Vibe coding
Определение
Заголовок раздела «Определение»Vibe coding — неформальный способ создавать или менять программу, описывая желаемый результат AI-ассистенту и оценивая получившееся поведение. Разработчик быстро пробует варианты, не обязательно заранее составляя подробный план или спецификацию. Термин описывает стиль работы, а не стандарт SDLC и не гарантию качества.
Где подход полезен
Заголовок раздела «Где подход полезен»Он подходит для низкорискового исследования: набросать интерфейс, проверить API, собрать одноразовый скрипт, сравнить несколько вариантов или выяснить, как сформулировать задачу. Быстрая обратная связь помогает понять, что именно нужно уточнить.
Где заканчивается прототип
Заголовок раздела «Где заканчивается прототип»Внешне работающий результат ещё не доказывает корректность. Перед включением кода в поддерживаемый продукт следует:
- сформулировать ожидаемое поведение и критерии приемки;
- проверить ошибки, граничные случаи, права доступа и обработку данных;
- просмотреть изменения и понять добавленные зависимости;
- добавить подходящие автоматические проверки и документацию;
- проверить миграции, обратную совместимость и эксплуатационные последствия.
Чем выше цена ошибки и сложнее откат, тем меньше оснований полагаться на неформальную проверку. В таких задачах лучше перейти к SDD и TDD, сохраняя короткие итерации.
Практический переход
Заголовок раздела «Практический переход»Когда эксперимент оказался полезным, остановите генерацию и запишите, что именно подтвердилось. Затем превратите найденное поведение в небольшую спецификацию, определите проверяемые примеры и продолжайте обычный цикл SDLC с AI. Это отделяет ценное наблюдение от случайных решений прототипа.
Экономика токенов: CapEx и OpEx
Заголовок раздела «Экономика токенов: CapEx и OpEx»У vibe coding низкие начальные затраты (CapEx): можно начать с короткого запроса, не тратя время на настройку правил, тестов и рабочего процесса. Но при развитии прототипа растут операционные затраты (OpEx): неоднозначный контекст и непроверенные решения провоцируют новые циклы исправлений, а вместе с ними — расход токенов на slop-код и его переделку.
Agentic engineering требует большего CapEx: сначала нужно подготовить harness — спецификации, инструкции для агента, инструменты и автоматические проверки. В последующей работе эти опоры помогают получать более точные изменения за меньшее число итераций и снижать OpEx. В исходном материале приводится оценка, что такой подход в долгосрочной перспективе может быть в 3–10 раз надёжнее и дешевле vibe coding. Это ориентир автора, а не универсальная метрика: результат зависит от задач, стоимости подготовки harness и того, насколько часто его переиспользуют.
Поэтому точка окупаемости может наступить быстро на повторяющихся задачах и в активно развиваемых проектах, где harness используется снова и снова. Для разового низкорискового прототипа первоначальные вложения могут не окупиться. Подробнее о процессе и контроле качества — в статье SDLC и разработка с AI.