Как вкатиться в разработку с ИИ и не выгореть

Если вам не хватает лимитов подписки, вы не читаете PR после агентов, проект проще удалить и начать заново, а документации в пять раз больше, чем кода, то дальше про вас

Летом я провел опрос у себя в канале. Мне казалось, что все вокруг давно разобрались с AI-кодингом и у всех все классно, но я понимаю, что сижу в пузыре, а снаружи у людей проблемы. Главной болью оказалась потеря ментальной модели проекта: код пишется быстрее, чем мы успеваем его понимать.

Плюс поменялась сама работа. Раньше мы писали код и кайфовали от этой рутины, а теперь в основном ставим задачи и проверяем, и это реально выматывает. Этому приходится учиться заново, и в первую очередь делегировать

Почему бросают

Начать с распахнутой двери левой ногой не получится, если опыта с AI не было. На первых задачах все классно получается, а как только даешь что-то серьезное из бэклога, лезут ошибки, непонятно, что происходит, и человек бросает со словами «ИИ – это T9». Причин у этого, по-моему, две

Первая – завышенные ожидания. В 2024–2025 был сильный хайп на Cursor и Claude Code, и сложилось впечатление, что сейчас куплю подписку за 20 долларов (между прочим, 2000 рублей), и все мои проблемы решатся. Потом агент ломает соседний модуль, тесты зеленые, а ничего не работает. Разбираться не хочется, инфлюенсеры в инстаграме обещали, что за 2000 рублей он будет впахивать за меня и за моего брата. Вывод: игрушка пишет плохой код и вообще не нужна. Таких ожогов сейчас стало меньше, народ более-менее понял, как с этим работать, но остался FOMO.

Вторая – разработчики не менеджеры. Мы привыкли взять задачу, самим в ней разобраться и, по сути, скомпилировать код в голове. А при делегировании требования обычно нечеткие, ожидания не проговорены, а этапы SDLC народ либо не знает, либо не знает, как применять их с агентами. С агентом в первую очередь нужно уметь поставить задачу и заранее понимать, как именно ты будешь оценивать результат.

В итоге получаются две крайности. Одни читают каждую строчку, выгорают и офигевают от нагрузки, другие слепо верят агенту на слово. Истина, как обычно, посередине

Порядок важен

Я сел и подумал, как мог бы выглядеть роадмап по работе с агентами на конец 2026 года. Он для инженеров: для тех, кто в 2024–2025 соответствовал резюме на hh, то есть знает гит, сети, основы условного питона и понимает, из чего построено приложение. ИИ – это рычаг, и без этой базы не получится понять, что идет не так, куда идет агент и где его остановить и ударить по рукам.

Отдельная задача

Всем рекомендую сделать своего первого агента или свой RAG на эмбеддингах, как делали мы пару-тройку лет назад. Кто-то потом в рагах разочаровался, но понимание, как все это устроено, это точно дает. Дальше постановка задачи (это не поисковая строка Google, с агентом можно разговаривать), контекст и как он составляется, базовая расширяемость через скиллы и MCP. И безопасность: как не стать жертвой мошенников, поставив новый скилл или MCP

Диагностику тоже стоит отдать агенту. Сидеть читать логи и код и мэтчить одно с другим уже моветон, агент делает это буквально за 10 минут

Feedback loop – поворотный этап

Feedback loop – это когда мы даем агенту инструмент, которым он сам проверяет качество своей работы: запустил тесты, запустил линтер, увидел ошибки, пересобрал код. В репозитории это вроде очевидно. Но как только мы решаем инженерные, а то и бытовые задачи за его пределами, многие забывают, что агенту тоже нужно понять, что там происходит

У меня был кейс с монтажом скринкастов. Раньше их монтировал человек, потом я решил, что 2026 год на дворе и надо пробовать агентов. Попробовал Opus, не понравилось: он ориентировался на распечатку аудио, то есть на транскрипт. Тогда я вспомнил, что Gemini – омни-модель и нативно понимает и аудио, и видео. Подготовил для нее специальный CLI, которым она нарезает и прослушивает отдельные куски аудио, четко монтирует и очень плавно склеивает куски буквально до долей секунды.

Продумать feedback loop – это ваша основная инженерная задача на сегодняшний день

Проект и команда

Здесь уже нужно хранить знания о проекте в одном месте, доступном агенту, писать свои скиллы и находить полезные, которые можно своровать у других. Дальше SDLC с агентами: исследовать задачу, ставить задачи на прототипы, делать план для имплементации, передавать его в имплементацию и заранее готовить, как агенты будут проверять результат. Если сталкивались с термином Dark Factory, этапы 6–7, имплементация и ревью, это по сути она и есть. Обслуживание тоже этап, на который не все обращают внимание: как сделать так, чтобы со временем код не потерялся.

С параллельной работой осторожнее. Субагенты, worktrees, интеграции, куча открытых окон Claude Code – параллелить можно только то, что вы уже умеете делать руками. Если опыта разработки с агентами пока нет, не идите ни в какие worktrees и субагенты. Делайте тупо и просто, наберитесь опыта, сделайте свой RAG-чатбот, и уже потом открывайте горизонты параллелизации.

