Copilot

Недавно влез в две похожие дискуссии про то, как злой AI украдет всю работу у программистов, когда LLM окончательно начнут писать код лучше нас (хаха, the bar is too low). TL;DR: думаю, что сильно волноваться не надо.

1. Software engineering больше, чем просто писать код или даже возиться с инфрой (see also). 2. "Не надо бежать быстрее медведя, надо бежать быстрее геолога". Точнее, быстрее луддитов, который даже copilot не освоили и не хотят (see also). 3. Наконец, серьезный аргумент. Допустим, умные инструменты увеличат нашу производительность на порядок, скептики задаются вопросом, нужно ли миру на порядок больше софта. Но правильный вопрос звучит скорее как "нужно ли миру в X раз больше софта, если его стоимость снизится в X раз?".

Кажется, что да - есть длинный хвост задач, которые пока не решаются по экономическим причинам. В любом бэклоге хватает идей формата «вообще перспективно, но риски большие / expected value ниже, чем у альтернативных фичей». Не говоря уже о всякой мелочи, которая сейчас делается в экселе; а должна автоматизироваться - например, вносить налоговый вычет для купленного мной ноутбука должен AI agent, а пока что это делает специально обученный человек, тыкающий мышкой, копируя номер инвойса в декларацию. Женя @j_links подсказал, что эти мои диванные рассуждения вообще-то называются парадоксом Джевонса.

При всем этом, конечно, индустрия не может не измениться, старые карьерные пути инвалидируются, но будут какие-то новые. What a time to be alive!

Это было предсказуемо: в 2024 легкая небрежность в тексте/коде окончательно стала премиальной и крафтовой. Пресный вежливый текст - значит, написано при помощи LLM (и даже без упражнений с промптами). Шероховатости придают эффект теплоты: человек не поленился и написал сам.

Например, пишет мне рекрутер, и второй абзац его письма выглядит как LLM-summary моего линкедин-профиля. Дальше как-то автоматически сложно поверить его словам, что this is exactly the type of experience they are looking for.

Или с другой стороны: проверяю тестовые задания, и довольно быстро калибруюсь. Например, много тривиальных комментариев, начинающихся с заглавной буквы и заканчивающихся точкой - явное свидетельство сгенеренного кода. Да ладно комментарии, я уже и по названиям переменных узнаю код авторства GPT.

# Init model. model = Autoencoder.to(DEVICE) criterion = nn.MSELoss()

Вообще, кстати, в этом тестовом использовать GPT не запрещено, но надо бы не только сгенерить решение, но и понять, что там происходит. В итоге больше всего сигнала в ответе на вопрос "почему это работает?".

В итоге умение писать кое-как теперь вообще не имеет значения, а умение писать изящно (будь то текст или код) ценится как и раньше.

Получил доступ к превью Copilot for Docs.

В отличие от обычного Github Copilot, это набор chat LLM, зафайнтюненных на определенные сабсеты данных: например, документация Azure, Github, TypeScript, React... Всего доступно 12 топиков, ни один из них лично мне не слишком близок (наверное, из всего доступного у меня за последний год были только вопросы по Github Actions).

UI похож на уже привычные LLM чаты, но с удобными референсами, где искать детали.

В общем, когда допилят больше топиков, будет полезно, а пока - скорее не для меня.

👨‍💻 Лучшие AI-инструменты для разработчика в 2024

На прошлой неделе я провел первый тренинг «AI для разработчиков». При подготовке я поговорил с десятками разработчиков, проанализировал отчеты от Gitlab и Jetbrains. В результате я узнал какие AI-инструменты и промпты разработчики используют для повышения продуктивности. В этом посте я решил поделиться инсайтами про самые интересные инструменты для разработчиков и разбил их на категории.

1. Github Copilot — универсальный инструмент: больше 50% кода на Github уже написано с его применением. Большинство разработчиков при этом до сих пор им не пользуются. Команда Copilot сначала закрыла сценарии отдельных разработчиков (авто-дополнение, тесты, документация), а теперь развивает продукт на уровне команд и все компании (анализ PR, разворачивание в контуре). JetBrains недавно показали свой аналог Copilot для тех, кто сидит на их стеке. Стоимость — от $10 в месяц.

