Как я перестал злиться на AI и начал нормально кодить

Короткий ответ: AI пишет хороший код, если правильно с ним работать. Проблема не в моделях — проблема в том, как мы даём им задачи.

Полгода назад я думал, что Copilot и Cursor — это хайп. Генерят мусор, приходится всё переписывать. Потом понял: я просто не умел с ними работать.

Коротко: что изменило игру

• Перестать винить AI — если код плохой, проблема в задаче
• Давать контекст — модель не телепат, ей нужна архитектура
• Планировать до кода — сначала план, потом реализация
• Тесты вместо ревью — глаз замыливается, тесты нет
• Коммиты после каждого шага — иначе откатить невозможно

Главный сдвиг в голове

Раньше я думал: “Cursor написал фигню, тупая модель”.

Сейчас думаю: “Что я сделал не так в промпте?”

Современные модели — это уверенный мидл-разработчик. Он умный, но не экстрасенс. Если дать ему задачу “сделай авторизацию”, получишь что-то абстрактное. Если дать контекст, план и примеры — получишь рабочий код.

Три причины плохого кода от AI:

1. Контекст не собран или противоречив
2. Инструкции слишком абстрактные
3. Нет тестов и критериев “что значит готово”

Контекст — это топливо

AI не видит твой проект целиком. Он видит то, что ты ему показал.

Что работает:

1. Сверху вниз — начни с архитектуры, потом спускайся к модулям. Не кидай сразу в баг на 500-й строке.

2. Memory Bank — создай файлы с описанием проекта: структура, правила, зависимости. Я держу ARCHITECTURE.md и CONVENTIONS.md в корне.

3. Узкий фокус — когда AI понял общую картину, сужай: “теперь работаем только с модулем авторизации”.

План до кода — обязательно

Самая частая ошибка: сразу просить код.

Как правильно:

1. Попроси AI составить план реализации
2. Проверь план — всё ли учтено?
3. Попроси дополнить пробелы
4. Сохрани план в .md файл
5. Только потом — реализация по пунктам

Даже топовые модели типа Claude теряют контекст на длинных задачах. Файл с планом — якорь, к которому можно вернуться.

Тесты вместо code review

Читать тысячи строк сгенерированного кода — бесполезно. Глаз замыливается, пропускаешь ошибки.

Что делаю я:

1. Прошу AI написать e2e тест на фичу — это главное
2. Запускаю тест
3. Если падает — даю AI ошибку, он фиксит
4. Повторяю пока не зелёный

Обратная связь через тесты работает лучше, чем “перепиши, мне не нравится стиль”.

Верификация: не верь “Готово”

AI любит говорить “Готово!”, когда сделано 70%.

Мой чеклист:

1. Беру файл с планом
2. Прохожу по каждому пункту
3. Проверяю: есть код? есть тест?
4. Если нет — возвращаю AI на доработку

Этот шаг спасает от 80% недоделок.

Git-гигиена

Коммиться после каждого этапа. Серьёзно.

• Сформировал план → git commit -m "plan: auth module"
• Реализовал пункт → git commit
• Тесты прошли → git commit

Если AI пошёл не туда — git reset и пробуем иначе. Без этого откатить изменения в 15 файлах — боль.

Какой инструмент выбрать

Пользуюсь всеми тремя, для разных задач:

Copilot для рутины, Cursor для проектов, Claude когда нужно подумать.

Итог

AI coding работает, если:

• Даёшь контекст и план
• Проверяешь тестами, а не глазами
• Коммитишься часто
• Не веришь на слово “Готово”

Модели уже достаточно умные. Вопрос в том, насколько хорошо мы умеем с ними работать.

Часть инсайтов взял из статьи на Хабре и обсуждений на Reddit. Но проверил всё на своих проектах — работает.