🎯 О чём этот конспект: Разбор нового фреймворка Conductor от Google для Gemini CLI. Это инструмент для контекстно-ориентированной разработки (Context-Driven Development), который превращает ваши намерения, спецификации и ограничения в постоянные Markdown-файлы внутри репозитория, обеспечивая AI-агентам глубокое понимание проекта.

👤 Кому будет полезно: Вайбкодерам, разработчикам и AI-энтузиастам, которые хотят повысить качество генерации кода, избежать «галлюцинаций» нейросети в больших проектах и использовать бесплатные мощности моделей Gemini через терминал.

✨ Что получите: Вы научитесь настраивать среду для автономного написания кода, создавать «живую» документацию проекта, которую понимает AI, и внедрять новые фичи в существующие (brownfield) проекты с сохранением архитектурного стиля.

1. Контекстная инженерия с Google Conductor

Контекст: Главная проблема AI-кодинга — потеря контекста в длинных чатах и непонимание структуры проекта. Conductor решает это, внедряя Spec-Driven Development (разработка на основе спецификаций). Вместо того чтобы каждый раз объяснять AI стек технологий и правила, Conductor создает файлы product.md и guidelines.md прямо в вашем репозитории. Это делает проект «единым источником истины» для AI-агента, позволяя ему понимать историю изменений и архитектурные ограничения без лишних затрат токенов.

Выгода: Повышение качества кода, консистентность стиля во всей кодовой базе и возможность работать с большими проектами совершенно бесплатно через Gemini CLI.

Как применить:

• Шаг 1: Установка Gemini CLI — Используйте npm для глобальной установки интерфейса командной строки Google Gemini.
• Шаг 2: Установка расширения Conductor — Добавьте фреймворк Conductor как расширение в установленный CLI.

# Установка Gemini CLI
npm install -g @google/gemini-cli
 
# Установка расширения Conductor
gemini extension install conductor

Результат: У вас готова среда для управления AI-агентом, который видит не только текущий запрос, но и весь контекст вашего проекта.

2. Настройка фундамента проекта (Setup)

Контекст: Перед написанием кода Conductor проводит интервью с разработчиком. Команда setup инициирует процесс создания структуры проекта. AI задает вопросы о целях продукта, используемом стеке (языки, фреймворки, библиотеки стилей) и предпочтениях в рабочем процессе. Это критически важно для "Brownfield" проектов (существующих кодовых баз), так как AI анализирует текущую директорию и адаптируется под неё, а не предлагает решения «с чистого листа».

Выгода: AI перестает предлагать неподходящие библиотеки и начинает писать код, который идеально вписывается в вашу текущую архитектуру.

Как применить:

• Шаг 1: Запуск инициализации — Введите команду в корне вашего проекта.
• Шаг 2: Определение продукта — Выберите предложенный вариант или опишите свою задачу (например, "Создать reusable login form на React").
• Шаг 3: Утверждение гайдлайнов — AI создаст черновик product.md. Вы можете отредактировать его или сразу подтвердить.

# Запуск процесса настройки
gemini conductor setup

Результат: В корне проекта появятся Markdown-файлы со спецификациями, которые будут служить инструкцией для AI при выполнении всех последующих задач.

3. Управление задачами через «Треки» (Tracks)

Контекст: В Conductor работа делится на «треки» (tracks). Каждый трек — это отдельная фича или баг. Вместо того чтобы просто сказать «сделай форму», вы создаете трек, где AI сначала прописывает план реализации, учитывая существующие файлы. Это позволяет разбить сложную задачу на этапы и контролировать каждый шаг перед тем, как будет написана хоть одна строчка кода.

Выгода: Прозрачность процесса. Вы видите план реализации до генерации кода и можете внести правки на этапе проектирования, экономя время на исправление ошибок.

Как применить:

• Шаг 1: Создание нового трека — Используйте команду new-track и опишите задачу.
• Шаг 2: Уточнение деталей — AI предложит спецификацию для конкретной фичи.
• Шаг 3: Проверка статуса — В любой момент можно посмотреть, на каком этапе находится выполнение задачи.

# Создание трека для новой фичи
gemini conductor new-track "Refactor login form to use React Context"
 
# Просмотр текущего прогресса
gemini conductor status

Результат: Четко структурированный план действий в файловой системе, готовый к исполнению.

4. Автономная реализация и контроль (Implement)

Контекст: После того как спецификации утверждены, в дело вступает команда implement. AI-агент начинает автономно изменять файлы проекта, следуя созданному ранее плану. Если результат вас не устраивает, Conductor поддерживает систему чекпоинтов, позволяя откатиться к предыдущему состоянию. Это дает вайбкодеру полный контроль над процессом, делегируя при этом рутинное написание кода нейросети.

Выгода: Автоматизация написания бойлерплейта и сложной логики (например, замена Prop Drilling на React Context) с гарантией соблюдения проектных стандартов.

Как применить:

• Шаг 1: Запуск реализации — Дайте команду AI начать кодинг на основе созданного трека.
• Шаг 2: Ревью кода — Проверьте изменения, внесенные AI.
• Шаг 3: Откат (при необходимости) — Если код не подходит, используйте команду возврата к чекпоинту.

# Запуск автономного написания кода
gemini conductor implement
 
# Откат к предыдущему состоянию, если что-то пошло не так
gemini conductor revert

Результат: Готовый, протестированный код, соответствующий архитектуре проекта, и обновленный статус задачи.

FAQ

В: Нужно ли платить за использование Gemini в этом фреймворке?

О: Нет, автор подчеркивает, что использование Gemini через CLI на данный момент бесплатно и не требует платных API-ключей для базовых рабочих процессов, что делает его отличной альтернативой платным подпискам на Cursor или ChatGPT.

В: Работает ли Conductor с уже существующими проектами?

О: Да, он специально оптимизирован для "Brownfield" проектов. При запуске setup он анализирует вашу текущую структуру папок и файлов, чтобы создать контекст, соответствующий уже написанному коду.

В: Где хранятся инструкции для AI?

О: В отличие от обычных чатов, Conductor сохраняет контекст в Markdown-файлах прямо внутри вашего репозитория. Это позволяет AI «помнить» проект даже после перезапуска терминала или смены сессии.

В: Можно ли использовать Conductor в команде?

О: Да, так как спецификации хранятся в репозитории (например, в Git), любой член команды, использующий Conductor, будет работать с тем же контекстом и стандартами кода, которые были заданы изначально.

В: Какие модели Gemini поддерживает CLI?

О: CLI поддерживает актуальные модели Google, включая те, что обладают длинным контекстным окном (Long Context), что позволяет скармливать нейросети даже очень объемные файлы документации и кода.

Конспект создан на основе видео «Google's NEW Spec-Driven AI Coding Framework (Conductor)» канала World of AI. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=rLu_3hpG0b8