Вайб-кодинг: разбираемся и объясняем

С чего всё началось?

Конечно же, с поста в социальных сетях. Андрей Карпатый, бывший директор по искусственному интеллекту в Tesla и сооснователь OpenAI, опубликовал размышления о том, как он пишет код при помощи промтов и нейросетей. При этом текст промта Андрей не печатает, а просто диктует. А все возникающие баги он фиксит при помощи нейросетей, просто копируя текст ошибки. Считайте, «без рук».

Получается, Андрей пишет программу или сервис, практически не соприкасаясь с реальным кодом. Да, ИИ выдаёт не идеально построенный алгоритм, но всё же рабочий. Такой метод создания кода Андрей назвал вайб-кодингом.

Стоит ли теперь радикально пересмотреть взгляды на обучение программированию, бросить на полпути С++ и погрузиться с головой в промт-инжиниринг?

С ним мои мысли по поводу вайб-кодинга ещё больше подтвердились:

1. Вайб-кодинг очень хорошо закрывает «слабые места» инженера — например, для меня это был фронтенд (я 90% жизни был в основном бэкендером), ну а ещё тестирование, CI/CD и прочее. С ним очень легко вырасти из нишевого программиста в фулстека — большинство моих друзей как раз и используют его, чтобы писать веб-обёртки под свои сервисы или эксперименты.

2. Вайб-кодинг не просто позволяет быстро накидать прототип, он делает это в десять раз быстрее, чем я бы делал это сам. То есть обычно у меня бы ушла примерно неделя, чтобы разобраться с новым фреймворком или языком, а тут у меня есть минимально работающая версия за один вечер.

3. После какого-то размера проекта LLMки теряют эффективность. Если продолжать просить их «переписать всё» — они начинают генерить фигню и ломать весь проект. Нужно переключаться на точечное редактирование, то есть просить реализовать какой-то модуль или файл, а дальше вручную уже проверять его работоспособность. И вот для этого всё ещё нужен программерский опыт и «насмотренность», когда ты сразу можешь сказать, делает LLM чушь или же поняла тебя. Но это уже не вайб-кодинг в классическом понимании

4. Немного банально, но LLMки очень хорошо работают с популярными языками типа Python, JavaScript/TypeScript, Go, но как только надо реализовать что-то менее попсовое, например сложную анимацию на OpenGL-шейдерах, как в новой iOS с Liquid Glass, — они не могут. Им не хватает примеров и опыта. Можно хоть десять раз описывать ему каждый кадр анимации, он просто не справится.

Несмотря на всё это, Cursor стал для меня, как для опытного программиста, не просто «вторым пилотом» — он открыл для меня целый пласт новых приложений, который ранее был недоступен. Например, на прошедшем Вастрик Кэмпе мы буквально за вечер навайбкодили страничку с расписанием, которой все с удовольствием пользовались весь ивент. Мы даже печатали её на стену. Раньше мы бы даже не подумали тратить время на кодинг какой-то отдельной странички и выкладывали бы расписание в Телеграме или в PDF, а тут буквально за вечер ты можешь создать полностью кастомный проектик под лично твои требования и быстро его выложить. Людям, кстати, очень понравилось. Вот такого в моей жизни ещё не случалось, и это круто.

Если раньше приходилось искать какие-то опенсорсные проекты и адаптировать их под свои нужды, теперь буквально любой человек с минимальным продуктовым мышлением может просто такой проект себе навайбкодить с нуля. В нашем случае это был одноразовый сайт с расписанием под конференцию, а мои знакомые уже кодят себе фитнес-тренеров с подсчётом калорий под свою специфику занятий спортом. Или телеграм-ботов-ассистентов.

LLM — хороший вспомогательный инструмент в программировании, если сам разработчик уже опытный и может отличить хороший код от плохого. Таких вещей LLM не умеет и с первого раза точно не сделает идеально. Прямо как любой джун. Но при выполнении мелких задач LLM показывает хороший результат. Вместе с экспертами порассуждали, к чему это может привести.

1. Автоматизация прикладного кода.
   Андрей Бреслав, один из авторов Kotlin, предполагает, что LLM в ближайшее время помогут частично автоматизировать мелкие рабочие процессы. В перспективе это приведёт к нивелированию ручного написания прикладного кода.

2. Программирование станет доступнее.
   Наверняка появится множество курсов, да и люди не из IT со временем сами догадаются, как писать промты так, чтобы получался работающий код. Из этого вытекает следующий пункт.

3. Войти в IT станет чуть сложнее.
   Если мелкие и простые задачи можно будет делегировать LLM, то для джунов порог входа повысится. Но это вовсе не значит, что выпускники профильных вузов по навыкам будут приравниваться к любому человеку, который решил попробовать вайб-кодинг без базовых знаний в IT.

Любому начинающему разработчику кроме профильных знаний будет полезно умение ставить чёткое техническое задание, анализировать задачи по приоритетам и сложности, чтобы выполнять часть из них при помощи LLM.

3. Claude Sonnet.
   Это AI-помощник, который может писать код, объяснять его и помогать разработчикам. Он хорошо анализирует большой код, ищет ошибки, генерирует новый код и объясняет, как он работает.

В любом случае самый верный вариант найти то, что подойдёт именно под ваши задачи, — пробовать. Нейросетей много, все они немного разные и лучше справляются с заказами разного профиля.

Вастрик, какой совет ты дашь IT-первокурсникам и тем, кто вступает в эту сферу одновременно с появлением вайб-кодинга?

Вастрик: Мой совет неизменен с эпохи до LLM: учитесь не писать код, а решать проблемы. Я говорю это уже лет десять 😃 Сейчас, с приходом LLM, стало очевидно, что умение писать код — это лишь навык, который легко заменяется и стоит с каждым годом всё дешевле. Потому, чтобы оставаться конкурентным на рынке труда, надо мыслить дальше кода. Подход «я программист, моё дело код писать, а с остальным пусть менеджеры разбираются» всё меньше и меньше работает. Код теперь умеет писать LLM, а ремесло программиста выходит на уровень выше. Кодо-макаки и раньше были низшим и самым дешёвым классом программистов, а сейчас так вообще становятся не нужны.

 

В сухом остатке: в реальных рабочих задачах в какой момент ты прибегаешь к LLM?

Вастрик: По поводу рабочих задач — я сейчас фултайм инди. Потому мои рабочие задачи — это и есть то, что я описал: TaxHacker, Вастрик Клуб, Вастрик Кэмп. Всё это примеры реальных задач, которые я решаю, которые приносят пользу людям, а мне — деньги на еду и выплату ипотеки.

Это не абстрактные эксперименты дома под подушкой, я почти весь код сейчас пишу с LLM — и не знаю пути назад.