Модуль 2.1: введение в AI-кодинг

Ведущая: Привет-привет! С вами AIStudy — бесплатный курс про искусственный интеллект, который можно слушать за рулём, в метро или на кухне. Записывать ничего не нужно: таблицы, цены и команды лежат на сайте.

Ведущий: Привет! Сегодня первый выпуск второго трека. Он называется «Кодинг с агентами» и написан для разработчиков, которые только начинают использовать искусственный интеллект в работе.

Ведущая: То есть первый трек, «Агенты для всех», был для тех, кто код не пишет, а теперь мы идём глубже?

Ведущий: Так и есть. Но начинаем мягко. Первый модуль называется «Введение в AI-кодинг». Это обзор: что на самом деле даёт искусственный интеллект разработчику, чего бояться, а чего нет, и как выбрать свой первый инструмент. Рассказываем так, чтобы было интересно и тем, кто пишет код недавно, и тем, кто давно.

Ведущая: И какой у нас план?

Ведущий: Пять частей. Первая: что говорят исследования о скорости и об удовольствии от работы. Вторая: три мифа про искусственный интеллект в разработке. Третья: страхи, которые имеют смысл, и главный приём работы с агентом. Четвёртая: три вида инструментов, терминал, редактор и чат. Пятая: как выбрать инструмент именно вам.

Ведущая: Поехали!

Ведущий: Поехали!

Ведущая: Часть первая. Давай начнём с цифр. Все говорят, что искусственный интеллект ускоряет разработку. А что показывают исследования?

Ведущий: Начну с самого известного. Исследование GitHub: разработчики с Copilot заканчивали задачи примерно на пятьдесят пять процентов быстрее. Задача, на которую раньше уходило почти три часа, занимала чуть больше часа.

Ведущая: Ого. Это же больше чем вдвое быстрее!

Ведущий: Вот тут я бы остановился. Это одна цифра из одного исследования, и в уроке к ней сразу идёт оговорка. Компания GitClear смотрела на код, который написал искусственный интеллект, и увидела другое: такой код чаще обычного вскоре переписывают, а повторяющихся кусков в нём становится заметно больше, по их данным примерно в четыре раза. Скорость и качество не всегда идут вровень.

Ведущая: То есть быстро написать и хорошо написать — две разные вещи.

Ведущий: Именно. Поэтому результат надо проверять. К этой мысли мы ещё вернёмся, она одна из главных во всём модуле.

Ведущая: А есть цифры не про одну задачу, а про работу команды целиком?

Ведущий: Есть. Компания Accenture провела контролируемый эксперимент с группами разработчиков. Результат скромнее. Примерно на девять процентов больше запросов на слияние на одного разработчика в месяц. Слияние идёт быстрее на одиннадцать процентов. И на восемь процентов чаще код проходит с первого раза, без лишних кругов проверки.

Ведущая: Звучит неплохо. Но на революцию не похоже.

Ведущий: Автор урока говорит ровно так: это не революция, это оптимизация. Инструмент уже два года в руках у разработчиков, и эффект получился ровный и полезный, без чудес.

Ведущая: А где тогда настоящий выигрыш?

Ведущий: Вот здесь цифры интереснее, и они не про скорость. Семьдесят три процента разработчиков говорят, что искусственный интеллект помогает им оставаться в потоке, то есть не выпадать из сосредоточенной работы. Восемьдесят семь процентов экономят умственные силы на рутине. А от шестидесяти до семидесяти пяти процентов говорят, что реже раздражаются на работе.

Ведущая: Это же про качество жизни. Когда не пишешь в пятидесятый раз один и тот же шаблонный код, голова остаётся свежей для сложных задач.

Ведущий: Верно. Запомните эту мысль: главная выгода не в рекордах скорости, а в освобождении от рутины.

Ведущая: Слушай, а подсказки вообще попадают в цель? Мне кажется, принимают далеко не всё.

Ведущий: Далеко не всё. В среднем разработчик принимает около тридцати процентов подсказок. Остальные либо не подходят к контексту, либо требуют правок, а часть он просто пролистывает, не открывая.

Ведущая: Получается, это не автопилот.

Ведущий: Это соавтор, который иногда ошибается. Хорошая формулировка. Итак, часть первая одной фразой: скорость выросла, но скромнее, чем в рекламе, главное изменение в том, что уходит рутина, а результат всё равно надо проверять.

