Чем agentic coding отличается от генерации кода?

Генерация кода создаёт код по одному промпту. Agentic coding использует автономный цикл: агент планирует, пишет код, запускает тесты, читает ошибки и исправляет их итеративно — аналогично тому, как работает разработчик, но автоматически.

Когда стоит использовать agentic coding, а когда писать код самому?

Agentic coding отлично подходит для boilerplate, тестов, рефакторинга и чётко определённых задач. Пишите код сами для новых архитектурных решений, security-критичной логики и креативных задач, где необходим человеческий опыт.

Как CLAUDE.md и rules-файлы улучшают результаты agentic coding?

CLAUDE.md и rules-файлы дают агенту постоянный контекст о проекте: соглашения по коду, архитектурные паттерны, ограничения. Они работают как онбординг-документация для AI-агента, значительно повышая качество и консистентность кода.

ПрименениеНовое

Agentic Coding

Как AI-агенты автономно пишут, тестируют и итерируют код

Проблема: Разработчики тратят до 60% времени на рутинный код: boilerplate, тесты, рефакторинг, документацию. AI-агенты могут автономно писать, тестировать и исправлять код — но как эффективно с ними работать?

Решение: Твой неутомимый AI-напарник

Agentic coding выходит за рамки простой генерации кода — он использует автономных AI-агентов, которые планируют, пишут, тестируют и исправляют код в цикле. Это называют «vibe coding»: вы описываете намерение, а агент реализует. Ключевое отличие от чат-кодинга — agent loop — агент читает вашу кодовую базу, планирует подход, пишет код, запускает тесты и итерирует ошибки без ручного вмешательства.

Представьте это как неутомимого джуниор-разработчика:

1. Чётко описываем намерение: Что сделать, ограничения, стиль кода, требования к тестам — как брифинг новому сотруднику
2. Агент планирует подход: Читает кодовую базу, находит паттерны, предлагает план до написания кода
3. Агент пишет и тестирует: Пишет код, запускает тесты, читает ошибки, исправляет — автономный цикл plan-code-test-fix
4. Человек ревьюит и итерирует: Разработчик проверяет результат, даёт фидбек, итерирует — AI реализует, человек гарантирует качество

Где это используется?

Быстрое прототипирование: От идеи до работающего MVP за часы, а не дни — агент создаёт каркас, связывает и тестирует всё
Генерация тестов: AI пишет unit-, integration- и e2e-тесты на основе существующего кода и паттернов
Рефакторинг: Агент рефакторит код по паттернам проекта, запуская тесты после каждого изменения
Code review и документация: AI находит баги, предлагает улучшения и пишет документацию по коду
Подвохи: слепые зоны: Агенты могут писать правдоподобный, но некорректный код: несуществующие импорты, устаревшие API, дыры в безопасности, over-engineering. Всегда ревьюьте вывод агента критически — он выглядит уверенно, даже когда ошибается

Интересный факт: По отраслевым отчётам, некоторые компании уже пишут более 50% кода с помощью AI-агентов. Андрей Карпатый ввёл термин "vibe coding" в 2025 — кодинг через описание намерения, когда AI занимается реализацией. Ключевой инсайт: качество CLAUDE.md и rules-файлов важнее качества отдельных промптов.

Попробуйте сами!

Используй интерактивную визуализацию ниже, чтобы изучить цикл agentic coding, сравнить качество промптов и увидеть, как слои контекста влияют на результат.

Нажми "Следующий шаг", чтобы пройти цикл агента:

Намерение

Разработчик описывает, что нужно

Ключевая идея

1. Agentic coding — это не "загадай и получи код." Это сотрудничество: чёткое намерение + автономность агента + ревью человеком.
2. CLAUDE.md и rules-файлы — ваша самая рентабельная инвестиция — они улучшают каждое будущее взаимодействие.
3. Агент пишет код быстро, но ревью обязательно. Незаметно неправильный код от уверенного агента опаснее, чем очевидно неправильный.

Попробуй сам

Интерактивное демо этой техники

Сравнение техник

Демо режим

Предзаписанные ответы

ЗадачаСреднийКод

Поручи AI-агенту создать API-эндпоинт для поиска пользователей с пагинацией и фильтрами

Без техники

Промпт

Сделай эндпоинт для поиска пользователей.

