Начало работы с агентными инструментами
Выберите один инструмент и хорошо его изучите, прежде чем пробовать всё.
Выберите первый инструмент
Section titled “Выберите первый инструмент”Впервые работаете с AI-кодингом? Начните с GitHub Copilot или аналога. Низкий риск, немедленная польза.
Готовы к большей автономии? Попробуйте агента уровня задач, такого как Cursor, Cline или Kilo Code для изменений в нескольких файлах.
Исследуете? У большинства инструментов есть бесплатные тарифы. Попробуйте несколько, остановитесь на одном для глубокого изучения.
Первая сессия
Section titled “Первая сессия”Начните с малого — не генерируйте весь проект.
Хорошие первые задачи:
- Сгенерировать одну функцию по чёткому описанию
- Написать тесты для существующего кода
- Добавить документацию к запутанному коду
- Рефакторить маленький, беспорядочный кусок
Наблюдайте, как это работает: Замечайте, какой контекст используется, как обрабатывается неоднозначность, где делаются ошибки.
Развивайте интуицию промтинга
Section titled “Развивайте интуицию промтинга”Будьте явными: Вместо «исправь этот баг» попробуйте «Функция calculateTotal возвращает NaN, когда массив items пуст. Добавьте проверку, возвращающую 0.»
Предоставляйте контекст: «Это React-компонент на TypeScript. Следуй паттерну других компонентов в этой папке.»
Устанавливайте ограничения: «Не меняй публичный API. Сохрани обратную совместимость.»
Когда делегировать
Section titled “Когда делегировать”Не каждую задачу стоит отдавать агенту. Спросите себя:
- Насколько задача ясна? Расплывчатые задачи проваливаются. Чёткие — достигают успеха.
- Сколько контекста нужно? Глубокие знания предметной области рискованно делегировать.
- Каков радиус поражения? Ошибки на критических путях дороже исправлять.
- Сколько времени это займёт? Если вручную 5 минут, промтинг может не стоить усилий.
Хорошие кандидаты
Section titled “Хорошие кандидаты”| Тип задачи | Почему работает |
|---|---|
| Шаблонный код (CRUD, DTO, конфиг) | Повторяющийся, хорошо определённый, низкий риск |
| Тесты | Самопроверяющиеся — вы сразу знаете, работают ли |
| Документация | Легко проверить точность |
| Механический рефакторинг | Переименование, извлечение функций, конверсия синтаксиса |
| Исправление багов с чётким воспроизведением | «Когда происходит X, получается Y, но должно быть Z» |
Оставьте себе
Section titled “Оставьте себе”- Архитектурные решения — Агенты не понимают историю и будущее вашей системы
- Код, связанный с безопасностью — Стоимость тонких ошибок слишком высока
- Критичные по производительности участки — Агенты оптимизируют корректность, не скорость
- Новые алгоритмы — Агенты ищут паттерны; новые проблемы требуют человеческой креативности
- Неоднозначные требования — Уточните перед делегированием
Серые зоны
Section titled “Серые зоны”Для задач, которые не вписываются чётко: начните с агента, будьте готовы перехватить. Получите от агента начальную структуру, затем доработайте вручную.
Выработайте привычки
Section titled “Выработайте привычки”Неделя 1: Только шаблонный код и тесты Неделя 2: Добавьте документацию и рефакторинг Неделя 3: Реализация фич с чёткими спецификациями Неделя 4: Сложные, многошаговые задачи
Знайте, когда остановиться
Section titled “Знайте, когда остановиться”Признаки того, что стоит написать самому:
- Вы перепромтили 3+ раз без прогресса
- Задача требует глубокого контекста, которого у агента нет
- Вы бы закончили вручную быстрее, чем потратили на промтинг
В написании кода вручную нет ничего постыдного. Цель — продуктивность, а не использование агента.
Ресурсы
Section titled “Ресурсы”Основные
Section titled “Основные”- Research → Plan → Implement Framework - Систематический подход к AI-сопровождаемой разработке
- AGENTS.md - Открытый формат для направления агентов, используется в 60k+ проектах
- The Minimum Every Developer Must Know About AI Models - Базовые знания, чтобы не сломать ничего
Углублённые
Section titled “Углублённые”- AI Engineering at Jane Street – John Crepezzi - Создание кастомных AI-инструментов для специализированных языков
- What is Model Context Protocol (MCP) - Стандарт для AI-интеграций
- Code research projects with async coding agents - Практический паттерн для асинхронного агентного исследования
- Prompt Engineering Specialization – Vanderbilt University - Комплексный курс по промтингу
- Understanding Prompt Engineering – DataCamp - Основы промтинга для начинающих
Нашли ресурс, который помог вам начать? Добавьте его на эту страницу — ваша рекомендация может быть именно тем, что нужно другому.