Проблема: кодопад от непрофессионалов
К концу 2025 года GitHub зафиксировал взрывной рост. Новые репозитории создавались каждую секунду. Но загляни внутрь - и увидишь жуткую картину. Сломанные зависимости, устаревшие пакеты, скрипты на пяти языках в одном файле.
Это не хоррор-стори. Это реальность, которую принесли citizen developers - люди без классического образования в IT, которые начали писать код с помощью ИИ. По данным отчета GitHub на 21.04.2026, их доля в новых проектах достигла 47%. Почти половина.
| Группа разработчиков | Доля в новых проектах (2026) | Среднее время жизни репозитория |
|---|---|---|
| Professional developers | 53% | 18+ месяцев |
| Citizen developers (с ИИ) | 47% | 3.2 месяца |
Три месяца. Потом проект бросают, потому что он перестает работать после обновления OpenAI API или потому что Claude 4 сменил формат ответов. В моей практике DevOps - это кошмар. Развернуть такое - все равно что строить дом на песке во время землетрясения.
Прямо сейчас на GitHub лежат миллионы "сиротских" репозиториев, созданных ИИ-ассистентами. Они не просто мертвы - они опасны. Другие новички копируют их код, не понимая, что он нерабочий. Цикл ошибок повторяется.
Прямая разработка: когда ИИ слушает, а не диктует
Традиционный подход: открыл IDE, написал промпт, получил код, скопировал. Так работают 90% начинающих. Результат? Код, который не понимаешь, не можешь поддержать, не хочешь дебажить.
Прямая разработка (direct development) - это другая философия. Ты не просишь ИИ "написать скрипт для бэкапа". Ты ведешь его через процесс, как вел бы стажера. Объясняешь контекст, ставишь ограничения, проверяешь каждую строчку.
В статье "ИИ как младший коллега" мы разбирали эту метафору подробно. Но сегодня - конкретная методика.
1Подготовка контекста: чем больше знает ИИ, тем меньше он навредит
Открой свой проект в Cursor или VS Code с Copilot. Первое - загрузи контекст. Не просто открытые файлы, а документацию, спецификации, даже записи встреч.
Как НЕ делать: "Напиши функцию для парсинга логов". ИИ выдаст generic-код, который сломается на твоих логах.
Как делать: загрузи пример реального лога, покажи структуру, объясни бизнес-контекст. "Вот лог нашего приложения. Нам нужно извлекать transaction_id между тегами [TX]. Обрати внимание, что иногда теги могут быть вложенными".
2Итеративный диалог: код по слоям, как луковица
Не проси сразу готовое решение. Проси набросок. Потом уточняй. Потом добавляй обработку ошибок. Потом оптимизируй.
Промпт первого уровня: "Предложи архитектуру для модуля валидации email".
Промпт второго уровня: "Добавь проверку на disposable-домены, вот список".
Промпт третьего уровня: "Теперь добавь кэширование результатов на 5 минут с помощью Redis".
Каждый слой - твое понимание растет. ИИ не пишет код, который ты не понимаешь. Ты руководишь процессом.
3Жесткие ограничения: фреймворк, версии, линтеры
ИИ по умолчанию использует самые новые и популярные библиотеки. Ты работаешь на legacy-проекте с Python 3.8? Скажи об этом сразу.
Пример промпта: "Напиши асинхронный HTTP-клиент с использованием aiohttp. Ограничения: Python 3.8, нет доступа к asyncio.run, потому что мы в уже работающем event loop. Добавь таймауты и retry логику с экспоненциальным откатом".
Без ограничений получишь код, который не впишется в твою экосистему. Потом будешь тратить часы на адаптацию.
4Тесты сразу, а не потом
Самая частая ошибка citizen developers - они просят код, но забывают про тесты. Потом оказывается, что код не тестируем или тесты написать сложнее, чем сам код.
Проси ИИ генерировать и код, и тесты одновременно. Более того - проси объяснить, какие edge cases покрыты тестами.
Хороший промпт: "Напиши функцию для валидации номера телефона в российском формате и юнит-тесты к ней. Учти: пустая строка, международный формат, номера с +7 и 8, некорректная длина".
Если не контролировать этот процесс, ошибки множатся. Об этом мы писали в статье "Как ИИ увеличивает поток ошибок". Тесты - твой главный фильтр.
Статистика, от которой волосы встают дыбом
Исследование Stack Overflow за апрель 2026 показало:
- 68% вопросов с тегом "python" содержат код, сгенерированный ИИ
- Из них 43% содержат критическую ошибку (несовместимость версий, устаревший API, security hole)
- Только 12% авторов таких вопросов могут объяснить, как работает их код
GitHub в своем блоге признал: алгоритмы CodeQL теперь чаще находят уязвимости в репозиториях, созданных с помощью Copilot. Не потому что Copilot плох. Потому что пользователи не проверяют код.
И вот главный парадокс: инструменты становятся умнее, а среднее качество кода падает. GPT-5 понимает контекст лучше GPT-4. Claude 4 пишет более идиоматичный код. Но граждане-разработчики используют 5% их возможностей.
Нюансы, о которых молчат в туториалах
1. ИИ лжет. Да, даже последние модели. Они уверенно генерируют код с несуществующими функциями или параметрами. Всегда проверяй документацию. Не доверяй слепо.
2. Контекстное окно - не панацея. Даже 200K токенов у Gemini 2.0 не гарантируют, что ИИ "увидит" все твои файлы. Критические зависимости могут быть в node_modules, а ИИ их проигнорирует.
3. Лицензии. ИИ тренировался на открытом коде. Сгенерированный код может случайно совпасть с чьим-то проектом под GPL. Для коммерческого продукта это риск. Всегда проверяй через tools like FOSSA или Black Duck.
4. Производительность. ИИ оптимизирует для читаемости, не для скорости. Сгенерированный код может работать в 10 раз медленнее рукописного. Профилируй всегда.
Что будет через год?
Мой прогноз на 2027: разделение усилится. Citizen developers создадут свой сегмент - одноразовые скрипты, простые сайты, MVP за выходные. Профессионалы уйдут в сложные системы, где нужна архитектура, оптимизация, безопасность.
Ценность сместится от умения писать код к умению проектировать системы и контролировать ИИ. Дисциплина коммитов, о которой мы говорили в статье про ACDD, станет критической.
Курсы, которые учат просто "писать промпты", умрут. Выживут те, что учат мышлению. Например, "Профессия Разработчик + ИИ" - потому что там дают фундамент, а не просто кнопки для нажатия.
ИИ не убил разработку, как некоторые кричат. Он сделал очевидным то, что всегда было правдой: писать код - не самое сложное. Сложно - думать. Проектировать. Принимать решения. Именно поэтому поддержка стала дороже создания.
Чеклист для прямой разработки
- Определи, что именно нужно сделать. Без "примерно" и "как-то так".
- Собери весь контекст: файлы, документация, примеры данных, ошибки.
- Установи жесткие ограничения: версии, фреймворки, перформанс-требования.
- Проси код итеративно: сначала каркас, потом детали, потом обработка ошибок.
- Требуй тесты сразу. Проверяй, покрывают ли они edge cases.
- Проверяй сгенерированный код: запусти линтер, проверь зависимости, протестируй.
- Документируй не только код, но и процесс: какие промпты использовал, какие решения принял.
Последний совет, который никто не дает: иногда выключай ИИ. Пиши код вручную. Просто чтобы не забыть, как это делается. Потому что завтра ИИ может сломаться. А твой проект - нет.
