Топ-5 инсайтов по внедрению AI-разработки из личной практики
1️⃣ Гигиена контекста и субагенты
Качество Claude Sonnet критически падает после 70–80k токенов: начинаются пропуски логики и галлюцинации.
Решение: Субагенты. Выноси задачи в изолированные инстансы.
Метрика: Лимит задачи — 3-4 часа работы мидла (выходит, что одна задача занимает ~50-70k токенов).
2️⃣ Инфраструктура «Memory Bank»
AGENTS.md и системный промпт не подходят для всей базы знаний проекта.
Архитектура: Папка .memory-bank/ для правил кода и паттернов.
Эффект: Агент знает, куда пойти за необходимой информацией по проекту. Экономит контекст.
3️⃣ Детерминированный Feedback Loop
Никакого доверия модели. Агент должен проверять себя детерминированными инструментами.
Инструменты: Линтеры, Type-check, тесты.
Пайплайн: Код -> Линтер (ошибка) -> Авто-фикс агентом. Без этого — генерация неработающего кода.
4️⃣ Приоритет планирования (90/10)
Генерация кода без плана — сжигание бюджета.
Правило: 2-3 часа на архитектуру с рассуждающими моделями (GPT-5.* High).
ROI: Плохой план утраивает расход токенов на правки. Исправлять галлюцинации дороже, чем планировать.
5️⃣ Специализация моделей
Используй сильные стороны разных LLM:
Codex / GPT-5.*: Планирование, структура, следование инструкциям.
Claude (Sonnet): Написание кода, реализация («рабочие руки»).
z.ai GLM-4.7: Рутина и задачи с четким ТЗ (экономия бюджета).
Лайк, репост,
✔️ Тимур Хахалев про AI Coding, подписывайтесь!
Добавить комментарий