Ответ

app.get("/users", (req, res) => { const users = db.query("SELECT * FROM users WHERE name LIKE '%" + req.query.q + "%'"); res.json(users); });

Токены:10/40

Время:250ms

Качество:

С applications-agentic-coding

С техникой

Промпт

Создай GET /api/users эндпоинт для Next.js App Router: Требования: - Query params: q (поиск по name/email), role (фильтр), page (default 1), limit (default 20, max 100) - Zod-валидация всех параметров - Parameterized SQL (Prisma) — никогда не конкатенировать пользовательский ввод - Ответ: { data: User[], pagination: { page, limit, total, totalPages } } - Rate limiting: 30 req/min per IP - Тесты: success, invalid params, empty results, SQL injection attempt Следуй паттернам из src/app/api/posts/route.ts.

Ответ

import { NextRequest, NextResponse } from "next/server";
import { z } from "zod";
import { prisma } from "@/lib/prisma";
import { rateLimit } from "@/lib/rate-limit";

const searchSchema = z.object({
  q: z.string().max(100).optional().default(""),
  role: z.enum(["admin", "user", "editor"]).optional(),
  page: z.coerce.number().int().min(1).default(1),
  limit: z.coerce.number().int().min(1).max(100).default(20),
});

export async function GET(req: NextRequest) {
  const ip = req.headers.get("x-forwarded-for") ?? "unknown";
  const limited = await rateLimit(ip, 30, 60);
  if (limited) {
    return NextResponse.json(
      { error: "Rate limit exceeded" },
      { status: 429 }
    );
  }

  const parsed = searchSchema.safeParse(
    Object.fromEntries(req.nextUrl.searchParams)
  );
  if (!parsed.success) {
    return NextResponse.json(
      { error: parsed.error.flatten() },
      { status: 400 }
    );
  }

  const { q, role, page, limit } = parsed.data;
  const where = {
    ...(q && {
      OR: [
        { name: { contains: q, mode: "insensitive" as const } },
        { email: { contains: q, mode: "insensitive" as const } },
      ],
    }),
    ...(role && { role }),
  };

  const [data, total] = await Promise.all([
    prisma.user.findMany({
      where,
      skip: (page - 1) * limit,
      take: limit,
      select: { id: true, name: true, email: true, role: true },
    }),
    prisma.user.count({ where }),
  ]);

  return NextResponse.json({
    data,
    pagination: { page, limit, total, totalPages: Math.ceil(total / limit) },
  });
}

👁️Конкретная ссылка на существующий паттерн (src/app/api/posts/route.ts) направляет агента к консистентному коду

🧠Требование Zod-валидации и parameterized SQL предотвращает типичные уязвимости агентного кода

🔍Явное указание тестовых сценариев (включая SQL injection attempt) заставляет агента думать о безопасности

Токены:180/350

Время:1200ms

Качество:

Почему это работает

Размытая инструкция даёт код с SQL-инъекцией и без пагинации. Детальный промпт со ссылкой на паттерн проекта, Zod-валидацией и списком тестов даёт production-ready эндпоинт, который соответствует архитектуре проекта.

1 / 2

Практика

Создайте бесплатный аккаунт для решения челленджей

3 челленджей с AI-проверкой для этого урока

Связанные уроки:Code Generation Building Agents Architectures

Этот урок — часть структурированного курса по LLM.

Мой путь обучения

ПрименениеНовое

Agentic Coding

Как AI-агенты автономно пишут, тестируют и итерируют код

Решение: Твой неутомимый AI-напарник

Представьте это как неутомимого джуниор-разработчика:

1. Чётко описываем намерение: Что сделать, ограничения, стиль кода, требования к тестам — как брифинг новому сотруднику
2. Агент планирует подход: Читает кодовую базу, находит паттерны, предлагает план до написания кода
3. Агент пишет и тестирует: Пишет код, запускает тесты, читает ошибки, исправляет — автономный цикл plan-code-test-fix
4. Человек ревьюит и итерирует: Разработчик проверяет результат, даёт фидбек, итерирует — AI реализует, человек гарантирует качество

Где это используется?

