Денис Матаков

Блог технического руководителя

Как я писал MVP с AI-ассистентами: опыт, грабли и тактика

Написано

Денис Матаков

в

,

Недавно я делал мобильное приложение на Flutter, с FastAPI на бэкенде и Streamlit для административной панели. Всё это — в рамках подхода “AI-first”, когда почти весь код пишется с помощью копайлот-ассистентов: Gemini, ChatGPT, Claude.

И вот что я понял из такого долгосрочного программирования…

Умные, но забывчивые

Современные копайлот-ассистенты — это не команда, а стажёры. Они пишут быстро, но:

  • забывают, что делали в предыдущем файле;
  • не держат в голове структуру проекта;
  • путаются, если вы перескакиваете между фронтом, мобилкой и бэком.

Мораль: не стоит надеяться, что AI вспомнит, как вы называли переменную три дня назад в другом микросервисе. Но выход есть.

Всё начинается с чек-листа

Первое, что нужно сделать, — попросить AI составить подробный пошаговый план, как будет строиться ваш проект. Это и есть дорожная карта.

  • Я делал 5 больших этапов.
  • Внутри каждого — маленькие подпункты.
  • Но этого мало — детализация нужна больше, особенно в логических блоках: frontend, backend, auth, UI…

README + prompt.md — ваш инструмент памяти

После каждого логического блока (например, вы закончили backend) — просите AI:

  1. Прочитать весь код.
  2. Составить README: что, где, зачем.
  3. Написать prompt.md — инструкцию самому себе. Как бы «если забудешь, чем ты тут занимался — прочитай это».

Это не шутка: именно такую стратегию используют в Cursor, но делают это автоматически и примитивно. А вы — осознанно.

Изоляция и Domain Driven Design

Каждый логический модуль — как отдельная зона ответственности:

  • Пишите отдельный README и prompt для каждого микросервиса.
  • Когда вы начинаете новый чат с AI — просто закиньте ему нужный README.
  • При необходимости — добавьте фразу «think deep». Особенно хорошо работает с Gemini 2.5 Pro — он включается.

Android Studio и localhost — не лучшие друзья

Когда я впервые запускал API с Android Studio, был неприятно удивлён:

  • localhost не работает.
  • Нужно использовать 10.0.2.2, чтобы обращаться к хосту.

Это поломало мой initial setup. Решение: не использовать локальные адреса вовсе, а поднять stage-сервер и слать запросы туда.

Кто круче всех из копайлот-ассистентов?

Мой субъективный рейтинг:

1. Gemini 2.5 Pro

  • Хорошо работает с prompt.md
  • Умеет думать «внутри файла»
  • Послушный, не навязчивый

2. ChatGPT 4.1

  • Очень осторожный
  • Часто спрашивает, но даёт хорошие архитектурные идеи

3. Claude 3.5 Sonnet

  • Включает AutoRun
  • Может начать писать новую кодовую базу, не спросив
  • Оставляет за собой кучу лишних файлов

Дёшево — значит ограниченно

  • Cursor и GitHub Copilot — дешёвые ($20/мес).
  • Но у них очень маленький контекст — они быстро всё забывают.
  • Claude Code (Anthropic) — дорогой, сложный в получении, но реально помнит.

Если вы делаете MVP — научитесь работать с дешевыми инструментами и пишите документацию. Это ваш единственный способ сохранить мышление AI в фокусе.

Резюме

Если вы делаете приложение с AI:

  • Разбивайте на логические блоки.
  • Пишите README и prompt.md после каждого.
  • Обновляйте их после доработок.
  • Не верьте в “память” копайлота — её просто нет.
  • Используйте “think deep” в нужный момент.

И тогда даже с дешевыми инструментами можно собрать что-то большое, логичное и рабочее.

Больше записей