AI ускоряет набор кода, но не заменяет review и тесты. Ниже — цикл, который можно применить с Cursor или другим агентом: задача → контекст → diff → проверка.
Формат задачи для агента
- User story + AC + files in scope + anti-goals
- Явный stack (Nest, Nuxt, Postgres)
- Пример похожего кода из репо
Контекст
@file, rules в .cursor, skills — не «сделай всё приложение одним промптом».
Ревью AI-кода
- Проверить imports и версии API
- Security: auth, validation, secrets
- Diff size limit — дробить задачи
Чеклист
- Нет commit без human review
- CI обязателен
- Документировать AI-heavy модули
Правила для команды
- Задача в агент не больше одного bounded context
- Обязательный human review перед merge
- Запрет коммитов с секретами и закомментированным «временным» кодом
- Skills и rules в репозитории — version controlled
Когда AI не подходит
Архитектурные решения с долгим horizon, compliance-логика и расчёт финансовых проводок — проектирует человек, AI только черновик boilerplate.
Экономика vibecoding
Считайте не «строки в час», а time-to-merge и defect rate. AI выигрывает на CRUD, i18n, тестах-заготовках; проигрывает на неявных доменных инвариантах wallet и bonus без жёсткого review.
Шаблон промпта для агента
Контекст: stack, файлы in scope, acceptance criteria, anti-goals («не трогать migrations», «не добавлять env»). Пример: «Добавь PATCH field в site-settings-admin.controller по паттерну recaptcha, миграция + model + integrations.vue i18n».
После ответа агента — diff review, локальный lint, ручной сценарий в браузере. AI ускоряет набор, но не заменяет проверку бизнес-правил.
Минимальные правила для себя
- Одна задача = один bounded context, diff < 400 строк
- Промпт: AC + files in scope + anti-goals
- Перед commit: lint, тест, ручной сценарий
- Не merge AI-кода без понимания каждой строки diff