AI в реальной разработке

Вайбкодинг сейчас обсуждают так, будто это главная ценность AI в разработке. Выглядит конечно интересно: описал задачу и получил готовый код за пару минут, пару правок - и в продакшн 😆

На простых задачах это и правда ускоряет и позволяет получать результат без особых копаний в коде. На сложных задачах ускорение тоже есть, но замедление появляется в другом месте.

Чтобы получить качественный результат, до генерации нужно всё расписать заранее: требования, архитектура, соглашения по коду, зависимости, граничные случаи. Логично, что чем крупнее проект, тем больше всего этого нужно описать явно.

После генерации приходит ревью: возможно придется несколько раз проверить, что стилистика соблюдена, контекст между файлами не потерян, нет кода, который выглядит так, будто его писали три разных человека. Так что вопрос об x-кратном ускорении разработки спорный, просто время перекладывается с написания на подготовку и ревью.

Настоящую пользу AI я нашёл совсем в другом месте - там, где думать особо не нужно, но руками делать долго.

На одном из проектов переносили фронтенд из монолита в отдельный репозиторий. Каждый раздел тянул за собой тексты переводов: YAML в JSON, изменённая структура, другие правила именования ключей. Плюс вместо двух локалей при переносе нужна была поддержка ещё четырёх. Написал под это отдельную команду в Claude, и каждая такая задача стала занимать пару минут.

На том же проекте нужно было перевести много компонентов с Options API на Composition API без изменения бизнес-логики. AI взял рутину и здесь. Проверять всё равно приходилось тщательно, но работа шла существенно быстрее.

И таких задач на практике немало: написание тестов и моков, генерация TypeScript-типов по структуре данных, boilerplate для новых компонентов, проведение ревью на порядок импортов и соответствие code style.

Для себя вижу ценность AI не в том, что можно писать меньше кода, а в том, что самое скучное теперь можно отдать AI.