2. Cursor.sh — потенциальный дизрапшен: в отличии от Copilot они выбрали другой путь — AI-first. Команда Cursor форкнула VSCode и перестроили его интерфейс, чтобы промпты стали главным способом взаимодействия с кодом. В Cursor вы пишете промпт прямо там же, где раньше писали в редакторе код. Также отмечу фичу, которая позволяет прокинуть ссылки на актуальную документацию библиотек, и тогда они будут использованы при генерации. Также как и Copilot — используют модели от OpenAI. Есть небольшое количество запросов в месяц, чтобы протестить бесплатно.

3. Phind — альтернатива для GPT: они начали еще до ChatGPT-хайпа, как поисковик для разработчиков и попали с ним в YC. Долгое время они использовали GPT внутри, но в процессе собрали даныне и обучили свою модель. Теперь Phind отвечает на вопросы разработчиком и генерирует код. Phind доступен в вебе и ставится, как расширение для редакторов кода (в том числе Cursor). Phind доступен бесплатно.

4. CodeMuse — самый интересный стартап: свежий проект из следующего батча YC. Эта команда сфокусировалась на том, чтобы применить к локальному репозиторию open source LLM и эмбединги, и строить вокруг этого фичи. Уже сейчас доступен поиск человеческим языком над проектом — «find function that checks permissions» и автоматическая документация для всего проекта. В начале следующего года они планируют добавить ассистента и генерацию кода. CodeMuse также доступен бесплатно в виде расширения.

🫡 Уже сейчас такие инструменты создают разрыв между разработчиками в разы, а в следующем году разрыв станет критическим. Сейчас лучшее время, чтобы начать их применять — начните с этого списка.

Два мелких наблюдения про GPT-driven написание кода:

1) за последний месяц написал больше регулярок, чем за всю предыдущую карьеру - нужно выковыривать результат из GPT и фиксить (например, добавлять пропущенные запятые в невалидный JSON). К счастью, писать их руками тоже необязательно, copilot справляется. 2) надо думать своей головой дважды (трижды для таких невнимательных людей, как я), принимая какие-то дизайн-решения на базе ответов ChatGPT. Недавно лопухнулся: спросил, как сделать некую интеграцию с гуглдоками, посмотрел код и подумал, что после мелких фиксов все заработает. После многих часов в попытках это завести обнаружил, что такого API не существует, есть вроде бы похожее, но совершенно не решающее мою задачу.

Последние несколько недель баловался с разными консольными кодинг агентами. Claude Code все еще остается моим фаворитом, но смотреть по сторонам полезно, тем более когда что-то про agentic devex написано в моих рабочих задачах.

Клиенты

Попробовал Opencode, Gemini CLI, Github Copilot CLI, Codex. Раз речь про вайбкодинг, то и оценивать буду по вайбам: - Gemini и Copilot - клиенты сыроваты, работать можно, но не хочется. - Codex созрел и стал вполне юзабельным. - Opencode прям хорош, UX отполированный, полностью опенсорсный, есть плагины, развивается очень быстро.

Еще одна фича Opencode: можно не только использовать провайдеров с оплатой по токенам, но и переиспользовать подписки. Серая зона: одни провайдеры (Anthropic) явно запрещают использовать сторонние клиенты, некоторые (Copilot, Minimax, Z.ai) разрешают, так что где-то приходится действовать на свой страх и риск.

