (если ссылка не откроется, то попробуйте авторизоваться на GitVerse):
Определение блоков кода на страницах сайтов.
Объяснение выбранного или выделенного кода.
Подключение провайдеров моделей:
AI Factory (Cloud.ru);
LM Studio;
OpenRouter;
OpenAI API.
Голосовой ввод (Salute Speech API).
Всплывающие и звуковые уведомления.
Плавающая кнопка с Liquid Glass‑эффектом.
Тёмная и светлая тема.
Сохранение, редактирование и удаление диалогов.
Сезонные анимации, привязанные к календарю.
Полная версия (alpha-версия выйдет под брендом GigaCode) уже добавляет к Lite:
Подключение бесплатной корпоративной модели для кода.
Стриминг ответов в чате.
DevTools‑функции:
анализ Console;
анализ DOM;
анализ Network;
мониторинг производительности;
SEO‑оценка сайта.
Inline code completion в популярных онлайн‑редакторах (Monaco, Ace и др.).
Примеры фичей
Выводы
Результат считаю показателем того, куда движется разработка: программы пишутся на человекочитаемом языке через .md‑файлы или иные форматы взаимодействия с агентом.
В голову приходит следующая аналогия:
Низкоуровневые задачи → контроль, производительность, системное ПО — критичные по производительности компонентов или безопасности.
Высокоуровневые задачи → бизнес‑приложения, веб, мобильные — менее требовательные к производительности компонентов.
No‑code → быстрый запуск продуктов.
То есть, чем ниже требования к техническим ресурсам, стабильности приложения, безопасности и др., тем чаще мы можем уходить на уровень No‑code.
По итогам эксперимента, будущее разработки представляется таким:
параллельно работают десятки агентов;
код оптимизирован для понимания ИИ (структура, семантика, связи);
минимизированы инфраструктурные потери (кеширование, сетевые задержки и др.);
коммуникация с агентами происходит через привычные инструменты — сервисы корпоративной коммуникации, мессенджеры.
Я жду момента, когда задачи можно будет назначать background‑агентам через мессенджер и получать отчёт в удобном формате — без ручного участия в коде.
А вы?
