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:
- Прочитать весь код.
- Составить README: что, где, зачем.
- 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.