- 19,455
- 40
- 8 Ноя 2022
Всё началось как проверка ИИ — а закончилось новой библиотекой.
Компания Cloudflare опубликовала Для просмотра ссылки Войдиили Зарегистрируйся -библиотеку, почти полностью сгенерированную ИИ-моделью Claude от Anthropic. Проект примечателен не только тем, что был выполнен с участием ИИ, но и тем, как именно велась разработка: каждый коммит содержал не только изменения в коде, но и исходный промпт, с которым инженер обращался к Claude. Это позволило получить подробную хронологию взаимодействия человека и модели — от первых итераций до готовой версии библиотеки.
Для просмотра ссылки Войдиили Зарегистрируйся инженер @kentonv, изначально настроенный скептически. По его словам, он пытался подтвердить свою недоверчивость к ИИ, но в итоге доказал себе обратное. За два месяца Claude сгенерировал почти весь код библиотеки, предназначенной для использования в продакшене.
Каждый коммит включал не только изменения, но и текст запроса к Claude, позволивший получить соответствующий фрагмент кода. Это превратило git-лог в журнал намерений, а не просто истории изменений. Такая прозрачность особенно важна в случаях, когда модель следует ошибочным предположениям инженера: в таких ситуациях проще анализировать сам промпт, чем разбираться в результатах.
В процессе анализа около 50 коммитов автор отметил несколько характерных паттернов. Во-первых, разработка начиналась с "prompt by example" — то есть промпт включал пример использования библиотеки. Такой подход сразу задавал ясный контекст, включая сигнатуры функций и практическое поведение, чего часто не хватает в абстрактных технических описаниях.
Во-вторых, наиболее эффективными оказались краткие и точные запросы, оформленные в стиле «ты сделал X, но нужно Y, пожалуйста, исправь». Такие формулировки работали лучше, чем сложные инструкции, и напоминали обычные правки в командной работе.
Claude также отлично справлялся с генерацией документации: достаточно было короткого промпта, чтобы получить полноценное описание схемы. Подобные задачи — сильная сторона моделей.
Однако около 20-го коммита начали появляться случаи, где требовалось ручное вмешательство. Модель не справилась с переносом определения класса, и инженер внёс правку отдельно. Позже Claude использовал команды <code>grep</code> и <code>sed</code>, чтобы обойти ограничение на замену повторяющегося кода, но и это оказалось неэффективным. Один из комментариев в истории коммитов: «Я действительно мог бы сделать это быстрее вручную, ну да ладно».
Примерно с 40-го коммита ручные доработки стали встречаться чаще: инженер правил стиль, удалял неиспользуемые методы и приводил структуру к финальному виду. Подобные задачи остаются слабыми местами ИИ-моделей.
Несмотря на это, в совокупности Claude сгенерировал более 95% кода, включая основную функциональность библиотеки. Каждый отдельный компонент создавался в несколько итераций, с последовательным уточнением и обратной связью. Этот подход — не недостаток, а естественный способ взаимодействия с моделью: «multi-shot prompting» оказался нормой.
Авторы эксперимента подчёркивают, что в таком формате сами промпты становятся не менее важными, чем результат. Если рассматривать их как полноценный исходный код, возникает идея: можно сохранить только последовательность промптов, а при улучшении модели — пересоздать весь проект заново с новыми возможностями. Промпты становятся «генетическим кодом» приложения: читаемыми, воспроизводимыми и самодокументируемыми.
Это требует высокого доверия к модели, способности к точному следованию инструкциям и стабильности генерации. Пока до этого далеко: проект нуждался в тестировании, ручной настройке, стратегическом управлении и ясной инженерной оценке.
Тем не менее, результат показывает, что Claude может взять на себя подавляющее большинство работы — а человек направляет, оценивает, вмешивается при необходимости и задаёт общую траекторию. Для просмотра ссылки Войдиили Зарегистрируйся всё чаще выполняют роль менеджеров кода, как отмечают исследователи в области Для просмотра ссылки Войди или Зарегистрируйся . Claude Code был запущен публично всего две недели назад, но уже позволяет реализовать такую форму соавторства.
Компания Cloudflare опубликовала Для просмотра ссылки Войди
Для просмотра ссылки Войди
Каждый коммит включал не только изменения, но и текст запроса к Claude, позволивший получить соответствующий фрагмент кода. Это превратило git-лог в журнал намерений, а не просто истории изменений. Такая прозрачность особенно важна в случаях, когда модель следует ошибочным предположениям инженера: в таких ситуациях проще анализировать сам промпт, чем разбираться в результатах.
В процессе анализа около 50 коммитов автор отметил несколько характерных паттернов. Во-первых, разработка начиналась с "prompt by example" — то есть промпт включал пример использования библиотеки. Такой подход сразу задавал ясный контекст, включая сигнатуры функций и практическое поведение, чего часто не хватает в абстрактных технических описаниях.
Во-вторых, наиболее эффективными оказались краткие и точные запросы, оформленные в стиле «ты сделал X, но нужно Y, пожалуйста, исправь». Такие формулировки работали лучше, чем сложные инструкции, и напоминали обычные правки в командной работе.
Claude также отлично справлялся с генерацией документации: достаточно было короткого промпта, чтобы получить полноценное описание схемы. Подобные задачи — сильная сторона моделей.
Однако около 20-го коммита начали появляться случаи, где требовалось ручное вмешательство. Модель не справилась с переносом определения класса, и инженер внёс правку отдельно. Позже Claude использовал команды <code>grep</code> и <code>sed</code>, чтобы обойти ограничение на замену повторяющегося кода, но и это оказалось неэффективным. Один из комментариев в истории коммитов: «Я действительно мог бы сделать это быстрее вручную, ну да ладно».
Примерно с 40-го коммита ручные доработки стали встречаться чаще: инженер правил стиль, удалял неиспользуемые методы и приводил структуру к финальному виду. Подобные задачи остаются слабыми местами ИИ-моделей.
Несмотря на это, в совокупности Claude сгенерировал более 95% кода, включая основную функциональность библиотеки. Каждый отдельный компонент создавался в несколько итераций, с последовательным уточнением и обратной связью. Этот подход — не недостаток, а естественный способ взаимодействия с моделью: «multi-shot prompting» оказался нормой.
Авторы эксперимента подчёркивают, что в таком формате сами промпты становятся не менее важными, чем результат. Если рассматривать их как полноценный исходный код, возникает идея: можно сохранить только последовательность промптов, а при улучшении модели — пересоздать весь проект заново с новыми возможностями. Промпты становятся «генетическим кодом» приложения: читаемыми, воспроизводимыми и самодокументируемыми.
Это требует высокого доверия к модели, способности к точному следованию инструкциям и стабильности генерации. Пока до этого далеко: проект нуждался в тестировании, ручной настройке, стратегическом управлении и ясной инженерной оценке.
Тем не менее, результат показывает, что Claude может взять на себя подавляющее большинство работы — а человек направляет, оценивает, вмешивается при необходимости и задаёт общую траекторию. Для просмотра ссылки Войди
- Источник новости
- www.securitylab.ru