Ведущий: Часть вторая. Мифы. Самый громкий: искусственный интеллект заменит программистов. Что скажешь?

Ведущая: Скажу, что не заменит, но изменит требования к навыкам. Смотри, как уже бывало. Когда появились фреймворки, программисты не исчезли. Исчезли те, кто писал весь код вручную. Появились те, кто знает фреймворк. Когда пришли облачные сервисы, девопс не пропал, он изменился: разработчики сами научились выкладывать свой код.

Ведущий: И с агентами то же самое?

Ведущая: Похоже на то. Тяжелее придётся тем, кто копирует код с форумов, не понимая, что он делает. Тем, кто в пятидесятый раз пишет руками однотипные операции с базой. И тем, кто не умеет объяснить, что именно нужно написать.

Ведущий: А кто в выигрыше?

Ведущая: Те, кто пишет точные технические задания для искусственного интеллекта. Кто критически читает сгенерированный код. Кто отвечает за архитектуру и качество. И кто умеет работать с большим контекстом.

Ведущий: То есть растёт цена умения ставить задачу и проверять результат.

Ведущая: Именно так.

Ведущий: Хорошо. Миф второй: искусственный интеллект пишет плохой код. Я сам видел, как он выдаёт какую-то кашу.

Ведущая: В уроке ответ такой: он пишет код того качества, какие вы дали ему промпт и контекст. Вот два случая. В первом вы пишете одной строкой: напиши функцию для работы с базой данных. И всё. Получаете общий код: без обработки ошибок, без логирования, без типов. Вы же не рассказали, как у вас в проекте работают с базой.

Ведущий: А второй случай?

Ведущая: Во втором вы пишете подробно: в проекте используем такую-то библиотеку для базы данных, вот модели пользователей и постов, нужна функция, которая отдаёт все посты пользователя по страницам. Посмотри, как это уже сделано вот в этом файле, и используй те же приёмы. И получаете функцию, которая выглядит так, будто её написал человек из вашей команды.

Ведущий: То есть разница не в нейросети, а в том, что ей рассказали.

Ведущая: Да. В уроке это сказано хорошо: искусственный интеллект как коллега. Расскажете ему, как вы работаете, и он будет писать в вашем стиле.

Ведущий: Третий миф: это инструмент для новичков, чтобы не учиться. А опытным он без надобности.

Ведущая: Наоборот. Наибольшую пользу получают мидлы и синьоры. Разберём по уровням. Новичок получает шаблон и общее направление, но не знает лучших практик, и потом ему приходится переучиваться. Мидл получает скорость, контекст и лучшие практики: он знает, что ему нужно, быстро критикует результат, и урок оценивает его экономию в тридцать-сорок процентов времени.

Ведущий: А синьор?

Ведущая: Синьор получает возможность делегировать и вести несколько дел сразу. Пример из урока: он пишет техническое требование для агента, а пока тот работает, проводит код-ревью для своей команды. Один бы он столько не успел.

Ведущий: Три мифа, и у каждого простой ответ. Заменит? Нет, но изменит профиль. Плохой код? Зависит от контекста. Только для новичков? Скорее для опытных.

Ведущая: Часть третья. Мифы разобрали, но страхи бывают и обоснованными. Какие из них стоит принимать всерьёз?

Ведущий: Урок называет три. Первый: деградация умений. Если полностью положиться на искусственный интеллект, голова ржавеет. Как этого избежать: использовать его как ассистента, а не как замену мышлению. Всегда понимать, что лежит в сгенерированном коде. И критиковать.

Ведущая: Второй, наверное, про безопасность?

Ведущий: Да. Данные вашего приватного кода уходят на серверы компаний, которые делают эти инструменты. Как снизить риск: взять решения, которые вы размещаете сами, то есть модели с открытым кодом, или договориться с поставщиком об условиях конфиденциальности. И от себя добавлю: сверьтесь с правилами вашей компании, прежде чем отправлять туда рабочий код.

Ведущая: А третий?

Ведущий: Зависимость от поставщика. Сервис могут закрыть, цену могут поднять, и вы остаётесь без инструмента. Как избежать: пробовать несколько инструментов, учиться писать хорошие промпты, они подходят везде, и не привязывать весь рабочий процесс к одному сервису.