Что бывает, когда этапы перепрыгивают

Сразу в SDD

Человек услышал, что SDD применяют крупные российские корпорации и у них все классно, и хочет себе так же. Ставит OpenSpec, полный мануал, конечно, не читает: агенты прочитают за него и все настроят, а он будет жать кнопки. Вроде все работает, но лимиты подписки улетают сильно быстрее. Потом приходит осознание, что source of truth переехал из кода в спеки, ведь код теперь генерится из спек. Спеки, конечно, никто не читает, а выходят они в несколько раз больше кода.

Мы забываем, что код – это тоже спека, просто более сжатая запись той же информации. Для кода наши деды придумали инструменты, которые проверяют его вдоль и поперек, а для спек зумеры придумывают новые инструменты, которые решают проблемы, которых у нас просто не было. Я в это не верю. Новичку это еще и лишнее, на что уходит время

По моему августовскому опросу SDD применяют далеко не все. Он может хорошо залетать в больших корпорациях, где есть выделенные люди на внедрение, а так его применяют единицы. В brownfield еще сложнее, проект сначала надо подготовить. Открою секрет: не во всех старых проектах есть тесты, не у всех есть CI/CD, а у кого-то нет даже Git. Без этого SDD у вас просто не встанет.

Процессы бигтеха

Мне в чатике написал подписчик: попробовал SDD, полная фигня, какой-то космолет получается. Скинул свою статью на Хабре, я почитал, а там полнейший оверинжиниринг. Ноги растут из талмуда, который летом выпустил один российский бигтех: делать надо именно так, и харнесы всякие разные. Там сильная бюрократия, которая вне этой корпорации не взлетит.

Они внедряют это, потому что им подходит, у них и так бюрократия. Если ты небольшая компания или вообще соло-разработчик, тебе это нафиг не нужно. Пользуйся своим преимуществом: гибкостью и поворотливостью

FOMO

Вышел новый инструмент или фреймворк, и ты обязательно должен его попробовать. Бросаешь текущий сетап, переезжаешь, просишь агентов все установить, а как оно устроено, конечно, не разбираешься. Результат чаще всего не доводится до конца, в репозитории копится каша из десятков markdown-файлов, и все повторяется по кругу. На выходе информационный перегруз и усталость. Если что-то действительно годное появится, вы об этом точно узнаете.

Исключение – caveman и RTK. Это полная фигня, но о них трубили все подряд, ну что ж, каждый должен обжечься и попробовать плохой инструмент. А если видите в ленте посты в духе «Claude всё, OpenAI всё», отписывайтесь от этого источника, кроме FOMO он вам ничего не дает

Все и сразу

Следствие предыдущей ошибки: применяешь все, что слышал, без системы, ни в чем не разбираешься, и большая часть не работает. Нужно строить свою систему, свой стек, набирать свои скиллы. Я сам этим занимаюсь, и меня все устраивает, но процесс не быстрый. Если хотите быстрый результат без возни с конфигами, это не про вас

Источников при этом куча, те же телеграм-каналы, на которые вы уже подписаны. Выгрузите каждый канал целиком и попросите GPT составить по нему учебник, по которому реально можно учиться

Как ревьюить работу агентов

Агент делает не то, непонятно, что и как проверять, а еще он может врать. Решение – в первую очередь SDLC, например подход Plan & Act, который я пропагандирую. Сначала планируем задачу: требования, скоуп, майлстоуны (пошагово, как будем делать) и критерии приемки. По этим критериям второй агент проверяет работу основного, который пишет код. Почему второй? Потому что первый будет врать.

Специальные субагенты для этого не обязательны. Можно в одном чате писать код, открыть новый и сказать: «Смотри, вот план, вот написанный код, давай проверим, насколько одно соответствует другому». Если нашлись расхождения, жмем Ctrl+C, Ctrl+V, отправляем список в первый чат и говорим «исправь». Это точно работает, и все это можно замкнуть в цикл

Три слоя проверки

Первый слой – инструментальный: линтеры, тесты, сборка в руках агента. Если его у вас еще нет, вы должны были сделать это вчера. Это самый базовый feedback loop и детерминированный слой проверки

Второй – другой агент. Можно взять охапку разных агентов, китайцев, американцев, французов, и запускать их по разным направлениям. В первую очередь пусть проверяют код на соответствие заранее написанному плану, это реально работает. Еще можно просить их делать код-ревью и искать code smells и паттерны, которые вам точно не нравятся. С этим справляются даже китайские модели, не самые продвинутые, потому что и людям, и агентам проще найти проблему у другого, чем сделать нормально у себя.

Третий – ручная проверка, но только самого критичного. Если тесты собираются, рельсы работают и агент по ним ходит, достаточно, может быть, раз в неделю посмотреть, как работает вся система, и сделать ретроспективу. Перепроверять руками каждый проект после первых двух слоев не рекомендую. Критичное – это биллинг, модель данных, миграции, все, где большой blast radius и изменения сложно откатить. Это сильно экономит внимание, и к концу дня голова не так устает.

