Why AI Generates Garbage — and How to Make It Write Good Code
Код, сгенерированный AI без инженерного процесса, быстро становится сложным, ошибочным и трудно поддерживаемым. Чтобы избежать деградации качества, нужно выстраивать процесс с этапами ресёрча, дизайна и планирования, контролировать контекст и декомпозировать задачи.
наведи и нажми на цифру — раскроется глава
полный разбор ролика · 5 глав ↓
Проблемы генерации кода
Простые просьбы к AI писать без ошибок не дают результата — проблема в отсутствии процесса, а не в модели.
Данные показывают, что с ростом объёма сгенерированного кода растут ошибки и сложность, что замедляет разработку и ухудшает качество.
Статистика и риски
Код, сгенерированный AI, содержит в 1,7 раза больше проблем и в 2,7 раза больше уязвимостей, чем код человека.
Без инженерного контроля код становится дырявым, что подтверждается примером соцсети агентов с открытыми данными.
Роль инженеров и контроль
Инженеры не пишут код вручную, а управляют процессом генерации, контролируют качество и архитектуру.
Без контроля и архитектуры генерация — лотерея, что ведёт к росту сложности и потере контроля над проектом.
Контекстная инженерия
Качество ответа зависит от полноты и корректности данных в контекстном окне, при этом нужно минимизировать шум и размер контекста.
Декомпозиция задач и сужение кодовой базы позволяют эффективно использовать ограниченный контекст для генерации.
Этапы процесса
Ресёрч — выявление релевантных файлов и создание сжатой информации о проекте для уменьшения шума.
Дизайн — создание архитектурных диаграмм и ревью решения для проверки корректности.
Планирование — разбивка задачи на фазы и подготовка файлов для реализации, избегая больших монолитных скриптов.