Ведущая: Звучит разумно. Ты обещал главный приём.

Ведущий: Обещал. Это из руководства инженерной команды Anthropic по работе с Claude Code. Главный рычаг качества: дать агенту способ самому проверить свой результат.

Ведущая: Поясни. Он же и так старается.

Ведущий: Старается, но без проверки он останавливается в тот момент, когда код выглядит готовым. И единственным фильтром ошибок становитесь вы. Опечатку, забытый импорт, сломанный крайний случай вам приходится искать глазами. А если в задаче есть объективный критерий, например тесты, успешная сборка, проверка стиля или сравнение скриншота с макетом, то агент сам запускает проверку, читает ошибку и правит код, пока проверка не пройдёт.

Ведущая: Приведи примеры, чем слабая постановка отличается от сильной.

Ведущий: Три пары. Первая, про логику. Слабо: напиши функцию проверки почтового адреса. Сильно: напиши эту функцию, вот три примера с ожидаемым ответом, после реализации запусти тесты. Вторая, про сбой. Слабо: сборка падает, почини. Сильно: сборка падает с такой ошибкой, вот журнал, найди первопричину, не заглушай ошибку и добейся, чтобы сборка завершилась успешно.

Ведущая: А про интерфейс?

Ведущий: Слабо: сделай панель аккуратнее. Сильно: сделай по макету со скриншота, открой страницу через браузерный инструмент, сними скриншот результата и исправь расхождения.

Ведущая: Ага. В сильной постановке всегда есть ответ на вопрос «как мы поймём, что готово».

Ведущий: Запомните: у задачи для агента должен быть способ проверки. Это один из самых практичных советов во всём модуле.

Ведущая: Давай проверим себя. Три вопроса про себя, ответы вслух не нужны. Первый: какую рутинную задачу в вашей работе вы бы отдали агенту прямо завтра?

Ведущий: Второй вопрос: какой у этой задачи будет способ проверки, тест, сборка, линтер или скриншот?

Ведущая: И третий: что в сгенерированном коде вы обязательно прочитаете сами, чтобы понимать, что там написано?

Ведущий: Если ответы нашлись, вы уже работаете с агентом лучше большинства. Дальше посмотрим, какие бывают инструменты.

Ведущий: Часть четвёртая. Инструментов теперь десятки. Как в них не запутаться?

Ведущая: Автор урока делит их на три вида, или, как он говорит, три подхода к работе. Первый: консольные агенты, по-английски CLI. Идея такая: искусственный интеллект живёт у вас в терминале и работает как коллега, который сидит рядом.

Ведущий: Как это выглядит на деле?

Ведущая: Вы запускаете агента в папке проекта и пишете обычными словами: добавь функцию, которая пишет журнал в файл, и посмотри, как уже устроен код. Агент сам читает нужные файлы, разбирается в проекте, пишет функцию, вносит правки, запускает тесты и показывает результат. Вы говорите: отлично, только замени простой вывод на запись в журнал отладки. Он исправляет и снова гоняет тесты.

Ведущий: То есть он видит весь проект, правит файлы, запускает тесты и может сделать коммит.

Ведущая: Да. Из примеров сейчас: Claude Code, Antigravity CLI от Google, Codex CLI, консольные агенты Copilot и Cursor и открытый OpenCode. Названия и условия у таких инструментов меняются каждые несколько месяцев, поэтому актуальный список ищите на странице урока. И одно скажу сразу: старый Gemini CLI от Google больше не бесплатный путь для обычных аккаунтов, вместо него теперь Antigravity CLI. Если вы читали старые статьи, ставьте не его.

Ведущий: Принято. Второй вид?

Ведущая: Агенты, встроенные в редактор. Cursor, GitHub Copilot. Они подсказывают, пока вы печатаете. Набираете начало функции, а через долю секунды редактор предлагает продолжение, и вы принимаете его одной клавишей. Можно выделить кусок кода и попросить: сгенерируй функцию или перепиши. Есть режим агента: он сам правит много файлов, запускает команды и тесты. А ещё есть фоновые облачные агенты: они работают полностью сами и приносят вам готовый запрос на слияние.

Ведущий: Без участия разработчика? Это серьёзно.

Ведущая: Серьёзно, поэтому такой код тем более надо проверять. Помните часть третью.

