Качество результата зависит не столько от выбора конкретной модели, сколько от качества постановки задачи

Качество результата зависит не столько от выбора конкретной модели, сколько от качества постановки задачи. Спор о том, “какой инструмент лучший”, часто переоценен: если сценарий, спецификация и проектное мышление хорошие, то почти любой сильный агент даст достойный результат. Поэтому продакт-логика, способность формулировать ТЗ и задавать правильные вопросы становятся важнее традиционного навыка ручного кодинга.

ИИ радикально сдвигает экономику личной самореализации. Теперь один человек может делать то, что раньше требовало команды, бюджета и времени: писать книги, собирать курсы, автоматизации, сервисы, приложения. Смысл всей этой истории не в технике как таковой, а в том, что у человека впервые появляется реальный шанс реализовать собственные идеи, а не только работать “на дядю”.

Главная идея урока: весь этот стек инструментов нужен не только для программирования, но и для любых «языковых» проектов — текстов, таблиц, сценариев, бизнес-процессов, документов, аналитики и даже книг. Код здесь рассматривается как одна из форм языка, с которой языковые модели умеют работать так же, как и с обычным текстом.

В уроке показывается, что одна и та же рабочая среда подходит для очень разных проектов: курсов, книг, налоговых и страховых документов, художественных миров, внутренних процессов и приложений. Смысл в том, что VS Code, агенты и файловая структура образуют универсальную систему, пригодную и для кодовых, и для некодовых задач.

Отдельно подчеркивается преимущество локальной организации работы: на компьютере можно держать полную и сложную структуру проекта, а наружу показывать только нужную часть. Это дает контроль над содержимым, доступами, версиями и общей логикой управления материалами.

Практическая ценность кодовых агентов раскрывается на примере рутинных задач, которые формально не выглядят как программирование. Если есть повторяемая ручная работа с данными, агент может быстро сделать утилиту, автоматизировать преобразование форматов и снять постоянную операционную нагрузку.

Когда проектов становится много, отдельной задачей становится уже не создание, а управление всем этим массивом. Поэтому возникает потребность в проектном трекере, где видно, какие проекты существуют, на какой они стадии, что требует доработки, а что уже готово. ИИ ускоряет производство, но вместе с этим усиливает потребность в системе навигации и контроля.

Начинать предлагается с базовых шагов: установить VS Code, освоить простой интерфейс, создать папку проекта и сложить туда все рабочие материалы. Акцент делается на том, что на старте не нужно пугаться сложности среды: для реальной работы достаточно небольшой части ее возможностей.

Ключевой организационный принцип урока — привести документы к форматам, которые хорошо понимает и модель, и сама среда. Для текстов таким форматом становится Markdown, а для таблиц — CSV. Это делает данные более доступными для анализа, редактирования, сравнения и дальнейшей автоматизации.

Markdown важен не просто как текстовый формат, а как способ сохранить структуру документа в виде, понятном модели: заголовки, акценты, логические блоки и элементы оформления. В обычном текстовом файле эта структура теряется, а в Markdown она остается читаемой и для человека, и для машины.

Если исходные материалы находятся в неудобных форматах, например в PDF или офисных документах, их можно переводить в Markdown и CSV с помощью ИИ. Это позволяет не тратить время на ручную возню с конвертацией и быстрее приводить проект к виду, в котором с ним удобно работать дальше.

В качестве основных рабочих агентов предлагаются Claude Code и Codex, которые устанавливаются внутрь VS Code как расширения. При этом важна не только установка, но и внимательность к источнику: использовать нужно официальные расширения от Anthropic и OpenAI, а не случайные сторонние варианты.