КодоЦех

Допустим, вы открыли проект в ИИ-редакторе (программе для написания кода с искусственным интеллектом) и дали ему расширенный доступ. Теперь он не просто советует, а сам создает файлы, правит настройки и предлагает обновить библиотеки. Вы пишете в чате: «Обнови React до последней версии». Ассистент не просто отвечает текстом. Он лезет в файл зависимостей (список всех программных библиотек, которые использует ваш проект), меняет там цифры версии, открывает встроенный терминал (черный экран с командной строкой) и запускает команду установки...

У вас в поддержке накопилась гора неотвеченных писем. Менеджеры тонут в рутине, а нанять еще пятерых — значит сжечь месячный бюджет. Вы уже крутите в голове идею отдать первичный разбор нейросети, но прошлый эксперимент с ИИ-черновиками полгода назад вышел золотым: ответы были долгими, а итоговый счет от провайдера заставил бухгалтерию пить валерьянку. Сегодня вышла новая быстрая и недорогая модель от Anthropic. Разработчики обещают, что она заметно дешевле прямого конкурента и быстрее прошлой версии...

Вы просите нейросеть: «Напиши письмо клиенту». Через десять секунд получаете красивый, вежливый, абсолютно бесполезный текст. Модель предлагает «надеяться на дальнейшее плодотворное сотрудничество», хотя вам нужно было просто продлить тестовый доступ ещё на семь дней. Знакомо? В голове это выглядит как саботаж. Кажется, что искусственный интеллект специально издевается. На самом деле он просто не умеет читать мысли. Представьте, что вы дали курьеру ключ от подъезда и сказали: «Отнеси пакет». Куда отнести? Соседу? На почту? В мусоропровод? Курьер стоит в замешательстве...

Вы чините падение в проде. Открываете чат с ИИ-помощником, кидаете ему лог ошибки и просите найти причину. Он бодро отвечает, начинает искать по коду, тут же отвлекается на обсуждение стиля, вспоминает про тесты, предлагает переписать полмодуля, а в итоге присылает длинное полотно текста. Вы тратите полчаса на то, чтобы отделить важное от шума, и всё равно не понимаете, какую именно строчку менять. Знакомо? Один чат-агент на весь проект быстро путается в задачах. Ему мешают и поиск по файлам, и ревью (проверка кода на ошибки и соответствие правилам), и правки...

Представьте, что вы наняли нового джуна-тестировщика. Вчера он блестяще отвечал на собеседовании, а сегодня вы даёте ему реальную задачу: в вашем интернет-магазине после обновления корзины у части пользователей перестал работать промокод. Ошибка плавающая, в логах пусто, нужно найти и починить. Вы открываете бенчмарк (тестовый набор задач для сравнения моделей) SWE-bench — это экзамен для ИИ-агентов, где им дают доступ к коду реальных проектов на GitHub, терминалу и просят довести баг-фикс до конца, прогнав тесты...