Автор делится личным опытом использования ИИ как «второго пилота» в программировании — для ускорения рутинных задач (рефакторинг, миграция библиотек, генерация типового кода). Основные выводы: полностью полагаться на LLM нельзя, но их удобно комбинировать с экспертизой разработчика, особенно для Java-стека.

В статье подробно разбираются плюсы и минусы локальных и облачных моделей. Локальные LLM (например, Ollama/LM Studio с моделями Llama 3.1 8B, Qwen 2.5 Coder, nomic-embed-text-v1.5) удобны для приватности, работы без интернета и экономии на API, но требуют мощного железа и поддержки GPU (например, AMD через Vulkan). Облачные модели (Anthropic Claude) лучше по качеству, но дороги и часто недоступны для работы с «трёхбуквенными» словами или обходом геоблокировок.

Практика: оптимален гибридный подход — локально запускать эмбедеры и узкоспециализированные модели, а для сложных задач использовать облачные сервисы. Инструменты вроде bolt.new подходят для MVP и pet-проектов, но не для коммерческих продуктов: есть ограничения по конфиденциальности и загрузке кода. Вывод: ИИ полезен для автоматизации и прототипирования, но полностью заменить разработчика пока не способен — максимум «второй пилот» для профессионала.