I Gave an AI the Same 20 Coding Tasks With Short and Detailed Prompts — More Context Didn’t Always Produce Better Code
There is a habit I picked up after using AI for coding for a while. Whenever the generated code was not quite right, I added more context. Then a little more. Input formats, edge cases, performance requirements, error handling, preferred architecture, things the function should not do. Eventually a two-line request could turn into a small technical specification.It feels logical. A developer cannot read your mind, so why should an AI model be able to? More information should remove ambiguity and give better code. But after a few cases where a detailed prompt produced something strangely overengineered, I started wondering whether this assumption was actually true for small programming tasks.So I made a small experiment. I prepared 20 coding problems and sent every problem to the same model twice. The first version was intentionally short. The second explained almost everything I could reasonably explain without giving away the solution. There were 40 generated solutions in total. No follow-up messages, no asking the model to fix a failing test, no manually repairing imports. The first answer was the answer.
Кто вырастит будущих сеньоров, если код теперь пишет AI?
Почему генерация ускоряет результат, но не гарантирует рост инженера?
Z.ai выпустила GLM-5.3: прирост за счет масштабирования RL и рост кибербзопасности
Z.ai представила GLM-5.3 — новую версию своей флагманской модели. Возможности выросли за счет масштабирования post-training и reinforcement learning: базовая модель при этом осталась той же, что использовалась в GLM-5.2.Главный акцент разработчики сделали на обучении на реальных задачах. RL использовался не только для улучшения ответов модели, но и для практических инженерных сценариев, включая оптимизацию самого процесса тренировки. По словам команды Z.ai
Как побороть сопротивление ИИ‑агентам в организации
В начале 2026 года я запустил опрос в отделе: «Какими ИИ‑инструментами для кодинга вы пользуетесь?» Из 20 опрошенных только 3 человека пробовали ИИ‑агентов в работе. Большинство технической команды — это хардкорные МЛ‑щики, которые создают системы поиска патологий на медицинских снимках, а не просто дергают API ChatGPT с нужным промптом. Они в курсе лучших моделей и того, что там под капотом. Но почему же даже в такой ИИ‑организации процент людей, попробовавших ИИ‑агентов, настолько низкий, хотя к тому времени технология стала стабильной уже полгода как?
От промптов к циклам: как давать AI‑агенту проверяемые задачи
В работе с AI‑кодерами постепенно меняется формат задачи. Одного промпта часто недостаточно: агенту нужно не только выполнить разовую команду, но и повторять действия до понятного результата. Например: проверить CI, прочитать лог, внести минимальное исправление, снова запустить тест, остановиться при выполнении условий.
1038 баллов на Hacker News собрал пост про отказ от AI-кодинга. У меня была та же ночь, но другой вывод
9 мая пост «I’m going back to writing code by hand» набрал на Hacker News 1038 баллов и 617 комментариев. Для сравнения, наша собственная статья про Clean Architecture и AI получила 21 голос за первые сутки, и мы этому радовались. Автор семь месяцев вайб-кодил Kubernetes-дашборд с Claude, дошёл до объекта на 1690 строк, который тянул на себя вообще всё, и объявил, что возвращается писать код руками. Я прочитал пост дважды, потому что узнал в нём собственную историю полугодовой давности. Вывод у меня только другой.
Как я перестал исправлять ИИ код и начал проектировать под него архитектуру
Вместо вступленияЗа последний год я заметил странную закономерность. Когда кодовая база была небольшая, все было хорошо, но чем больше кода писал ИИ, тем меньше времени уходило на добавление фичей и больше — на исправление текущего кода. Это сильно раздражало.Я как будто ходил по кругу:Сначала мне казалось: сейчас заставлю ИИ самому для себя писать правила. Кол‑во правил росло, сложность росла. Сначала в них переставал ориентироваться я, потом ИИ.
После ИИ писать код руками ощущается уже не как норма
TL;DR: ИИ не заменяет инженерный контроль, но меняет базовую планку разработки. С ним проще удерживать скоуп, тесты, техническое качество и в режиме дедлайна. Главный риск - потерять ownership, поэтому уровень автономности должен зависеть от проекта, стадии и зрелости инженерного процесса.У меня есть один личный проект
LLMStart.ru запускает продвинутую программу Deep Agents для разработки сложных ИИ-систем
Deep Agents: продвинутая разработка ИИ-агентов28 мая стартует онлайн-курс Deep Agents
Релиз Qwen3.7-Max: лучше Claude Opus 4.6 на SWE-bench Pro
Alibaba выпустили Qwen3.7-Max: флагманскую закрытую модель серии Qwen3.
