Vibe Engineering: Как перейти от «кодинга по вайбу» к профессиональной AI-разработке
Практическое руководство по Vibe Engineering: использование Cursor, Composer и голоса для создания IT-продуктов. Как Senior-разработчикам ускориться в 10 раз.
🎯 О чём этот конспект: Разбор концепции Vibe Coding (программирование на основе интуиции и AI) от создателя браузера Sizzy. Автор объясняет разницу между хаотичным использованием нейросетей и системным подходом «Vibe Engineering», который позволяет кратно ускорить разработку сложных продуктов.
👤 Кому будет полезно: Разработчикам (от Junior до Senior), которые хотят перестать бороться с AI и начать использовать его как мощный рычаг для создания SaaS и сложных интерфейсов.
✨ Что получите: Понимание того, как правильно выстраивать контекст для AI-агентов, почему Composer в Cursor изменил правила игры и как не превратить проект в «спагетти-код», доверяя нейросетям.
1. От Vibe Coding к Vibe Engineering
Контекст: Термин «Vibe Coding», введенный Андреем Карпати, подразумевает, что разработчик больше не заботится о синтаксисе, а просто «принимает» предложения AI. Однако автор утверждает, что для серьезных продуктов этого недостаточно. «Vibe Engineering» — это когда вы не просто жмете кнопку «Generate», а выступаете в роли архитектора, который контролирует паттерны, абстракции и контекст, используя агентов как свои руки. Это переход от слепого доверия к осознанному управлению процессом через глубокое понимание технологий.
Выгода: Возможность переписать или создать сложный проект (например, миграция на Monorepo или Next.js App Router) за неделю вместо месяцев ручного труда.
Как применить:
Шаг 1: Смена парадигмы — Перестаньте воспринимать AI как «улучшенный поиск». Относитесь к нему как к стажеру, которому нужны четкие архитектурные границы.
Шаг 2: Контроль абстракций — Используйте свой опыт, чтобы не давать AI создавать лишние сложности. Автор подчеркивает: «LLM не боятся дублирования кода, и это их суперсила». Не абстрагируйте код слишком рано.
Шаг 3: Проверка на «вшивость» — Всегда будьте подозрительны к результату. Используйте подход «Vibe Architecting»: вы задаете структуру (например, TRPC, Prisma, Tailwind), а AI заполняет детали.
Результат: Вы сохраняете контроль над архитектурой, получая скорость написания кода в 10 раз выше обычной.
2. Voice-to-Code: Программирование голосом как Game Changer
Контекст: Традиционный ввод промптов текстом ограничивает поток мыслей. Автор использует голосовой ввод для «дампа мозгов» (brain dump). Вместо коротких команд он записывает 5-минутные монологи, где описывает всё: от того, что он видит в браузере, до того, какие паттерны в коде нужно изменить. Это дает AI гораздо больше контекста о намерениях разработчика и логике бизнес-процессов.
Выгода: Экономия времени на печати и передача «неявного знания», которое сложно сформулировать коротким текстовым запросом.
Как применить:
Шаг 1: Описание UI — Откройте браузер с вашим приложением и начните говорить: «Так, я вижу здесь баг в выпадающем списке, он перекрывает кнопку. Нам нужно изменить z-index и проверить, как это работает на мобилках».
Шаг 2: Описание логики кода — Перейдите в редактор и продолжите: «В файле user-service.ts ты использовал старый метод авторизации, замени его на новый через Auth.js, который мы настроили в прошлом шаге».
Шаг 3: Использование специализированных утилит — Используйте инструменты с поддержкой диктовки (например, встроенные функции macOS/Windows или сторонние AI-транскрибаторы), чтобы превратить речь в детальный промпт для Cursor Composer.
Результат: AI получает исчерпывающую инструкцию, минимизирующую количество итераций и правок.
3. Cursor Composer и «Driver's Seat» разработка
Контекст: До появления Composer (в Cursor) и аналогичных агентных функций разработчик часто просто ждал, пока модель выдаст кусок кода. Composer вернул разработчика «за руль». Теперь вы видите процесс правки файлов в реальном времени и можете нажать «Stop» в любую секунду, если AI пошел не туда. Это сокращает цикл обратной связи до минимума.
Выгода: Мгновенная реакция на ошибки AI и возможность делать масштабные рефакторинги (например, перевод всего проекта на TypeScript) под полным визуальным контролем.
Как применить:
Шаг 1: Масштабные задачи — Используйте Composer для задач, затрагивающих десятки файлов (рефакторинг, смена библиотек).
