Как я перестал воспринимать ИИ как человека: опыт сольной разработки двух пет-проектов

Андрей опубликовал разбор на Хабре. Он работает с цифровым рублём и цифровыми финансовыми активами, а в свободное время пробовал так называемый вайбкодинг, генерацию кода через диалог с ИИ. Сначала попытался использовать Codex от OpenAI, но бесплатный тариф закончился быстро, а оплатить подписку из России не получилось из-за санкционных ограничений. Тогда он нашёл доступный в РФ аналог, купил годовую подписку Pro и взялся за проект.

Почему «команда» из ИИ не сработала?

Андрей выстроил процесс так, как привык работать с людьми. Назначил виртуальным «членам команды» имена и характеры. Проводил груминги (разбор задач перед спринтом), определял DOR и DOD (критерии готовности задачи к работе и критерии её завершения). Устраивал мозговые штурмы с «привлечением внешних экспертов», подключая другие LLM.

Проект быстро обрастал кодом, и казалось, что до готового продукта осталась пара итераций. Но каждое слово, каждая шутка, каждое абстрактное рассуждение оседало в контекстном окне модели. Когда Андрей просил поправить одну функцию, модель неожиданно переписывала архитектуру, потому что считала «второстепенные» сигналы такими же важными, как основную задачу.

Это и есть забивание контекста. Люди умеют фильтровать: пошутили на совещании, обсудили погоду, вернулись к делу. LLM так не умеет. Для неё всё, что попало в контекст, одинаково значимо. Когда окно переполняется, модель начинает путаться, противоречить себе и забывать цель.

Что понадобится

• Любой доступный в РФ ИИ-инструмент для генерации кода (Андрей использовал российский аналог Codex с подпиской Pro)
• Текстовый редактор для ведения отдельного файла с контекстом проекта
• Чёткое описание продукта: одна задача, один результат, без «наполеоновских планов»
• Время: 1 час на подготовку контекстного документа, далее работа сессиями по 30-60 минут

Пошаговая инструкция

1. Опишите продукт в одном абзаце. Без перечисления «грандиозных перспектив развития». Андрей хотел динамический парсинг, дриллинг по данным, регулярное обновление. В итоге выкинул всё и оставил статичный сайт, который «просто открывается и не вызывает у пользователя истерику». Начните с того минимума, который реально нужен.

2. Заведите отдельный файл с контекстом проекта. Вынесите туда структуру, стек, текущее состояние. Не держите это в чате: чат засоряется, и модель теряет фокус.

3. Не общайтесь с LLM как с человеком. Никаких шуток, персонажей, «атмосферы». Каждое лишнее слово в промпте (запросе к модели) занимает место в контекстном окне и мешает модели сосредоточиться на задаче.

4. Формулируйте запрос как техническое задание, а не как беседу. Вместо «давай обсудим, как лучше сделать парсинг» пишите конкретно:

Задача: написать функцию парсинга страницы [URL].
Входные данные: HTML-страница.
Выходные данные: JSON с полями [название, дата, сумма].
Ограничения: Python 3.11, библиотека requests + BeautifulSoup.

1. Делайте меньше итераций, но точнее. Андрей гонял десятки циклов «почти готово, ещё чуть-чуть». Каждый цикл раздувал контекст и уводил модель от цели. Лучше потратить 15 минут на точный промпт, чем час на переписку с уточнениями.

2. Используйте заглушки. Если функция пока не нужна, поставьте заглушку (пустую функцию с комментарием), а не просите модель «набросать черновик на будущее». Черновик осядет в контексте и начнёт влиять на следующие ответы.

3. Начинайте новый чат, когда задача сменилась. Контекст от предыдущей задачи мешает следующей. Перенесите в новый чат только файл с описанием проекта и конкретный запрос.

Выбери между Flask и FastAPI для REST API 
с 5 эндпоинтами, без авторизации, деплой на VPS. 
Критерии: скорость разработки, минимум зависимостей.
Ответ: таблица сравнения + рекомендация.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Принцип «не забивайте контекст» работает и при написании текстов. Если вы генерируете статью через ИИ, не ведите с моделью длинную беседу «а давай ещё вот так попробуем». Дайте структуру, тезисы и тон в одном промпте.

Маркетологу. Вайбкодинг выглядит как способ быстро собрать лендинг или MVP (минимальный работающий продукт) без разработчика. Опыт Андрея показывает: это реально, но только если вы сужаете задачу до минимума и не пытаетесь построить «платформу» в одном чате.

Предпринимателю в РФ. Codex от OpenAI из России недоступен по подписке напрямую. Андрей нашёл российский аналог и купил годовой Pro-план. Из доступных в РФ инструментов для генерации кода через диалог с ИИ можно рассмотреть GigaCode от Сбера или встроенные возможности YandexGPT, хотя функциональность у них пока скромнее.

Главный вывод Андрея укладывается в одну фразу: ИИ не команда, а инструмент, и обращаться с ним нужно как с инструментом. Меньше итераций, точнее запрос, чище контекст. Не «почти готово, ещё чуть-чуть», а «одна задача, один промпт, один результат». Кто усвоит это до того, как сожжёт годовую подписку, сэкономит и деньги, и нервы.