Simon Willison (создатель Datasette) опубликовал практическое руководство для профессиональных инженеров о том, как эффективно работать с AIинструментами вроде Claude Code и OpenAI Codex.

Это не для фанатов «vibe coding» — это набор дисциплин и паттернов, которые помогают превратить генерацию кода из фокуса в надёжный инженерный процесс.

Переход от «код дорогой» к «код почти бесплатный» (генерация за минуты вместо часов) ломает привычную инженерам экономику решений. Но «сгенерировать работающий код» — ещё не «поставить качественный, поддерживаемый продукт».

Хороший код, тесты, документация, обработка ошибок и понимание — всё ещё дорогостоящие и необходимые вещи. Уиллисон предлагает 8 паттернов, которые помогают сохранить контроль и уменьшить риски.

8 паттернов для практической работы с AI

1) Код стал дешёвым — воспринимайте это как факт, но не как разрешение на халтуру

Генерация экономит время, но доставка качественного продукта попрежнему требует инженерного труда. Используйте AI, чтобы быстро экспериментировать, но применяйте инжиниринг там, где это важно.

2) Накопление проверенных приёмов (Hoard things you know how to do)

Ведение собственного «склада» решений — заметки, примеры кода, шаблоны репозиториев, TIL — критично. AI умеет комбинировать ваши приёмы; если у вас есть коллекция «как я решал X раньше», агент быстрее соберёт корректное решение.

3) Краснозелёный TDD (Red–Green TDD)

Сначала напишите тесты (ожидаемый провал) — затем реализацию (проходит тесты). Для моделей это ключ: тесты задают, что считается «правильно», уменьшая риск «работающего, но неправильного» кода.

4) «Сначала запусти тесты» (Firstrun the tests)

При старте новой сессии первым сообщением попросите AI запустить тесты. Это переводит модель в тесториентированное мышление: проект с тестовой базой воспринимается иначе, и генерация кода будет ориентирована на прохождение тестов.

5) Линейный прогон (Linear walkthroughs)

Просите AI сгенерировать пошаговую «линейную» инструкцию по коду — документ, который объясняет файлы и логику в порядке выполнения. Это не только документирование: такой прогон помогает вам понять, что именно делает сгенерированный проект и закрыть «когнитивный долг».

6) Интерактивные объяснения

Когда текстовой объясняющий ответ недостаточен, требуйте визуализации или анимации (например, маленькая страница с демонстрацией алгоритма). Визуализация превращает «чёрный ящик» в понятную модель поведения.

7) GIFоптимизация и демонстрационные примеры

Сохраняйте полные примеры промптов и результатов (включая GIF/видео демонстрации) — они ускоряют воспроизведение успешных паттернов и помогают вёрстке «как это работает» для коллег.

8) Библиотека промптов (Prompt library)

Собирайте и систематизируйте рабочие подсказки: стартовые шаблоны, тестовые запросы, инструкции для режимов «пиши код» / «пиши тест» / «объясни архитектуру». Это уменьшает время старта и снижает риск «сценариевгаллюцинаций».

Уиллисон вводит «cognitive debt» — когда код есть и он работает, но вы его не понимаете. Это не просто технический долг; это долг понимания. Генерация кода ускоряет появление такого долга. Чтобы «погасить» когнитивный долг, помогают линейные прогоны и интерактивные объяснения: не просто принять, что «бот сделал», а понять, почему и как это работает.

На Hacker News гайд вызвал две большие ветви мнений:

одна сторона (строже) настаивает на TDD, проверке и контроле — это важно для критичных участков;

другая («Dark Factory») предлагает агрессивную итерацию: быстро бросать токены на проблему, экспериментировать и валидацию проводить постфактум.Уиллисон считает, что оба подхода полезны: прототипы — быстро и свободно; продакшн — строго и тестово.

Когда писать код почти бесплатно, главной ценностью инженера становится не «умение набрать код», а:

понимать, что нужно написать;

отличать хороший, поддерживаемый код от времянки;

управлять AI так, чтобы он не ушёл в неверные решения.

Уиллисонская коллекция паттернов — это тренировка третьего навыка: умения направлять и верифицировать агентов, обеспечивая качество и предсказуемость.

Ссылка на оригинал руководства: Agentic engineering patterns — Simon WillisonОбсуждение на Hacker News: HN thread