Разработка с AI
Парадигмы взаимодействия с AI: Стажёр, Коллега или Эксперт?
ChatGPT пишет код быстрее тебя. GitHub Copilot autocomplete целые функции. Claude разбирается в архитектуре. Значит ли это, что программисты больше не нужны? Нет - но нужны другие программисты. Те, кто умеет работать С AI, а не вместо него.
- **Junior + AI = мусорный код быстро**: Без понимания архитектуры AI генерирует технический долг
- **Senior + AI = 10x продуктивность**: Понимание позволяет направлять AI и ловить ошибки
- **AI как учитель**: Можно изучить новую технологию за дни вместо недель
- **AI как ревьюер**: 'Что плохого в этом коде?' — часто находит реальные проблемы
AI - это не магия
**Главное заблуждение:** 'AI теперь всё сделает за меня, я могу не разбираться'. Это путь к катастрофе.
AI - это **усилитель**. Он усиливает то, что у тебя уже есть. Если ты понимаешь архитектуру - AI поможет написать код быстрее. Если не понимаешь - AI поможет написать плохой код быстрее.
**Automation Paradox:** Чем мощнее автоматизация, тем критичнее становятся навыки человека. Пилот самолёта с автопилотом должен уметь больше, а не меньше.
**Ключевой инсайт:** AI галлюцинирует. Он уверенно генерирует неправильный код, несуществующие API, ложные факты. Только твои знания позволяют отличить правильное от убедительно неправильного.
Джуниор просит AI написать SQL-запрос. AI генерирует красивый запрос с `SELECT *` и без индексов. Что произойдёт?
Три парадигмы: Стажёр, Коллега, Эксперт
Как ты взаимодействуешь с AI - определяет результат. Есть три основные парадигмы:
**Парадигма 1: AI как Стажёр** Ты - эксперт. AI - исполнитель, которому нужны чёткие инструкции. Ты ревьюишь каждую строчку, он выполняет механическую работу.
**Парадигма 2: AI как Коллега** Ты и AI - партнёры. Ты ставишь задачу, AI предлагает решение, вы обсуждаете, ты принимаешь решение.
**Парадигма 3: AI как Эксперт** Ты учишься у AI. Задаёшь вопросы, AI объясняет. Ты - студент, AI - преподаватель.
Ты хочешь внедрить GraphQL в проект, но никогда с ним не работал. Какую парадигму выбрать?
Когда какую парадигму использовать
Выбор парадигмы зависит от двух факторов: **твоя экспертиза** в теме и **критичность** решения.
| Ситуация | Экспертиза | Парадигма |
|---|---|---|
| Бойлерплейт код (CRUD) | Высокая | Стажёр — ты знаешь, как должно быть |
| Новая библиотека/фреймворк | Низкая | Эксперт — сначала разберись |
| Архитектурное решение | Средняя | Коллега — обсуди trade-offs |
| Критичный security код | Любая | Стажёр + внешний ревью |
| Exploration / прототип | Любая | Коллега — быстрый feedback loop |
**Красный флаг:** Если ты используешь парадигму 'Стажёр' для темы, в которой не разбираешься - ты генерируешь технический долг. AI напишет 'что-то работающее', но ты не сможешь это поддерживать.
**Динамическое переключение:** В реальной работе ты постоянно переключаешься между парадигмами. Начал как 'Коллега' обсуждать архитектуру → переключился на 'Стажёра' для написания кода → вернулся к 'Эксперту' чтобы разобраться в непонятном поведении.
Ты senior backend, но никогда не писал WebSocket серверы. Нужно добавить real-time в проект. Твой план?
Verification: Доверяй, но проверяй
Какую бы парадигму ты ни выбрал - **verification обязателен**. AI галлюцинирует, ошибается, не знает твой контекст.
**Три уровня верификации:** 1. **Syntax check** - код компилируется/запускается 2. **Semantic check** - код делает то, что нужно 3. **Context check** - код подходит для твоего проекта
**Типичные галлюцинации AI:** - Несуществующие API методы ('Используй `array.filterMap()`') - Устаревший синтаксис (код для React 16, когда у тебя 18) - Неправильные security практики (SQL без prepared statements) - Оптимистичные edge cases ('Это работает для всех случаев')
- **Тестируй сгенерированный код** — unit tests, integration tests
- **Проверяй документацию** — если AI использует API, проверь что он существует
- **Думай о edge cases** — AI склонен к happy path
- **Ревьюй security** — AI не знает твою threat model
Если код работает на моих тестах - он правильный
Код правильный только если он работает для ВСЕХ реальных случаев в контексте системы
AI оптимизирует для happy path. Реальные баги живут в edge cases: пустые данные, конкурентный доступ, сетевые ошибки, огромные объёмы. Твои знания нужны чтобы предвидеть эти случаи.
AI сгенерировал функцию парсинга JSON. Код компилируется, тесты на твоих примерах проходят. Что проверить дальше?
Ключевые идеи
- **AI — усилитель, не замена.** Умножает твои знания (или пробелы в них)
- **Три парадигмы**: Стажёр (ты эксперт), Коллега (партнёрство), Эксперт (ты учишься)
- **Выбор парадигмы** зависит от твоей экспертизы и критичности задачи
- **Verification обязателен**: Syntax → Semantic → Context
- **AI галлюцинирует** — только твои знания позволяют это увидеть
Куда дальше?
Парадигмы - это фреймворк мышления. Дальше - конкретные техники:
- Prompt Engineering — Как формулировать запросы для максимального качества
- Code Review с AI — Как использовать AI для улучшения качества кода
- AI для архитектуры — Обсуждение trade-offs и проектирование систем
Вопросы для размышления
- Вспомни последний раз, когда AI сгенерировал код, который ты не до конца понимал. Что произошло?
- В какой парадигме ты чаще всего работаешь с AI сейчас? Это оптимально для твоих задач?
- Какую область ты бы хотел изучить через парадигму 'AI как Эксперт'?