Шаг 2: Активное наблюдение — Не уходите пить кофе, пока агент работает. Следите за изменениями в diff-окне.
Шаг 3: Корректировка на лету — Если видите, что AI начал удалять важные комментарии или менять логику, которую не просили, жмите «Cancel» и уточняйте промпт:
Stop. Don't change the authentication logic in this file, only update the UI components to use the new Tailwind classes.
Результат: Возможность выполнять задачи уровня Senior-рефакторинга за считанные минуты.
4. Диагностика «PA-разработчика» (Pain in the Ass)
Контекст: Основная причина, по которой опытные инженеры ненавидят Vibe Coding — это перфекционизм и зацикленность на мелочах (tabs vs spaces, чистота кода ради чистоты). Автор называет таких разработчиков «PA-devs». В эпоху AI-агентов этот подход становится тормозом. Важно научиться определять, какой код «достаточно хорош» (good enough) для решения задачи пользователя.
Выгода: Резкое увеличение скорости выпуска фич и снижение уровня стресса от «неидеального» кода.
Как применить:
Шаг 1: Анализ PR — Если вы тратите больше 2 минут на ревью PR от AI-агента, проверяя стилистические мелочи, — вы PA-dev. Сфокусируйтесь только на функциональности и безопасности.
Шаг 2: Принцип «Good Enough» — Задайте себе вопрос: «Повлияет ли этот лишний цикл for на опыт пользователя?». Если нет — принимайте код.
Шаг 3: Правила (Rules) — Вместо того чтобы каждый раз править AI, создайте файл .cursorrules, где один раз пропишите свои стандарты:
- Use functional components and hooks only.- Prefer Tailwind CSS for styling.- Do not add unnecessary abstractions.- Keep the code simple and readable for other AI agents.
Результат: Вы фокусируетесь на продукте и бизнесе, а не на бесконечной полировке синтаксиса.
5. Выживание в эпоху AI: Новые навыки
Контекст: Профессия меняется. Навык написания кода руками обесценивается, но навык «дирижирования» агентами становится ключевым. Автор выделяет критические умения: знание лимитов контекста, умение подключать документацию (MCP — Model Context Protocol), использование Git Workspaces и постоянный мониторинг новых моделей.
Выгода: Гарантия востребованности на рынке труда как «10x инженера», который умеет управлять роем агентов.
Как применить:
Шаг 1: Управление контекстом — Всегда добавляйте актуальную документацию библиотек через @docs в Cursor, чтобы AI не галлюцинировал старыми версиями API.
Шаг 2: Использование MCP — Подключайте внешние инструменты (базы данных, API, документацию) через Model Context Protocol для расширения возможностей агента.
Шаг 3: Социальное обучение — Будьте «хронически в Twitter (X)» или профильных сообществах. Информация о том, какая модель сегодня «умнее» (Claude 3.5 Sonnet vs GPT-4o), меняется ежедневно.
Результат: Вы превращаетесь из исполнителя в высокоуровневого инженера-контролера.
FAQ
В: Стоит ли сейчас учить Computer Science, если AI пишет код за нас?
О: Да, сейчас лучшее время для этого. Понимание основ (алгоритмы, архитектура, работа сетей) необходимо, чтобы «рулить» нейросетями. Без базы вы не сможете понять, когда AI ошибается, и проект быстро превратится в нерабочий мусор.
В: Можно ли давать AI-инструменты джунам и интернам?
О: Автор категорически против этого. Джун не может отличить плохой код от хорошего и просто «проглатывает» ошибки AI. Лучшая связка — скептичный Senior + мощный AI-агент. Это дает десятикратный рост продуктивности.
В: Что делать, если AI застрял на 80% задачи и не может доделать последние 20%?
О: Это нормально. Сейчас появляется рынок «Vibe Code Fixers» — людей, которые специализируются на доводке кода после нейросетей. Ваша задача как инженера — обладать достаточной квалификацией, чтобы закрыть эти 20% вручную или точечными промптами.
В: Как бороться с тем, что модели постоянно «тупеют» или меняются?
О: Это реальная проблема (unlucky timing). Если вчера код работал, а сегодня нет — проверьте новости. Провайдеры могут менять веса моделей для экономии. Решение — иметь под рукой доступ к нескольким моделям (Claude, GPT, Gemini) и переключаться между ними в зависимости от задачи.
В: Безопасно ли доверять AI работу с продакшн-данными?
О: Только под строгим контролем. Автор приводит примеры, когда агенты случайно удаляли базы данных. Никогда не давайте агенту доступ к DROP TABLE или удалению файлов без вашего подтверждения в режиме реального времени.
