makedream
9:43Chase AI
Log in to leave a comment
No posts yet
ИИ снисходителен к коду, который он написал сам. Согласно данным SWE-bench (Verified), опубликованным Anthropic, показатель успеха исправлений у кодинг-агентов превышает 80%, однако они все еще упускают тонкие пограничные случаи (edge cases) в сложной бизнес-логике. Модель может считать свой код идеальным, но при реальном запуске он часто изобилует багами. Чтобы преодолеть это интеллектуальное слепое пятно, следует использовать Claude 3.7 Sonnet как основного исполнителя, но выделить OpenAI o1 или Codex в качестве враждебного рецензента.
Коэффициент обнаружения ошибок растет, когда вы меняете парадигму проверки с «подтверждения» на «отрицание». Я создаю файл AGENTS.md в корне проекта и жестко закрепляю роли.
.claude-codex-config и AGENTS.md в корне проекта.AGENTS.md определите персону Codex как «критически настроенного старшего инженера по безопасности, который получает вознаграждение за каждую найденную логическую брешь». Прикажите ему опускать похвалу и искать только слабые места.alias codex-audit='codex --full-auto --prompt "$(cat AGENTS.md)"'codex-audit, чтобы инициировать враждебную проверку.Внедрение этого протокола решает проблему отсутствия объективности при одиночной разработке с помощью системного подхода. На практике это сокращает время, затрачиваемое на отладку, более чем на 5 часов в неделю.
Claude 3.7 обладает глубоким пониманием архитектуры, но стоимость токенов высока. Для соло-разработчика расточительно использовать дорогую модель для каждой проверки — это операционный риск. Необходим экономичный инжиниринг: проверять только внесенные изменения. Codex работает быстро и оптимизирован для проверки простой логики.
Не загружайте всю кодовую базу целиком, сосредоточьтесь на измененных областях. Это сэкономит более 70% потребления токенов.
git add.git diff --cached | codex-audit, чтобы отправить Codex только измененные фрагменты кода (chunks).Это способ снизить ежемесячные расходы на API вдвое, сохраняя интенсивность проверки на уровне старшего разработчика.
В SaaS сбой в логике оплаты равносилен смертному приговору сервису. Claude силен в реализации, но иногда упускает строгую проверку в нативной среде терминала. Необходимо предотвращать состояния гонки (race conditions) и уязвимости безопасности с помощью трехэтапной сети безопасности, объединяющей сильные стороны обеих моделей.
Процедура для критически важных рабочих процессов:
Эта рутина отлавливает дублирование платежей или обход авторизации — типичные ошибки джуниор-разработчиков — еще до деплоя.
ИИ-агенты иногда выдают массу мелких замечаний к стилю (nitpicks). Это вызывает усталость от уведомлений. Сосредоточение только на критических дефектах повышает продуктивность на 30%. Обратной связи от ИИ нужна градация.
Такая автоматизация равносильна наличию круглосуточного код-ревьюера. Исчезает хронический риск соло-разработчика — принимать решения в одиночку и сомневаться в них. Повышение качества кода до единого высокого стандарта становится приятным бонусом.