Ведущий: А третий вид?

Ведущая: Самый привычный: открыли браузер, написали в чат, скопировали результат. ChatGPT, Claude, Gemini. Контекста проекта у чата нет, пока вы сами его не вставите. Удобно быстро спросить и поучиться, неудобно вести настоящую разработку.

Ведущий: И как выбирать между ними?

Ведущая: По задаче. Хотите написать новую фишку с нуля, например новый запрос в программном интерфейсе с изменением базы. Тут лучше консольный агент: ему нужно понять архитектуру, прочитать модели, обработчики, существующие запросы и написать всё сразу, вместе с миграциями. Хотите дополнить существующий код, скажем, рядом с функцией «получить пользователя» нужна «получить товар». Лучше редактор: вы видите файл, знаете контекст, подсказка появится за секунды. Консольный агент справится правильнее, но дольше. А если надо быстро проверить идею, например вспомнить, как работает асинхронность в языке, берёте чат и получаете объяснение за десять секунд.

Ведущий: Давай честно про плюсы и минусы.

Ведущая: Консольные агенты. Плюсы: видят весь проект, могут читать десятки файлов, правят код, коммитят, работают в вашем окружении, запускают тесты и видят результат. Лучше всего для больших изменений. Минусы: медленнее, чем подсказки в редакторе, нужно привыкнуть к терминалу, может выйти дорого, потому что большой проект в контексте это много токенов, и нужна настройка: какие файлы показывать, какие игнорировать.

Ведущий: Редактор?

Ведущая: Плюсы: очень быстрые подсказки, он видит открытый файл и соседние, встроен в привычную среду, обходится дешевле по токенам. Минусы: контекст проекта зависит от настроек, индексация или только открытые файлы, он слабее при полной переделке функций и привязан к редактору. Чат: работает везде, даже в телефоне, удобен для вопросов и учёбы, не требует настройки и бывает бесплатным. Минусы: нет контекста проекта, результат надо переносить руками, и для больших кусков кода он слабоват.

Ведущий: И как это складывается в обычный день?

Ведущая: Пример из урока: рабочий день мидла. Утром он в редакторе, пишет новый компонент, подсказки идут по ходу. К обеду нужен новый запрос и миграция базы, он открывает консольного агента и говорит, что надо. В перерыве читает про библиотеку и открывает чат, там не нужен контекст проекта. Потом тесты: снова редактор, строк много и похожих. Вечером нужно переделать старый модуль, агент в терминале, потому что надо прочитать много связей. И быстрое исправление ошибки в самом конце дня, опять редактор.

Ведущий: Значит, это не «или-или».

Ведущая: Именно. Урок так и говорит: используйте несколько инструментов, в зависимости от задачи. И ещё важная вещь из урока про нашу страну. Вход в Google, Anthropic и Copilot с российских адресов часто не открывается. Конкретные марки VPN автор не советует: их сейчас часто блокируют. Подробности ищите на сайте.

Ведущая: Часть пятая. Последняя. Как из всего этого выбрать свой инструмент?

Ведущий: Урок предлагает сравнивать по нескольким признакам. Цена. Сколько текста инструмент читает за один раз, это называется контекстное окно. Какие модели в комплекте. Работает ли в терминале, работает ли в редакторе. Умеет ли коммитить и читает ли весь проект. Какие языки знает лучше. И закрытый он или открытый. Таблица с актуальными цифрами лежит на сайте, а мы разберём, что за ними стоит.

Ведущая: Давай про контекстное окно. Все его любят упоминать, а что это на самом деле?

Ведущий: Сколько текста агент может держать в голове одновременно. Измеряется в токенах. Грубо, один токен это около четырёх символов, примерно одно слово в коде. Для масштаба: окно в миллион токенов, это примерно большой роман или средний проект. Актуальные размеры у конкретных моделей смотрите в уроке.

Ведущая: А зачем это на практике?

Ведущий: Когда агент видит весь проект, он может найти, где уже есть похожая функция, и написать новую в том же стиле. Но есть и обратная сторона: большой контекст стоит денег, и при частой работе с ним тариф с запасом бывает выгоднее.

Ведущая: Хорошо, а по инструментам? Коротко каждый.

