Программирование прямо сейчас переживает сдвиг в подходе к работе.
Если раньше основной процесс выглядел как «сел и пишешь код руками», продумываешь архитектуру, разбираешься с документацией и часами ищешь ошибки, то теперь всё чаще сценарий другой: ты формулируешь задачу, а реализацию на себя берёт ИИ.
Это и называют вайбкодингом.
Ты не работаешь на уровне синтаксиса — ты работаешь на уровне идеи. Задаёшь направление, описываешь поведение, уточняешь детали, а модель превращает это в код и структуру проекта.
Но здесь важно не попасть в иллюзию. Это не автоматическая разработка и не кнопка «сделать всё». Это инструмент, который даёт ускорение, но только если ты контролируешь процесс и понимаешь, что происходит.
Если откатиться буквально на год назад, ИИ уже умел писать код, но это было скорее про отдельные функции или простые скрипты. Собрать нормальный Telegram-бот, сайт или приложение целиком было сложно: модели теряли контекст, путались в архитектуре и часто ломали уже написанное.
С выходом новых версий вроде Claude Sonnet 4.6 и Claude Opus 4.6 ситуация сильно изменилась. Модели стали лучше держать большой проект, понимать структуру и работать с кодом не как с набором функций, а как с системой. Они дольше сохраняют контекст, лучше планируют шаги и реже требуют переписывания всего с нуля.
В результате то, что раньше требовало полноценной разработки, теперь можно собрать через диалог: от идеи до работающего бота или сервиса за один вечер.
В этой статье я разберу, как это работает на практике на примере Telegram-бота через Claude. Без демонстрационных сценариев и «идеальных кейсов» — только реальный процесс, включая моменты, где всё идёт не так.
Дисклеймер
Я не пытаюсь продать идею, что вайбкодинг заменит разработчиков.
На практике он работает иначе: он убирает рутину и ускоряет старт, но не снимает ответственность. Если ты не понимаешь, что происходит в коде, ты просто переносишь проблему с «написать» на «разобраться, что он написал».
Поэтому важно воспринимать это как инструмент усиления, а не как замену навыков.
Бум вайбкодинга
Начнем с прямых доказательств, что в мире IT действительно происходит бум вайбкодинга.
На момент 3 февраля 2026 года мы видим такую картину (извините за качество, не нашел другого скриншота):
Сразу скажу, что бот @BotFather является своего рода «админом», через которого можно создавать Telegram-боты. Всего пользователей в месяц ~ 4.100.000. Так вот, прошло буквально около 2 месяцев, и сейчас дела обстоят вот так:
Еще одно дополнение что бот BotFather был создан 11 лет назад в 2015 году. За каких то 2 месяца количество пользователей увеличилось в два раза (c 4.100.000 до 8.260.000)! Если год назад ИИ-модели не были такими сильными и запутывались в коде, то теперь совсем все иначе.
Почему Claude хорошо подходит под Telegram-ботов
Claude ощущается не как генератор ответов, а как разработчик, который просто сидит рядом и спокойно делает свою часть работы. У него нет попытки «угадать идеальный ответ» или выдать максимально эффектный результат — он скорее последовательно собирает решение.
Ключевое отличие в том, что он мыслит не функциями, а структурой проекта. Вместо того чтобы выдать один файл с кодом, он сразу предлагает разбиение на части, выносит обработчики, выделяет конфигурацию и старается держать логику разделённой. За счёт этого уже на старте получается более чистая архитектура, чем если писать в одном файле.
Второй важный момент — это контекст. Когда проект начинает расти, многие модели начинают «терять нить» и ломать уже написанный код. Claude держит больше информации в рамках диалога, и это позволяет постепенно наращивать проект без постоянного переписывания.
По качеству кода он чаще придерживается предсказуемых решений. Меньше случайных конструкций, меньше нестабильных подходов. Это не идеальный код, но он ближе к тому, что можно поддерживать.
Подготовка
Перед стартом не требуется ничего сложного: нужен бот в Telegram, Python и доступ к Claude. Если планируется запуск на сервере, добавляется VPS, но для начала это не обязательно.
Интересный момент — выбор стека. Вместо того чтобы самостоятельно разбираться в десятках библиотек, я просто делегировал этот выбор модели. В ответ получил связку с aiogram 3, SQLite и dotenv, которая на практике оказалась вполне адекватной для старта.
Это показывает суть вайбкодинга: ты не тратишь время на предварительный ресёрч, а получаешь рабочую базу и уже от неё отталкиваешься, при необходимости корректируя решения.
Для старта, как я сказал ранее, нам нужно создать самого бота через BotFather.
Как реально выглядит разработка
Главное изменение — это формат работы. Ты не пишешь код напрямую, а ведёшь диалог.
Начальный запрос может выглядеть так:
Напиши мне тг бота: библиотека aiogram3, python3, html теги, бд sqlite, logging, апи в env, со всеми зависимостями. суть в том что ...
