В блоге Continue.dev вышел любопытный пост от Чеда Меткалфа, который заставляет по-новому взглянуть на роль ИИ в жизни вайбкодера. Мы привыкли требовать от моделей написания целых приложений, но их истинная сила может скрываться в роли «клея».

От Perl до LLM

Раньше роль главного «клея» интернета выполнял Perl, затем его сменил Python. Мы писали хрупкие скрипты, чтобы пробросить вывод одной команды во флаги другой, парсили JSON и надеялись, что структура не изменится.

Сегодня LLM — это новый клей. Они способны намертво связывать разнородные поверхности: естественный язык, CLI-интерфейсы, API, вебхуки и базы данных. То, что раньше никогда не стыковалось чисто, теперь работает как единое целое.

Эффект Aerolite: когда клей прочнее материала

Чед приводит историческую аналогию: в 1930-х самолеты строили из дерева, используя казеиновый клей. Он был неплох для мебели, но не тянул нагрузки авиации. Все изменилось с появлением Aerolite — адгезива, который создавал соединение прочнее, чем само дерево. В итоге появился De Havilland Mosquito — один из самых быстрых самолетов своего времени, построенный из материалов, которые были под рукой десятилетиями.

В современной разработке «шероховатые поверхности» — это наши интерфейсы:

• Вебхуки с огромными JSON-объектами.
• CLI, требующие специфических флагов.
• REST API с вложенными структурами.

Именно эта «шероховатость» помогает ИИ-клею держаться крепче. LLM отлично справляются с тем, чтобы залезть в узкие места: прочитать payload вебхука, вытащить нужные поля и трансформировать их в формат, который поймет ваш терминал.

Как это работает на практике: пример с Snyk

Continue анонсировали партнерство с Snyk для внедрения AI-безопасности. Вот как выглядит типичный воркфлоу, где ИИ выступает связующим звеном:

1. Вебхук: Snyk присылает алерт об уязвимости.
2. LLM: Извлекает степень критичности и путь к файлу.
3. Файловая система: Проверяет, находится ли файл в продакшн-коде.
4. LLM: Генерирует патч на основе контекста кода и данных об уязвимости.
5. CLI: Запускает тесты.
6. LLM: Парсит файл CODEOWNERS для поиска ответственного.
7. CLI: Создает PR в GitHub с нужным ассайни.

Что это значит для вайбкодеров?

Вам не нужно менять стек или искать «убийц» привычных инструментов. Возьмите инструменты, которым доверяете (CLI для инфраструктуры, тест-раннеры, таск-трекеры), и используйте LLM там, где нужно извлечь данные, принять решение или трансформировать формат между этапами.

Чем сложнее и «неудобнее» интерфейсы ваших инструментов, тем больше пространства для ИИ-клея. Попробовать построить свои воркфлоу можно уже сейчас через npx continue@latest или в Mission Control.