Тандем AI-моделей: автономная разработка без

Почему тандем, а не одна модель?

Главная проблема: одна AI-модель, которая пишет код, уже считает его правильным. Она защищает свои решения, не видит собственных ошибок и пропускает баги, потому что закоснела в своей точке зрения.

Решение — разделение ролей:

• Тимлид (Claude Opus): Проектирование, документация, постановка задач, строгое ревью по критериям.
• Разработчик (GPT-4o / Cursor): Пишет код по заданию тимлида.

Ключ успеха: разные модели от разных компаний обеспечивают по-настоящему независимый взгляд.

Цикл разработки (Loop Engineering)

Нормальный цикл разработки отличается от наивного «написано — значит готово»:

1. Спецификация и критерии приёмки: Чёткое описание задачи и условия, при которых она считается выполненной.
2. Имплементация: Модель-разработчик пишет код.
3. Ревью и тестирование: Модель-тимлид проверяет code diff, прогоняет тесты, сверяет с критериями.
4. Верификация:

   Основные компоненты

   • Если ОК — работа принимается, цикл завершён.
   • Если ошибки — отправляется на доработку с конкретными замечаниями.

Роль человека: нести окончательную ответственность за результат, но не делать ручное ревью, особенно в сложных системах.

Практический пример: экспорт лидов в CSV

Задача: Добавить кнопку экспорта лидов в CSV.

Критерии приёмки (для Claude):

Основные компоненты

• Есть кнопка в интерфейсе.
• CSV-файл содержит нужные поля.
• Обрабатывается пустой список без ошибок.
• Формат CSV валиден.

Процесс Loop Engineering:

1. Claude (тимлид) получает промт с задачей и критериями приёмки.
2. Claude вызывает агента-кодера (Cursor) через команду go в терминале.
3. Cursor работает в режиме go до выполнения всех условий.
4. Claude проверяет результат: diff в коде, запускает тесты, ищет нарушения.
5. Если тесты не проходят — Reject с конкретным списком доработок.
6. Цикл повторяется, пока все критерии не станут зелёными.

Почему тесты — это всё

Тесты (юнит-, end-to-end, smoke-тесты) — это объективные факты, а не мнение модели.

• Пока функционал не подтверждён тестами, всё остальное — лишь предположение о работоспособности.
• Тесты дают измеримое доказательство выполнения задачи: скриншоты, логи, отчёты о покрытии.
• Это избавляет от необходимости в ручном ревью и спорах о том, работает ли это.

Организация проекта

Для работы тандема используется:

1. claude.md: Главный файл с описанием проекта, критериями приёмки и явным запретом для Claude писать код самостоятельно.
2. Skill-файл (например, cursor_teamlead.md): Пошаговое описание цикла Loop Engineering:
   • Как делегировать задачи Cursor.
   • Как настраивать гейты приёмки (gate) в каждый go prompt.
   • Как проводить ревью на предмет «AI slop» (мусора и галлюцинаций в коде).
   • Шаблоны промтов и вспомогательные bash-скрипты.

Зачем платить за две подписки?

Использование двух платных моделей увеличивает расходы, но есть аргументы в пользу:

Главные аргументы

• Высокая цена ошибки: Если сроки горят и результат должен быть качественным, инвестиция в вторую подписку окупается.
• Нехватка компетенций: Человеку может потребоваться неделя разбираться в сложном коде, а модель сделает за минуты.
• Объективность: Разные модели — разные взгляды, что снижает риск пропустить баг.

Оптимальный выбор: платить за вторую подписку, чтобы получить эффективный тандем и не тратить время на ручное ревью.

Результаты на практике

На примере большого бизнес-проекта:

Основные компоненты

• ~100 000 строк кода написано с использованием DeepSeek в роли кодера и Cursor в роли тимлида.
• Затраты: менее $30 на всю разработку.

Распределение ролей по моделям:

• Claude (Anthropic): Для задач, требующих глубокого анализа и ревью, несмотря на более строгие лимиты токенов.
• Cursor / OpenAI: Для ресурсоёмких задач по генерации кода, где важна экономия токенов.

Главный итог: Такой подход позволяет получать качественный результат автономно, с полной доказательной базой (тесты, артефакты), что ускоряет разработку и повышает уверенность в коде.