Когда читаешь историю Марко Бенедетти о двухнедельном эксперименте с AI-ассистентами, ловишь себя на мысли: вот оно — «шестое поколение» программирования. Человек с 40-летним опытом, начинавший с 8-битного ассемблера, теперь пишет на Python не руками, а словами, в диалоге с нейросетью. Результат — ~5 000 строк кода, десятки классов и алгоритмов, решающих «Башни Ханой», а сам процесс — более 300 итераций с Claude, o3 и Gemini.
🔑 Что важно в этом эксперименте?
💡 AI как партнёр, а не инструмент
Диалоги с ассистентами напоминали парное программирование: человек формулирует идею, ИИ уточняет, спорит, иногда доказывает теоремы быстрее, чем успеваешь набросать их на бумаге.
⚙️ Архитектурная гибкость
Алгоритмы поиска (BFS, DFS, A*, жадные методы) не просто сгенерированы, а обёрнуты в CLI-утилиту, которая умеет визуализировать шаги и даже сравнивать производительность. По сути, это уже не «учебная игрушка», а полноценный фреймворк для экспериментов.
🤝 Смена роли программиста
Разработчик перестаёт быть «машинистом синтаксиса» и превращается в дирижёра: формулирует намерение, корректирует стиль, проверяет логику. Код становится побочным продуктом беседы.
⚡ Мой взгляд
Этот кейс хорошо иллюстрирует, что естественный язык становится интерфейсом к машине. Да, мы пока упираемся в ограничения LLM: они склонны к избыточным абстракциям, иногда путают оптимальность алгоритма или «забывают» убрать лишний код. Но сам факт, что ИИ можно попросить доказать невозможность «несуществующего решения» и получить корректный результат за полминуты — это серьёзный сдвиг парадигмы.
Для меня это похоже на переход от ассемблера к высоким языкам: сперва программисты боялись потерять контроль, а потом никто не мог представить себе написание бизнеса-логики в машинных кодах. Теперь мы на пороге нового слоя абстракции: от описания «как» — к описанию «что».
🚀 Технические штрихи, которые впечатляют
🧩 Поддержка множественных вариантов головоломки: не только классическая постановка, но и произвольные начальные/конечные состояния, а также перенос нескольких дисков.
📊 Возможность бенчмаркинга алгоритмов прямо из CLI, что полезно для обучения студентов и для научных экспериментов.
📂 Архитектура проекта — около 50 файлов и 20 классов, что для «чисто разговорного кодинга» уже серьёзный уровень структурности.
🔍 Проверка корректности идей: ассистент не только писал код, но и объяснял доказательства — фактически выступая в роли «научного коллеги».
🌱 Заключение
Я не думаю, что такие практики убьют профессию программиста. Скорее, они её переформатируют. Настоящая ценность теперь не в том, чтобы идеально помнить синтаксис Python или C++, а в умении ставить правильные вопросы, проверять ответы ИИ и направлять разработку. Это и есть «vibe coding» — программирование как совместный поток идей, где код рождается из разговора.
И да, у этого подхода есть свои риски: избыточное доверие, накопление «скрытого технического долга», когнитивная атрофия у новичков. Но потенциал очевиден: быстрее обучение, ускоренная разработка, новые горизонты для экспериментов.
Мы стоим на пороге новой эры, где English-as-code станет не лозунгом, а рабочей практикой. И чем раньше мы научимся воспринимать ИИ не как угрозу, а как «интеллектуального напарника», тем сильнее будем завтра.
🔗 Источники:
- Код проекта на GitHub: github.com/mabene/vibe