Быстрое прототипирование: От идеи до работающего MVP за часы, а не дни — агент создаёт каркас, связывает и тестирует всё
Генерация тестов: AI пишет unit-, integration- и e2e-тесты на основе существующего кода и паттернов
Рефакторинг: Агент рефакторит код по паттернам проекта, запуская тесты после каждого изменения
Code review и документация: AI находит баги, предлагает улучшения и пишет документацию по коду
Подвохи: слепые зоны: Агенты могут писать правдоподобный, но некорректный код: несуществующие импорты, устаревшие API, дыры в безопасности, over-engineering. Всегда ревьюьте вывод агента критически — он выглядит уверенно, даже когда ошибается

Попробуйте сами!

Нажми "Следующий шаг", чтобы пройти цикл агента:

Намерение

Разработчик описывает, что нужно

Ключевая идея

1. Agentic coding — это не "загадай и получи код." Это сотрудничество: чёткое намерение + автономность агента + ревью человеком.
2. CLAUDE.md и rules-файлы — ваша самая рентабельная инвестиция — они улучшают каждое будущее взаимодействие.
3. Агент пишет код быстро, но ревью обязательно. Незаметно неправильный код от уверенного агента опаснее, чем очевидно неправильный.

Попробуй сам

Интерактивное демо этой техники

Сравнение техник

Демо режим

Предзаписанные ответы

ЗадачаСреднийКод

Поручи AI-агенту создать API-эндпоинт для поиска пользователей с пагинацией и фильтрами

Без техники

Промпт

Сделай эндпоинт для поиска пользователей.

Ответ

app.get("/users", (req, res) => { const users = db.query("SELECT * FROM users WHERE name LIKE '%" + req.query.q + "%'"); res.json(users); });

Токены:10/40

Время:250ms

Качество:

С applications-agentic-coding

С техникой

Промпт

Ответ

import { NextRequest, NextResponse } from "next/server";
import { z } from "zod";
import { prisma } from "@/lib/prisma";
import { rateLimit } from "@/lib/rate-limit";

const searchSchema = z.object({
  q: z.string().max(100).optional().default(""),
  role: z.enum(["admin", "user", "editor"]).optional(),
  page: z.coerce.number().int().min(1).default(1),
  limit: z.coerce.number().int().min(1).max(100).default(20),
});

export async function GET(req: NextRequest) {
  const ip = req.headers.get("x-forwarded-for") ?? "unknown";
  const limited = await rateLimit(ip, 30, 60);
  if (limited) {
    return NextResponse.json(
      { error: "Rate limit exceeded" },
      { status: 429 }
    );
  }

  const parsed = searchSchema.safeParse(
    Object.fromEntries(req.nextUrl.searchParams)
  );
  if (!parsed.success) {
    return NextResponse.json(
      { error: parsed.error.flatten() },
      { status: 400 }
    );
  }

  const { q, role, page, limit } = parsed.data;
  const where = {
    ...(q && {
      OR: [
        { name: { contains: q, mode: "insensitive" as const } },
        { email: { contains: q, mode: "insensitive" as const } },
      ],
    }),
    ...(role && { role }),
  };

  const [data, total] = await Promise.all([
    prisma.user.findMany({
      where,
      skip: (page - 1) * limit,
      take: limit,
      select: { id: true, name: true, email: true, role: true },
    }),
    prisma.user.count({ where }),
  ]);

  return NextResponse.json({
    data,
    pagination: { page, limit, total, totalPages: Math.ceil(total / limit) },
  });
}

👁️Конкретная ссылка на существующий паттерн (src/app/api/posts/route.ts) направляет агента к консистентному коду

🧠Требование Zod-валидации и parameterized SQL предотвращает типичные уязвимости агентного кода

🔍Явное указание тестовых сценариев (включая SQL injection attempt) заставляет агента думать о безопасности

Токены:180/350

Время:1200ms

Качество:

Почему это работает

1 / 2

Практика

Создайте бесплатный аккаунт для решения челленджей

3 челленджей с AI-проверкой для этого урока

Связанные уроки:Code Generation Building Agents Architectures

Этот урок — часть структурированного курса по LLM.

Мой путь обучения