Такой запрос задаёт сразу несколько уровней: стек, требования к окружению и общее поведение. В ответ модель не ограничивается функцией, а формирует основу проекта, которую уже можно развивать.
Дальше критически важным становится контроль формата ответа. Я начал использовать дополнительную инструкцию:
Не переписывай всю программу, выпиши коды и скажи, куда что добавить, как будто я новичок.
После этого поведение модели меняется. Она перестаёт генерировать новый проект целиком и начинает работать с текущим состоянием кода. Это превращает взаимодействие в процесс доработки, а не постоянного пересоздания.
Как растёт проект
Разработка идёт последовательно и довольно предсказуемо. Сначала появляется базовый бот с минимальной логикой, затем добавляется работа с данными, после этого усложняется поведение и появляются сценарии взаимодействия.
По мере роста Claude начинает сам структурировать код: выделяет обработчики, выносит работу с базой в отдельный слой, разделяет ответственность между файлами. Это не всегда идеально, но в целом даёт гораздо более чистую основу, чем если всё писать в одном месте.
Важный момент в том, что ты постоянно видишь, как строится логика, и можешь вмешиваться на любом этапе, корректируя решения.
Где начинаются проблемы
Ошибки появляются там, где логика становится сложнее базового уровня.
Иногда Claude использует устаревший синтаксис, особенно если библиотека недавно обновилась. Иногда предлагает методы, которые выглядят логично, но в реальности не существуют. В простых сценариях это почти не мешает, но при усложнении проекта такие моменты начинают накапливаться.
Отдельная зона риска — логика, связанная с обработкой данных, датами или состояниями. Здесь модель может делать допущения, которые неочевидны и приводят к багам.
Как я решаю ошибки через Claude
Процесс отладки становится намного проще, если использовать модель правильно.
Вместо того чтобы искать решение вручную, ты отправляешь лог ошибки и добавляешь ту же инструкцию:
(здесь вставите ваш лог ошибки)
Не переписывай весь код, напиши отдельно что нужно добавить понятно прям я новичок, все полноценными кодами и конкретно что и после чего добавлять
В таком формате Claude анализирует стек трейс и даёт конкретное решение. Он не трогает остальной код и предлагает именно правку, а не новую версию.
Ключевой момент здесь в том, что без ограничения формата он может начать «чинить всё сразу», что только усложняет ситуацию. С ограничением ответы становятся значительно точнее.
Сравнение моделей
На практике становится заметно, что разные модели по-разному ведут себя в задачах разработки.
Claude удобен, когда нужно собрать и вести проект, потому что он лучше удерживает структуру и контекст. ChatGPT чаще даёт быстрые и точные ответы на конкретные вопросы и хорошо справляется с точечными задачами.
В итоге выбор не про «лучшую модель», а про подход: одна лучше подходит для процесса, другая — для быстрых решений.
Деплой
Когда проект готов, возникает следующий этап — запуск.
Claude может дать базовую инструкцию: как создать виртуальное окружение, установить зависимости и запустить бота. Эти шаги обычно корректны и дают рабочий результат.
Но на практике часто возникают мелкие нюансы: пути, права доступа, особенности конкретного сервера. Модель не всегда их учитывает, поэтому финальная настройка всё равно требует внимания.
Это ещё один пример того, что ИИ даёт основу, но не заменяет контроль.
Плюсы и минусы вайбкодинга
Главное преимущество — скорость. Ты быстрее переходишь от идеи к рабочему результату, потому что не тратишь время на базовую реализацию.
Но при этом возрастает требование к пониманию. Если не разбираться в коде, можно получить рабочий, но непредсказуемый результат, который сложно поддерживать.
В итоге это не упрощение разработки, а смещение фокуса: меньше ручной работы, больше контроля и понимания.
Как с этим работать нормально
На практике лучше всего работает простой подход: разбивать задачи на небольшие части, не пытаться решить всё одним запросом и внимательно читать результат.
Отдельно стоит контролировать формат ответа. Даже простая фраза вроде «не переписывай код, а добавь изменения» сильно влияет на поведение модели и делает процесс более стабильным.
Заключение
Вайбкодинг — это не замена разработчика, а инструмент ускорения.
Claude помогает собрать проект, предлагает структуру и берёт на себя рутину, но финальное качество всегда зависит от того, насколько ты контролируешь процесс и понимаешь, что происходит.
Новый уровень
Следующий шаг — автоматизация разработки.
Я сделал Telegram-бота, который генерирует ботов под ключ с ИИ или без. Вы описываете идею и сразу получаешь проект с логикой, базой, логированием и настройками.
Можно выбрать модель ИИ, язык, подключить SQLite и аналитику. Проект приходит ZIP или отдельными файлами с .env, README.md и зависимостями. Настройки сохраняются, есть гайд — запуск занимает минуты.
Вы управляете не кодом, а созданием самих ботов.
Продолжение
Это первая часть.
В следующей статье разберём, как можно украсить бота — добавить нормальный UX, inline кнопки, сценарии взаимодействия, сделать его не просто рабочим, а удобным и приятным для пользователя.