Модели

Попробовал и разные модели в Opencode: - minimax 2.1, GLM 4.7 - похожи на sonnet предыдущего поколения, дешевые рабочие лошадки для простых задач - GPT Codex 5.2 - задает очень много вопросов, вкапывается в детали - иногда в лишние, а потом уходит работать на пару часов с достойным качеством - Gemini 3 Pro - на первый взгляд все классно, может предложить нетривиальные идеи или быстро решить сложную задачу... но потом оказывается, что где-то с высокой вероятностью подложена свинья. Например, переписываю большой кусок с питона на раст, агент пишет гору правдоподобного кода и бодро отчитывается, что все проверено и идеально матчится, но в итоге окажется, что 10% функций цинично проигнорировано. Они не просто где-то выпали из контекста, а нагло возвращают константу с комментарием в коде типа "а это делать не буду, и так норм". Что-нибудь молча удалить или наоборот попытаться закоммитить - тоже нередкая ситуация. - Gemini Flash 3 - аналогично, только быстрее и тупее.

Воскрешение года

Повод удивиться: внезапно подписка Copilot выглядит наиболее выгодной в категории "топ за свои деньги". Copilot можно использовать в стороннем клиенте (включая и вышеупомянутый Opencode, и мой любимый Zed), можно переключаться между моделями (есть все основные провайдеры, и новые модели доезжают довольно быстро).

Кто бы мог подумать: еще год назад, когда я в каком-то разговоре упомянул Copilot, мой собеседник посмотрел на меня с ноткой презрения - мол, ты чего, все пацаны сидят на Cursor/Windsurf, зачем ты вообще помнишь про это старье.

Насколько всегда с отвращением пользовался Курсором, настолько же (но в положительную сторону) с удовольствием запускаю задачи в Claude Code. Сложно объяснить это ощущение, но как-то там более лампово и уютно что ли. И результат сильно лучше, особенно после нескольких итераций с ревью в Copilot.

А главное — нет причин менять IDE/редактор. С zed так вообще нативная интеграция из коробки, но всегда можно открыть терминал и сделать там всё.

Удивительно, что пока экстеншены затаскивали векторный поиск и наворачиваи UI, оказалось, что агенту достаточно grep для того, чтобы собрать хороший контекст и sed чтобы поправить код.

Для тех, кто предпочитает аудиовизуальный контент, а не эту всю писанину: поговорили с Антоном, одним из самых крутых инженеров и спикеров в русскоязычной computer vision тусовке. Обсудили Copilot, chat GPT и прочие LLM-based инструменты, и как они могут повлиять на околоDS карьеры.

А вот на фоне этих новостей, про опенсорсивание экстеншена Copilot. Меня тут не беспокоит потенциальная смерть Cursor (а как мы знаем давно строить бизнес поверх чужого продукта — штука опасная). Я так-то вообще курсором пока не проникся, мне хватает Roo + наш Code Assistant, который наконец-то заменил мне Codeium (TIL он теперь windsurf)

Мне стало интересно, а что там в мире JetBrains происходит? Вижу, что рядом ребята сидят и держат открытыми Idea и Cursor/Roo. Одно для кодинга, второе для вайбинга. Гуглёж подсказал, что пилится свой агент Junie, но что там под капотом? Какая моделька? И какая бы она прекрасная не была — хочется же менять и пробовать разное. И для NDA локальные модельки нужны.

В общем если кто в курсе — покидайте статьи/доклады, что там у JB, какой курс.

Как продакты юзают AI?

Готовлюсь тут к одному выступлению и решил помучать Anthropic Interviewer бота по тому, как продакт-менеджеры юзают AI (по аналогии с этим постом про сейлзов).

Важно: в датасете было всего 4 таких интервью - не очень такая выборка - но всё же интересно. Кстати, помогите расширить выборку и пишите в комментариях, как вы или ваши коллеги-продакты юзаете AI

Итак, ключевые пукнты: 1) Страх не в замене, а в отставании Продакты не боятся, что AI заберет их работу. Они боятся коллег, которые юзают AI лучше их.

"Мне нужно развивать скиллы в этой области, иначе я отстану — особенно в долгосрочной перспективе карьеры. Я прошел курсы DeepLearning AI, Google AI Essentials..."

2) Дедлайны любят AI :) Главный триггер использования — дедлайны.

