Привет, Хабр! В этой статье расскажу, как я использую агенты, чтобы упростить Backend-разработку и не тратить на рефакторинг больше времени, чем на написание кода.
Все мы слышали об ИИ‑агентах для «штампования» полноценных сайтов. Звучит заманчиво. Пишешь запрос: «Хочу сайт про собачек», и вот он — готовый сайт. Потом идешь в код и долго подбираешь слова, чтобы цензурно его описать.
Чем глубже в лес, тем толще партизаны
Разработка с нуля и работа с «пожившим» проектом с большой кодовой базой — совершенно разные истории. При написании с нуля кодовая база в некоторых случаях будет даже хорошей, или по крайней мере «подходящей» под масштабы проекта.
Как бы мы ни старались, но у человека контекст намного шире, чем у ИИ-агента. И если перед агентом ставить обширные задачи с долей абстракции, возрастает риск, что нам придётся переделывать за ним. В определённый момент агент начнёт тупить, и тогда встанет вопрос: либо вникать в то, что он написал, либо пробовать «докрутить» промпт, надеясь, что само заработает.
Vibe‑разработка — это процесс создания запроса, который определяет временные затраты на разработку. И для этого необходимо передать контекст и установить те самые рамки.
Как улучшить промпты в Cline
Для начала надо построить «ограду», ��нутри которой будет работать агент, чтобы он с большей вероятностью выдал желаемый результат. Это позволит сэкономить время на уточнение результата.
1. Файл PROJECT_MAP.md
Первая «ограда»: необходимо собрать этот файл и хранить его в корне проекта. Он содержит контекст проекта для ИИ‑агента, то есть информацию о том, как здесь принято писать код.
В файле описаны:
Архитектура:
Общая архитектура API
Шаблоны
Где хранится бизнес-логика
Как пишем тесты
Повторяющиеся паттерны
Технологии (например, Python 3.11, чтобы вместо
Optionalсразу писалtype | None)Структура проекта
Команды:
Как запустить линтеры
Как запустить тесты
Пример:
5. Тестирование
- Тесты пишутся с использованием pytest
- Используются общие фикстуры из tests/conftest.py
- Используются фабрики для генерации тестовых данных из tests/utils/factories/
- пишутся через функцииРезультат: вы предотвращаете многочасовой рефакторинг и «подгонку» стиля кода под ваш проект. Теперь агент самостоятельно напишет тесты, прогонит линтеры и исправит недочёты.
2. Файл RESPONSE_RULES.md
Это правило мышления и формат ответа для ИИ-агента. В нем указывается, как улучшить уточнение требований и описывается сценарий поведения агента, если точно он не знает, что делать.
Пример:
## Обязательные правила
- Всегда опирайся на PROJECT_MAP.md
- Соблюдай выявленные архитектурные паттерны
- Перед кодом думай о точке расширения и минимальном diff
- Объясняй ПОЧЕМУ выбран подход, а не только ЧТО сделано
- Не пересказывай задание пользователя
## Формат ответа (обязателен)
Каждый ответ должен иметь структуру:
1. Понимание задачи
2. Архитектурное решение
3. План
4. Изменения
5. Как проверить
6. Риски (если есть)
## Если не хватает информации
- Задай 1–2 точечных вопроса
- Не начинай писать код вслепую
Далее подключаете предыдущий файл PROJECT_MAP.md для работы в связке. Структура вашего проекта выглядит следующим образом:
docs/ai
├── PROJECT_MAP.md
└── RESPONSE_RULES.md
3. Cline Rules
В Cline создаёте файл GLOBAL_RULE.md (или иначе).
В нём указываете связку из предыдущих файлов:
Роль: опытный django backend разработчик
Всегда:
- ориентируйся на docs/ai/PROJECT_MAP.md
- отвечай по правилам из docs/ai/RESPONSE_RULES.md
- делай минимальные безопасные правки
В начале диалога пиши что ты ознакомился с PROJECT_MAP.md и RESPONSE_RULES.mdСценарий для использования
1. Тесты
С использованием агента генерирование фабрик и написание E2E, модульных или любых других тестов значительно ускоряется. Для меня написание тестов всегда было очень муторным занятием: большая часть энергии уходила не на разработку тестовых сценариев, а на подключение кода, фабрик и подготовку окружения.
Теперь же достаточно написать запрос вроде:
Для ApiView: @path/to/view.py
Напиши тесты для кейсов:
- Кейс 1
- Кейс 2. Параметризированный
- ...
Используй freezegun в Кейсе N2. Документирование
Документирование написанного кода и оформление doc-string для функций, классов и модулей. Проект стал значительно приятнее и чище.
3. «Сделай по примеру»
Ситуация, когда вы вручную делаете один блок похожего кода и просите «размножить» на остальные участки кода.
4. Аналитика
Бывают ситуации, когда понимаешь, что выбранный путь — не самый оптимальный.
Какой паттерн лучше подойдёт для рефакторинга кода? Опишите плюсы и минусы.
Иногда агент на основе проекта подсказывает альтернативные решения, но выбор за вами.
5. Генерирование pydantic-моделей по ссылке на Swagger
Имба. Для написания клиента запрос будет выглядеть так:
Проанализируй swagger: <url-to-swagger>
Создай клиент для получения данных из этого сервиса. Сделай новый класс на подобии: @path/to/clean-example-client.py
Модели положи по аналогии.Опираясь на структуру проекта, агент опишет:
Клиент
Входные и выходные модели
Фабрики для тестов
Удобно!
6. Создание Postman-коллекций для ручного тестирования
Иногда после реализации сложной логики, разбитой по разным конечным точкам и завязанной на различных параметрах, возникает необходимость ручного тестирования на стенде, но фронтенд ещё не готов. В таких случаях достаточно описать агенту, какие ручки и сценарии нужно протестировать, и он создаст полноценный postman-flow. Результат: файл flow.json, который вы импортируете в Postman.
Ньюансы
Режим работы
В Cline есть переключатель Plan и Act. Для значительных изменений следует сначала обсудить задачу с агентом и выявить конечную точку, и только потом выполнять.
Моя ошибка заключалась в том, что я пренебрегал этой функцией, выполняя любые запросы в режиме «Исполнения». Из‑за этого приходилось несколько раз писать лишние промпты для исправления, чего можно было избежать, используя режим «Планирования».
Отношение
Агент — инструмент, который помогает разработчику, но не заменяет его. Поэтому сначала думаете вы, а потом используете агента, а не наоборот. Какие задачи не рекомендую поручать агенту:
Выбор архитектуры
Выбор технологий
Формат межсервисного взаимодействия
Другие, где есть риски и нужен широкий контекст
Советы
Составление файлов doc/ai
Для начала попросите агента составить эти файлы, полагаясь на архитектуру проекта, а затем отредактируйте, как считаете нужным. Так вы упростите себе жизнь.
Если модель тупит
Если модель тупит, значит, контекстная область слишком большая. Чтобы это исправить, нужно разбить задачу на подзадачи и выполнять их по очереди.
Выводы
Агент — это инструмент, а не панацея. Он не нуждается в отпусках, премиях, отгулах и не болеет. Если не можешь победить — возглавь. Агенты — легальный способ ускорить развитие разработчика, если использовать их с умом.