Ведущий: Claude Code. Консольный агент для тех, кто готов платить и кому нужна вся архитектура проекта. Открывает много файлов сразу, пишет, коммитит, пушит. Минусы: платная подписка, терминал непривычен тем, кто живёт в редакторе, иногда медленнее подсказок. Лучше всего для крупных фич, миграций и рефакторинга, особенно мидлам и синьорам, потому что новичку труднее формулировать задачи.

Ведущая: Дальше?

Ведущий: Antigravity CLI. Это консольный агент Google: вход через аккаунт Google или ключ. Нужен тем, кто уже в экосистеме Google. Помните предупреждение: это не старый бесплатный Gemini CLI, условия другие, и из России вход в Google часто не открывается.

Ведущая: Cursor?

Ведущий: Свой редактор на основе популярного. Свои модели плюс сторонние, консольный агент и облачные агенты рядом. Минусы: придётся привыкать к новому редактору, расширений меньше, сообщество поменьше. Подходит тем, кто много пишет в редакторе и мало в терминале.

Ведущая: И Copilot.

Ведущий: Встроен практически везде: в популярные редакторы, в JetBrains, в сам GitHub. Платный вход недорогой, консольный агент идёт в тех же планах. Подсказки быстрые, сообщество огромное. Минус: в режиме агента он видит проект через индексацию, и контекст меньше, чем у Claude Code, а большие переписывания идут медленнее.

Ведущая: И открытый OpenCode, про который ты говорил?

Ведущий: Да. Открытый агент с лицензией MIT, и это открытый полюс рядом с закрытыми продуктами. Подходит тем, кто не хочет, чтобы подписка одного поставщика была единственным путём: берёте свой ключ и работаете.

Ведущая: Мне нужна простая схема. Как выбрать быстро?

Ведущий: Дерево решений из урока. Первый вопрос: есть ли у вас бюджет на подписку? Если нет, берёте OpenCode или бесплатный чат. Если есть, следующий вопрос: вы работаете в терминале или чините старый код? Если да, то Claude Code или Antigravity, если вам ближе Google. Если нет, последний вопрос: готовы сменить редактор? Если да, Cursor. Если нет, Copilot.

Ведущая: Просто. Есть примеры?

Ведущий: Три. Первый: мидл в стартапе. Пишет на Node и React, денег на инструменты нет, сидит в привычном редакторе и много времени проводит в терминале. Выбор: OpenCode и бесплатный чат для вопросов. План Б, когда появятся деньги: Claude Code или Copilot. Второй: синьор в корпорации. Архитектура сервиса на Python, бюджет есть, работает в JetBrains и почти не в терминале. Выбор: Copilot, а для сложных архитектурных вопросов чат в браузере. Дальше можно присмотреться к Cursor, если нужно больше контекста.

Ведущая: А новичок?

Ведущий: Третий пример: человек, который учится, первый язык Python, денег нет. Выбор: бесплатный чат плюс OpenCode. Чат для вопросов, открытый агент для кода в репозитории. И урок отдельно предупреждает: не ставить старый Gemini CLI как бесплатного гиганта и не брать давно не обновляющийся Aider на пробу.

Ведущая: Теперь итог. Первое: искусственный интеллект ускоряет разработку скромнее, чем в рекламе, но заметно снижает рутину. Второе: это не заменит разработчика, а изменит профиль, и опытным он даже нужнее. Третье: качество кода зависит от промпта и контекста, а ещё от проверки. Дайте агенту способ проверить результат. Четвёртое: инструменты бывают трёх видов, консоль, редактор и чат, и обычно полезно сочетать. Пятое: выбирайте по задаче, языку и бюджету, а не по популярности.

Ведущий: Задания, таблицы с актуальными ценами и командами установки ждут вас на сайте. Ссылки на все три урока лежат в описании выпуска. Практически: заполните свой профиль, язык, редактор, бюджет, работаете ли в терминале. Выберите инструмент по дереву решений и напишите, почему именно его. И поставьте актуальный консольный агент, чтобы он написал вам «привет, мир» на вашем языке.

Ведущая: Дальше в курсе разбираем инструменты по одному, начиная с Claude Code. А если хочется попробовать разные нейросети в одном месте, без VPN и с оплатой рублями, это наш сервис arckep.ru. Ссылка в описании.

Ведущий: Спасибо, что слушали. Пишите хороший код!

Ведущая: До встречи!

Ведущий: До встречи!