Уверен, большая часть из вас, кто сейчас читает это, так или иначе сталкивалась или даже активно применяет тех или иных ИИ-агентов. Будь то редакторы вроде Cursor и Windsurf, ассистенты типа GitHub Copilot или автономные агенты — Devin, Claude Code.

С каждым днём инструментов, помогающих справляться с задачами или берущих их на себя целиком, становится всё больше. В этом посте я хочу поговорить про агентный кодинг — сам часто пользуюсь этими инструментами и уже попробовал многие из них.

Когда до меня дошло, на что способен ИИ, я начал активно изучать это и искать ответы на вопросы: исходя из чего? Как? Получил достаточно исчерпывающие ответы. О них, думаю, будет следующий пост.

Ещё три года назад, когда вышел GPT-4 в марте 2023-го, я попробовал пару раз, погенерировал несколько функций, позадавал странные вопросы — например, что было раньше: курица или яйцо — и забыл на пару месяцев. Тогда модели были ещё не так хороши ни в кодинге, ни в рассуждениях на философские темы.

Через пару месяцев я познакомился с моделями компании Anthropic. Их Claude стал для меня настоящим прорывом в кодинге. Он уже тогда мог писать не посредственный код, а что-то отдалённо напоминающее нормальное, а где-то даже хорошее решение — насколько я могу судить.

С того момента я полностью втянулся в процесс написания кода с Claude. Всё чаще переставал искать информацию привычным веб-сёрфингом и задавал вопросы ему. Перестал лезть в документацию — шёл с вопросами к нему.

В какой-то момент я осознал, что моя продуктивность выросла — не колоссально, но процентов на 10–20 точно. Это, кстати, согласуется с реальными кейс-стади: в одном из них на выборке 50 разработчиков с GitHub Copilot количество pull-реквестов выросло на 10–11%, а время цикла разработки сократилось примерно на 3–4 часа. Так что цифра живая, не с потолка.

Claude закрывал кучу задач по поиску и ответам на вопросы, которые раньше отнимали немало времени. После того как я убедился в его адекватности, начал отдавать ему ошибки на разбор — те, в которых было либо долго, либо скучно разбираться самому.

В интерфейсе чата с Claude я провёл не так много времени: вскоре познакомился с редакторами кода, в которые уже был встроен Claude и ещё куча разных моделей для кодинга и не только.

До Cursor я не понимал, насколько непрерывным и бесшовным может быть процесс написания кода вместе с LLM. Автодополнение, генерация кода, и отдельно — автоматические сообщения для коммитов. Вот это зацепило сильнее всего остального.

В процессе использования Cursor искал альтернативы и наткнулся на Windsurf — он чуть ли не полностью реализовывал тот же функционал. Фоном Microsoft начал встраивать ИИ-кодинг в VS Code вместе с GitHub Copilot. В общем, перепробовал тогда немало.

В какой-то момент стало ясно: все эти супернавороченные редакторы мне не зашли. Честно говоря, мне столько и не нужно было. Продуктивность быстро вернулась на круги своя — теперь, помимо самого кодинга, приходилось ещё и проверять каждый написанный LLM-ом участок, часто вручную его переписывать или выкидывать целиком. LLM-код зачастую был неоптимизированным, избыточно сложным или, наоборот, слишком наивным, с архитектурными костылями. Но самое невыносимое: он совершенно не ориентировался в инструментах и версиях библиотек, вышедших позже его даты обучения. Так я и вернулся к привычному общению в чате.

Так прошло ещё некоторое время. В ноябре 2024-го Anthropic выпустили MCP — Model Context Protocol, открытый стандарт для общения LLM с внешними инструментами: базами данных, API, файловой системой и чем угодно ещё. До этого каждый делал интеграции руками — MCP попытался это унифицировать.

Параллельно появились и быстро набрали популярность фреймворки для агентных пайплайнов — CrewAI, LangGraph, AutoGen — и векторные базы данных: Chroma, Pinecone, Weaviate. Активно начали применять RAG — подход, при котором LLM перед ответом сначала достаёт релевантные куски из базы знаний, а не генерирует из головы. Графы знаний тоже подтянулись в этот стек — технология не новая, но в связке с LLM заиграла по-новому.

В феврале 2025-го Anthropic выпустили Claude Code — полноценный CLI-инструмент с агентным циклом для кодинга. На него я и пересел: интерфейс командной строки был мне гораздо ближе. Компании тем временем начали активно требовать от кандидатов умения работать с этими инструментами.

Вот так часть разработчиков за буквально пару лет пересела на агентный кодинг. В процессе случались прикольные факапы — были истории, когда агенты удаляли данные в продакшне. Поучительно было, если в двух словах.

Сейчас половину кода за меня пишет Claude, и 90% коммитов он делает сам, следуя нашему git-flow.

За всё это время я осознал одно: ещё долгое время LLM не смогут писать достаточно поддерживаемый, оптимизированный и чистый код.

Вижу, как разработчики при простых задачах — вроде развёртывания проекта в контейнере — не читая ошибку, сразу отправляют её в GPT, хотя там прямо написано: «Docker не установлен». Вижу, как вместо актуальной документации LLM генерирует костыльные методы установки, которые выглядят совсем странно. Настоящий специалист такого бы не допустил.

Да, поначалу кажется, что агент пишет рабочий код и он вроде бы укладывается в общую архитектуру. Но когда его нужно начать расширять или масштабировать, ни специалист, ни сам LLM не могут разобраться в том, что было написано.

И это не только моё ощущение: анализ 211 миллионов строк кода от GitClear зафиксировал восьмикратный рост дублирующихся блоков кода в 2024 году по сравнению с 2022-м. Google DORA Report 2024 показал: рост использования ИИ ускоряет ревью, но одновременно снижает стабильность поставки. Примерно половина разработчиков, по опросам, до сих пор не доверяют результатам ИИ полностью — особенно там, где нужно принимать критические решения.

Лучше всего агентный кодинг работает там, где задача ограничена: найти причину ошибки, обновить код в нескольких файлах, написать тесты, поднять каркас проекта. В ресёрче — точно быстрее человека.

Но как только начинаются архитектурные решения, оптимизация и выбор между компромиссами — он быстро слабеет. Полагаться на него здесь ещё рано, и будет рано ещё очень долгое время.

Для этого поста, думаю, достаточно. Мир движется с невероятной скоростью, от него нельзя отставать — но в попытках угнаться нельзя забывать про устоявшиеся принципы инженерии, выработанные на ошибках прошлого.