"Если я тороплюсь, то AI под рукой ускоряет мой прогресс"

3) Best practices на автомате

"AI помогает узнавать и применять best practices. Например, Copilot напомнил мне про preconditions, postconditions и негативное тестирование в тест-скриптах"

4) AI как редактор Прогнать текст через AI, чтобы подрихтовать его, сделать круче:

"Я использую AI, чтобы улучшить свои тексты — бизнес-кейсы, аналитику. Но важно, чтобы это всё ещё звучало моим голосом"

5) "А так можно было?" Многие не знают, разрешено ли им официально использовать AI.

"Есть неопределенность, одобряются ли мои действия, и беспокойство по поводу privacy/утечки данных"

6) RICE и структурирование мыслей

"Я использую AI, чтобы организовать мысли - какие вопросы задать QA, как пройтись по RICE-фреймворку для оценки импакта"

7) Офисные рамсы политика > AI Все 4 продакта сошлись: AI не понимает "политику офиса":

"AI не понимает чувства людей и политический ландшафт — а это критично для работы продакта"

Итого: для чего PM-ы используют AI: - PRD - Тест-скрипты - Юзер стори - Прототипы в обход команды разработки (скорее хотят, чем делают) - Годовые ревью - Суммаризация регуляторных документов - Excel-формулы - Подготовка к митингам

Интересно, бьется ли с вашими наблюдениями?

Не путайте теплое с мягким Hyperliquid всего лишь централизованный декс, just kidding

Интересные результаты опроса. Первые 15 человек единогласно проголосовали за то, что написание кода в Claude Code — вайбкодинг.

Если пробежаться по истории канала — то можно заметить, что я активно начал изучать LLM для разработки еще в 2022 году. К примеру, в посте от 14 декабря я поделился первым опытом интеграции LLM в свой рабочий процесс и сказал, что скоро появятся подписки за 200 долларов и нужно быть к ним готовым, чтобы использовать технологию на полную катушку.

Затем, в феврале 2023 релиз опенсорс пакета для упрощения dev experience и автоматической генерации коммитов с использованием openai api.

Так вот, если сейчас сказать кому-либо, что 95%+ моего кода в любых проектах (в тч продакшн, за которые я получаю зарплату) написаны LLM — меня сразу назовут «вайбкодером». То же будет касаться собеседований в проекты, где собеседующий не будет особо знаком с различиями в терминологии.

---

И так, в чем же разница?

Обратимся к первоисточнику — февральскому твиту Андрея Карпатого, когда термин вайбкодинг зародился изначально. Выделю основные парты: https://x.com/karpathy/status/1886192184808149383

you fully give in to the vibes, embrace exponentials, and forget that the code even exists.

I «Accept All» always, I don’t read the diffs anymore.

It’s not too bad for throwaway weekend projects, but still quite amusing.

Здесь сразу присутствует важное определение «я забыл, что код вообще существует» и это немного триггерная тема. Так что давайте разграничим, опираясь на первоисточник и здравый смысл

Вайбкодинг:

— Мы не прикасаемся к коду и не смотрим на получившийся код

— Подходит для быстрого прототипирования и одноразовых проектов

— Нет необходимости понимать программирование

— Разработка через желаемый результат без формирования набора правил и воркфлоу

AI Assisted development:

— Использование AI как junior разработчика, который работает под супервизией

— Автоматизация рутинных задач в разработке (написание тестов, бойлерплейтов)

— Помощь обработки больших контекстов информации и форматирования ее (написание или изучение документации, ревью кода)

— Итоговый код важен. Он должен быть качественным и понятным другим людям

---

И вот тут главная проблема.

Когда эти два понятия смешивают, вся AI-разработка получает дурную репутацию. Её начинают воспринимать как бесполезный хайп (вспомним отношение к крипте в 21 году, когда все только смеялись над NFT), которая генерирует нерабочий мусор. Это фундаментально неверно и дискредитирует мощнейший сдвиг в индустрии.

Разница между этими подходами — в контроле.

