300 дней с AI-агентами: от руководителя к Full Cycle Engineer

Автор описывает, как в 2025 году вернулся к самостоятельной разработке благодаря кодовым AI-агентам (в том числе Cursor) и зафиксировал резкий рост активности. Главный итог: быстрый старт возможен, но устойчивый результат требует процесса и контроля.

  • Последние 7 лет автор руководил командами разработки и не касался кода; в 2025 году вернулся к разработке и называет себя Full Cycle Engineer.
  • Статистика Cursor: 300 дней, 3.33B токенов, топ 16% пользователей по активности.
  • Статистика GitHub: 759 contributions за 2025 год; для сравнения за 2024 год — 18 contributions.
  • В одном из проектов агент сгенерировал веб-интерфейс и PHP-модуль интеграции к API, упаковал в Docker и подготовил документацию примерно за 30 минут; дальнейшие правки заняли ещё неделю и сопровождались ошибками.
  • В другом проекте первая версия лендинга с деплоем была сделана за 4 часа, при отсутствии опыта современного фронтенда.
  • Для повторяемой инфраструктуры автор собрал шаблон-репозиторий (Terraform, Ansible, GitHub Actions) и затем многократно адаптировал его под проекты.

Почему это важно: В тексте показано, как инструменты с кодовыми агентами расширяют «полный цикл» задач, который закрывает один специалист: от интерфейсов и интеграций до инфраструктуры. Это меняет ожидания к роли инженера и к скорости вывода прототипов и внутренних инструментов. При этом автор подчёркивает, что один инженер делает всё становится реалистичным только при опоре на планирование, спецификации, референсы и проверку результатов.

На что обратить внимание: Часть наблюдений относится к ситуации маленькой команды и небольших проектов, которую автор отдельно оговаривает. В кейсе с «one-shot» подчёркнуто, что основные сложности проявились на этапе изменений и точечных правок, а не при получении «первого результата». В блоках про процесс выделяются следующий шаг и развилка: переход к итерациям с фиксацией планов, ADR и правил для документации, чтобы агент не принимал решения на основе неточного текста.

Читайте также

  1. Тестовый стенд с автономным ИИ-агентом QA для тестирования бэкенда: концепция и пример
  2. Claude Code изнутри: как устроены ИИ-агенты для разработки
  3. А король-то голый! Как написать свой Claude Code в 200 строках кода
  4. Новые навыки для Claude Code: systematic-debugging, senior-devops, senior-prompt-engineer
  5. ИИ для PHP-разработчиков: практика без Python и науки о данных
Ключевые инсайты из новости (по версии ChatGPT)
  • One-shot для больших задач с AI-агентом: быстрый старт, но высокий риск деградации при правках: В кейсе с генерацией PHP-интерфейса, интеграционного модуля и Docker-упаковки one-shot промпт дал рабочий результат очень быстро, но дальнейшие мелкие правки начали ломать систему и порождать новые ошибки. Вывод для процессов: для объёмных задач важнее заранее разложить работу на этапы и закрепить ожидаемые артефакты и проверки, иначе скорость старта превращается в затраты на стабилизацию.
    [Процессы: AI-assisted разработка]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!