Вступление
После многомесячного поиска работы, последовавшего за увольнением, я устроился в новую компанию. Это не стартап. Продукт, который мы обслуживаем, является зрелым самоокупаемым приложением с реальными пользователями.
У «взрослой» системы есть свои плюсы.
Отлаженные процессы.
Регламенты делают разработку предсказуемой. Правила в IT не пишут кровью, но когда «пятничный фикс» роняет БД на выходные, а инструкции по автобэкапу нет — цена «свободы» считается в реальных убытках. Имя Knight Capital Group вам о чем‑нибудь говорит?
Сложные задачи.
Рефакторинг legacy и архитектурные задачи требуют нетривиальных решений. Они развивают инженерные навыки, которые ценятся на рынке.
Влияние на реальных пользователей.
Когда проект «живой», изменения сразу видят люди — это добавляет работе смысл. Тут, конечно, кому как, но мне нравится.
Стабильность и предсказуемость.
Самоокупаемый продукт дает больше уверенности в завтрашнем дне. Мне, как «ипотечнику», попавшему под сокращение, такое по душе.
Но чем старше приложение, тем сложнее в нём разобраться. В коде накапливаются слои логики, которые писали разные люди в разное время. Поначалу понимание продукта напоминает «туман войны» из старых стратегий: видны отдельные участки, но общая картина остаётся скрытой.
Было еще две причины, по которым погружение в проект для меня оказалось задачей со звездочкой.
Первая: использование Vue/Nuxt.
На прошлом месте я писал на React — нужно было быстро адаптироваться к другому фреймворку.
Вторая: переход с Nuxt 2 на Nuxt 3.
Команда отказалась от официального пути через Nuxt Bridge и пишет Nuxt 3-совместимый код. Это позволяет мигрировать без остановки «производственных мощностей», но, как следствие, в проекте есть Vuex и Pinia, Options и Composition API, что размывает понимание архитектуры.
Как человек, на своей шкуре испытавший все «прелести» современного найма, я не хотел лишиться места лишь потому, что порог вхождения оказался выше среднего. Разобраться в хитросплетениях платформы стало моей первой задачей.
Стратегия
Чтобы лучше понять продукт, я ищу ответы на 4 вопроса.
1. Зачем существует система?
Какую проблему решает приложение и как монетизирует решение? Зная это, проще сделать код бизнес‑инструментом, а не просто способом закрыть тикет.
2. Как устроена платформа?
Что «под капотом» — монолит или сервисы? Какие данные текут сквозь слои? Как бизнес‑сущности выглядят в коде? Это даёт общее представление без которого легко потеряться в деталях.
3. Где сосредоточены риски?
Есть блоки, неосторожные правки которых приводят к неявным ошибкам. Эти баги сложно поймать на ревью и в тестах — система не падает, но работает некорректно. Если знаешь, где мины — меньше шансов на них наступить.
4. Какие договорённости в команде?
Паттерны, подходы к разработке, негласные правила — все то, что позволяет общаться с коллегами на одном языке.
На вопросы о целях, рисках и соглашениях ответит тимлид, а вот устройство системы нужно понять самому.
Раньше этот процесс занимал около месяца и никогда не давал полной картины. Ведь основное время уходило на бизнес‑задачи, а разбираться в архитектуре приходилось урывками в свободное время. Поэтому порой я забывал то, что узнал раньше, и был вынужден начинать сначала.
На этот раз я решил использовать ИИ, чтобы компенсировать свою нерасторопность.
Почему ИИ?
Выполнение реальных задач — лучший способ разобраться в проекте. Нейронка ускоряет этот процесс. Она может быстро проследить поток данных, найти связанные участки логики и заметить неочевидные сценарии, которые легко упустить после нескольких часов работы.
Что использую?
Я прибегаю к помощи нескольких нейронок:
Claude/Claude Code,
ChatGPT,
Qwen 3 (локально),
ИИ-ответы в поиске Google.
Но для целей, описанных в статье, применяю Claude и Claude Code. Модели от Anthropic лучше других справляются с задачами разработки. По крайней мере из тех, с которыми я знаком.
Сильная сторона Claude в том, что он хранит диалог (контекстное окно) удаленно и помнит разговор в рамках чата. Имея доступ через MCP‑сервер к директории с проектами, он способен выполнять CRUD-операции с файлами, фактически играя роль ИИ‑агента.
Claude Code — полноценный ИИ‑агент в командной строке. Поэтому помимо чтения/записи файлов, он может работать с Git и оболочкой ОС, но историю не запоминает, если не попросить.
На коротком поводке
Может возникнуть желание передать нейронке вообще все: ревью, написание кода, объяснение деталей и остальные задачи. Это опасно минимум по двум причинам.
Первая
ИИ ошибется, весьма убедительно выдавая свои ошибки за истину. Но за промахи цифрового помощника всегда отвечает разработчик.
Вторая
не так очевидна и оттого более коварна. Наблюдая за работой ИИ, ты видишь код, вносишь исправления, и это создает иллюзию программирования. Но реальный навык теряется быстро. Когда его потребуется доказать, например, на собеседовании, разработчика может ждать неприятный сюрприз. Это не так актуально в контексте статьи, но заслуживает упоминания.
Чтобы снизить вероятность ошибки, нужно предоставить ИИ как можно больше информации. Для этого необходимо самостоятельно разобраться в задаче и сформулировать конкретный вопрос. Понимая суть, проще отличить правду от галлюцинации и скорректировать промпт, если необходимо.
Также полезно следить за тем, чтобы агент не захламлял систему мусором. Вряд ли такие файлы принесут вред, но зачем копить хлам?
Экономия ресурсов
ИИ старается действовать проактивно и нередко выполняет больше, чем требуется. Иногда это полезно, но чаще лишь расходует токены и время. Для русскоязычных пользователей это актуальная проблема.
Русский токенизируется менее эффективно: одно и то же предложение нередко требует в 2–3 раза больше токенов. В UTF-8 латиница занимает один байт, а кириллица — два. Кроме того, токенизаторы в основном обучались на английских текстах, поэтому русские слова чаще разбиваются на части.
Я прошу модель согласовывать действия перед выполнением. Это снижает автономность, зато экономит время и лимиты.
Заключение
От глубины понимания системы зависит качество выполнения задач и степень удовлетворения работой. Сложно получать удовольствие от программирования, когда постоянно действуешь наугад, рискуя что‑то сломать.
Исследование приложения с помощью ИИ позволило сэкономить время и подробнее разобраться в тонкостях платформы. Нейронка выполнила примерно 30% задачи. Она избавила меня от необходимости сканировать каждый файл, пытаясь удержать все логические цепочки в памяти.
Способность некоторых разработчиков исполнять код в голове, не теряя деталей — от синтаксиса до бизнес‑логики — вызывает уважение. Но если этот навык ещё не доведён до нужного уровня, ИИ возьмет часть нагрузки на себя.