Почему в компании упираешься в стену

У большинства компаний нет общего подхода к AI-кодингу. Сейчас это логично: разработчики делают кто как получится, а единые стандарты и правильные рельсы есть только там, где идет трансформация

Дальше нестабильный доступ к ИИ, особенно из РФ и особенно в мелких компаниях. У корпораций все более-менее ок, есть свои наработки (схемы палить не буду), а в мелких людям приходится покупать подписки за свои и проходить 10 кругов ада с Claude. Локальные или self-hosted модели у некоторых есть, но они не такие крутые, как американский фронтир.

А у кого-то запреты или старые модели. Мне отвечали, что у них контекст 20 000 символов, не токенов, и древние опенсорсные модели из 2024 года. У других развернуты маленькие локальные модели, но им запрещено писать код, только текст. Ну и что ты с этим текстом сделаешь? Это не выдумка, мне реально такое писали.

В больших организациях главный тормоз – ИБ и compliance. Зачем разбираться, как должна быть устроена инфраструктура с агентами и провайдерами, если по новостям каждый день какие-то взломы? Проще запретить

Еще бывает внедрение без системы, когда сверху спускается директива: «Теперь мы AI native компания, каждому по подписке Claude, ой, Claude забанен, теперь каждому по подписке ChatGPT». Так делать неправильно. И по опросу я довольно удивился, сколько в компаниях энтузиастов, амбассадоров и чемпионов AI, которым интересно пушить это снизу и прокачивать коллег, а руководству на это абсолютно наплевать. Это, честно говоря, печально.

Если есть возможность поддержать таких амбассадоров, делайте это. Гарантирую, это дешевле, чем нанимать внешних консультантов вроде меня или проходить череду ошибок без единого подхода.

Плюс у людей разный уровень, кто-то прокачан больше, кто-то меньше. Всех нужно подтянуть до какого-то базового уровня, чтобы один не тормозил другого

Страх потерять навыки

Навыки теряет тот, кто делегирует понимание. Но все, кто управляет агентами, поднимаются на уровень абстракции вверх: раньше писали код, теперь делегируем. Люди, которые делегировали задачи и управляли разработкой, были и раньше, и вряд ли они деградировали. Может, они разучились писать код, открывая IDE раз в год, но остались такими же крутыми специалистами, просто с другим профилем. А если не хотите терять навык кодинга, пишите свои скрипты по вечерам и кайфуйте

Как учиться правильно

Практиковаться. Сделать что-то свое, того же RAG-чатбота, прямо руками, или хотя бы чтобы агент объяснял вам на корзиночках, из чего это состоит. Идти по порядку, по роадмапу. Использовать ИИ для обучения, помня про knowledge cutoff: все, что случилось после этой даты, модель не знает, ей нужен интернет

Разбирать свои сессии, особенно проблемные: раз в неделю смотреть, что было за неделю, где можно было сделать лучше, где стоит донастроить агентов. С Opus это реально хорошо работает, он отлично понимает, как устроены AI-агенты, и с ним можно круто прокачивать свой стек.

Мерить результат. На третьем потоке курса я попросил людей перед стартом зафиксировать текущий опыт, ответить на вопросы вроде «как я делаю вот это». Через 2–3 месяца они ответят на те же вопросы и увидят прогресс. Это дает ощущение, что вы не просто так бежите за хайп-трейном, а реально прокачались, и таких людей сейчас не так много. Если еще нигде не записали, что сейчас умеете, рекомендую

Попробуйте взять задачу, которую уже делали вручную, решить ее с агентом и сравнить результаты. Думаю, инсайтов будет куча. И учитесь вместе с другими, круто, когда коллеги или друзья прокачиваются так же, как и ты, и можно меняться опытом

Роадмап лежит на ai.khakhalev.com/roadmap. Его можно скопировать, отдать Claude и попросить расписать детальнее

Где брать скиллы и в чем гонять агентов

Как агрегатор использую skills.sh: мусора там куча, но и топовых скиллов много. Из российских есть Neural Hub, там лежат скиллы, которых больше нигде не найдете, по 1С, по Яндексу. Из людей давно слежу за Мэттом Пококом (у него курсы и скиллы, тот самый grill me) и Дексом Хорти, автором HumanLayer. У него я использую скилл show me, который заставляет агента рисовать графики, HTML-ки и простой псевдокод, чтобы разобрать для вас сложные штуки

Копировать чужой скилл как есть не рекомендую. Зайдите, посмотрите, как он устроен, сравните с тем, как делаете вы, попросите Claude поресерчить отзывы. Лучше взять за основу, форкнуть и переделать под себя

Агентов сейчас гоняю в bb, до этого был Codex App. Claude стал моим лучшим другом вместо GPT, потому что Opus 5.5 реально крутая штука, а в bb кастомизируемость и разные харнесы в одном UI. Я даже собрал свой аналог Granola с bb в качестве движка для чатов, и теперь с любой записью можно чатиться или делать саммари через любой харнес, который стоит на компе.