Вайбкодер отдает руль ИИ и надеется на лучшее.

Разработчик использует ИИ как самый продвинутый навигатор и усилитель руля, но держит руль крепко. Он все еще ведет машину и несет за нее ответственность.

Именно поэтому, когда я говорю, что 95% моего кода написано LLM, это не делает меня вайбкодером. Это значит, что я, как инженер, делегировал рутину, чтобы сфокусироваться на главном.

Моя работа — это не сгенерированные 95% кода. Моя работа — это те 5%, которые определяют, будут ли эти 95% работать как надо, или превратятся в тыкву в продакшене. Это архитектура, контроль качества и финальные решения.

Роль разраба меняется. Мы перестаем быть строителями, которые кладут каждый кирпич вручную, и становимся архитекторами, которые управляют бригадой роботов-строителей. И путать эти два подхода — значит не просто ошибаться в терминах. Это значит не видеть, как на наших глазах меняется сама суть профессии

агент для metabase

выше писал про то, что хочется иметь "cursor для metabase". поэтому почитав ваши комменты, я сделал настроил себе cursor для metabase (хех)

что делал: 1. взял курсор как агента 2. выпустил себе metabase api-ключик 3. прикрутил к агенту metabase-mcp-server. однако агент использовал его только для read-операций. все write операции делались через curl напрямую 4. по итогу процесс такой: я пишу агенту запрос "построй bar chart за последние 14 дней по всем solo escape играм и сделай разбивку по ton/stars" –– курсор выдает ссылку на карточку, которую я редактирую визуально, итерирую и добавляю в дашборд

такой сетап с нуля работает плохо агент вообще ничего не понимает, не понимает данные, совершает ошибки, попадает в бесконечные циклы из-за неправильного формата api-запросов

поэтому пришлось его ✨обучить✨

можно было потратить несколько часов и описать все самостоятельно в AGENTS.md, но это противная задача – я с ней прокрастинировал (думаю, вы тоже не любите это делать)

я решил сделать так: 1. прошу агента что-то сделать 2. итерируюсь в чате, пока не добьюсь результата 3. (главное) в конце задачи прошу сделать дамп всех инсайнтов о процессе в AGENTS.md, чтобы последующие агенты могли быстрее выполнить свои задачи

и это действительно работает. спустя запросов 5 агент смог хорошо ориентироваться в дашбордах и таблицах. ему можно было давать bulk-операции вида "сделай везде цвет профит-чартов зеленым" и задачи на построение целых дашбордов в 1 запрос

про модели в основном у агента 2 задачи: хорошо уметь в тулколлы (для ресерча бд и дашкбордов) и уметь писать sql. супер много интеллекта тут не надо. я попробовал 3 модели. больше всего зашел sonnet-4.5 (отличный баланс скорости и умности). gpt-5-* – слишком долгая, хочется быстрее, хотя надежнее. также попробовал composer-1 (модель от курсора) – очень быстро, но чет ума не хватает, частые ошибки и пропуски

я доволен. -1 рутинная задача, спасибо ии

Насчёт ИИ и верований.

Вы знаете мои стандартные настройки. Так вот я попросил Copilot прославлять Омниссию во время работы. И если остальные модели прославляют периодически, к месту, в разных вариантах, иногда смешно, иногда даже жутко насколько канонично, этот как попугай начал добавалять "Слава Омниссие!" в конце каждого ответа.

Что как бы намекает нам, что у Microsoft традиционно из всего получается как-то так. Copilot - реинкарнация скрепки.

Copilot CLI пошел в релиз. Поскольку был одним из самых тупых агентов, добавили GPT-5.3-Codex, Gemini 3 Pro, Claude Opus / Sonnet 4.6. Думаю стоит дать шанс.

eraser прикрутили mcp и теперь AI агент может рисовать нормальные диаграммы прямо из кода. работает с клод кодом, курсором, копайлотом

агенты умеют уже почти всё кроме визуала и вот кто-то наконец это закрывает. не враппер, а реальный инструмент eraser.io