AI-разработка: разборы ошибок, изменений и проверки кода

Разборы для тех, кто уже пишет код и хочет проверять изменения, предложенные агентом. Начните с конкретного сбоя в репозитории: лишний diff, неверный контекст, тест или регрессия. Потом переходите к правилам работы с задачами и ревью.

Как пользоваться разборами

Выберите вопрос, совпадающий с вашей задачей. Внутри есть учебный пример, способ проверки и границы применимости. Воспроизведите пример на небольших безопасных данных, затем измените одно условие и сравните результат. Если проблема относится к нескольким этапам, проверяйте их по очереди.

Разборы 1–5

• AI-агент меняет слишком много файлов: как сузить diff. Ограничьте изменение наблюдаемым поведением и перечислите допустимые области кода.

• Агент редактирует не тот модуль: какой контекст дать. Дайте агенту путь от пользовательского действия до нужного обработчика, а не весь репозиторий сразу.

• AI исправил тест вместо бага: как заметить подмену. Сравните исходное требование, независимый пример и изменённое ожидание.

• AI написал тесты из моков: что они действительно проверяют. Посмотрите, остаётся ли в тесте реальная логика приложения.

• AI обновляет зависимости ради маленькой задачи: когда остановить. Потребуйте доказать, что новая зависимость или обновление необходимы для нужного поведения.

Разборы 6–10

• Как дать AI-агенту плавающий баг, который не воспроизводится. Передавайте условия и наблюдения, а не только описание «иногда ломается».

• Рефакторинг с AI без поломки публичного API. Запишите наблюдаемый контракт до изменения внутреннего устройства: входы, выходы, ошибки и значимые побочные эффекты.

• Два coding agent в одном репозитории: как разделить работу. Разделите рабочие каталоги и согласуйте контракты до параллельного изменения.

• Как передать задачу новому AI-агенту без потери контекста. Передавайте текущее состояние, проверенные факты и следующий проверяемый шаг.

• AI повторил скриншот, но интерфейс неудобен: как принимать UI. Проверяйте не только совпадение изображения, но и сценарии взаимодействия.

Разборы 11–15

• Критерии приёмки для AI-агента: пример вместо «сделай нормально». Опишите результат через вход, действие и наблюдаемый выход.

• Какие логи можно давать coding agent для отладки. Передавайте минимальный обезличенный фрагмент, который сохраняет причинную связь ошибки.

• AI написал миграцию БД: что проверить до запуска. Разделите изменение схемы, перенос данных и совместимость работающего приложения.

• Агент придумал метод библиотеки: как быстро проверить API. Проверьте установленную версию, экспортируемый интерфейс и минимальный вызов.

• Как разбить большую фичу для coding agent на рабочие этапы. Делите фичу по законченным проверяемым сценариям и зависимостям.

Разборы 16–20

• Как ревьюить сгенерированный код, если diff большой. Начните с изменения поведения и границ доверия, затем переходите к структуре и стилю.

• У агента тесты зелёные, в CI красные: где искать расхождение. Сравните точные команды, зависимости и условия запуска.

• AI-агент бесконечно чинит одно и то же: как остановить цикл. Остановите редактирование и восстановите проверяемую гипотезу.

• Какие тестовые данные дать AI для реалистичной проверки. Подберите данные, которые разделяют возможные ошибки, а не просто напоминают рабочий пример.

• AI написал async-код, но сервер зависает: проверьте блокирующие вызовы. Ключевое слово async не делает каждую операцию внутри функции неблокирующей.

Когда переходить к системной программе

Если отдельные статьи показывают повторяющиеся пробелы, сравните программу соответствующего платного курса Latorn со своей подготовкой и задачами. Этот навигатор подготовлен самой платформой. Статьи помогают разобраться с частными вопросами; наличие примера не означает обещания готового промышленного проекта или профессионального результата.