AI-агент полезен не как генератор случайного кода, а как участник управляемого инженерного процесса. Он ускоряет исследование, рутинную реализацию и проверку, но продуктовые решения и ответственность за результат остаются у человека.
1. Начинаю не с кода
Сначала формулирую один главный пользовательский сценарий: кто приходит в продукт, какую задачу решает и что должно измениться после первого использования. Затем фиксирую ограничения — платформу, сроки, данные, интеграции и критерий готовности.
Так агент получает не абстрактное «сделай приложение», а понятный контекст для декомпозиции.
2. Собираю рабочий скелет
На старте важнее быстро получить вертикальный срез продукта:
- интерфейс главного сценария;
- минимальный backend и модель данных;
- авторизацию и необходимые интеграции;
- локальное окружение и production-сборку;
- базовые состояния загрузки, ошибок и пустых данных.
Для web-продуктов это часто Next.js или React, для API — FastAPI, для изоляции и деплоя — Docker. Агент помогает развернуть основу и сохранить единые соглашения по всему проекту.
3. Работаю короткими итерациями
Каждая итерация должна заканчиваться проверяемым результатом: работающим экраном, API-методом, миграцией или тестом. После изменения я проверяю типы, линтер, production-сборку и сам сценарий в браузере.
Это дешевле, чем генерировать большую систему целиком, а затем разбираться в связанных ошибках.
Что нельзя отдавать на автопилот
- выбор продуктового приоритета;
- архитектурные компромиссы;
- безопасность и работа с доступами;
- корректность данных и метрик;
- финальный UX на реальных размерах экрана;
- решение о готовности к запуску.
Моя цель — не написать максимальное количество кода с AI. Цель — быстрее пройти путь от идеи до работающего продукта, сохранив контроль над качеством и смыслом.