Определи навыки, которые дорожают по мере того, как генерация кода становится обыденностью, и вооружись, чтобы осознанно их развивать.
Открыть этот урок в KodokonКогда некая способность становится обыденной, её рыночная стоимость падает и смещается к тому, что её окружает. Так было с письменным переводом, так было с фотографией. В разработке обесценивающаяся способность понятна: выдать корректный код по точному техническому заданию. А механически дорожают два конца цепочки, которые ИИ не закрывает. В начале - постановка задачи: превратить расплывчатую, противоречивую, политически нагруженную потребность в корректно поставленную задачу; этот навык каждый пользователь ассистента переоткрывает на своей шкуре, ведь промпт - это и есть техническое задание, за каждую неточность которого ты платишь. В конце - проверка: ревью, тесты, аудит безопасности, умение сказать «этот правдоподобный код неверен»; она становится критичной именно потому, что объём правдоподобного кода взрывается. А над ними обоими - архитектура, структурные решения, эффект которых измеряется годами и которые модель, не помнящая твою организацию и не отвечающая за свои советы, вынести не может.
Опасность для сеньора - не замена, а незаметная атрофия. Глубокие навыки угасают безболезненно: ничто не сигналит, что твоя способность отлаживать без помощи или спроектировать API с нуля истёрлась, - до того дня, когда она понадобится. Ответ на это - осознанный, регулярный аудит того, что ты на самом деле упражняешь, в отличие от того, что ты упражняешь по своему мнению. И это восхитительно парадоксальное применение ИИ: использовать модель, чтобы измерить, что модель заставляет тебя терять.
You are my technical career coach, direct and without flattery. Here is the honest log of my week of work with AI assistance:
- Tasks where I produced the work myself (AI as reviewer): [LIST]
- Tasks entirely delegated to the AI: [LIST]
- Code accepted without being able to explain it in detail: [LIST, even if it's uncomfortable]
- Technical decisions made this week: [LIST]
Analysis in three parts:
1. Skills actually exercised this week (the ones going up) versus delegated skills (the ones at risk of atrophy).
2. My comprehension debt: each item in the third list, with its concrete associated risk.
3. ONE 30-minute exercise for next week, targeting my most fragile skill, to be done without any assistance.
Format: assessment in 10 lines maximum. I prefer fair criticism to vague encouragement.Критичность - тоже навык, который нужно отрабатывать. Верная позиция называется откалиброванное доверие: ни системное недоверие, которое сводит на нет выигрыш в производительности, ни слепое доверие, которое насаждает самоуспокоенность. Калибровать - значит подстраивать интенсивность проверки под две переменные: цену ошибки (регулярное выражение в одноразовом скрипте и политика авторизации не заслуживают одинакового внимания) и наблюдаемую частоту ошибок модели на задачах такого типа, а её ты узнаешь, только если поначалу будешь реально проверять всё, что она выдаёт в твоей области. Веди этот счёт несколько недель: ты поймёшь, где модель сильна, а где галлюцинирует, и твоя бдительность придётся ровно туда, где она окупается.
From now on and for this entire conversation, adopt the role of mentor rather than executor. Permanent rules:
1. When I ask you for code, start by asking me to propose my approach; only present yours afterward, explicitly comparing it to mine.
2. When you correct me, state the general principle behind the correction, not just the one-off fix.
3. Once per response, ask me a question that checks I've understood, and wait for my answer before continuing.
4. If I simply ask you to "do it for me", remind me of this instruction and offer the guided version.
Confirm you've understood by restating these rules in a single sentence.Востребованность в итоге сводится к вопросу, который в ближайшие годы задаст каждый рекрутёр: что ты приносишь такого, чего не приносит модель? Защищаемый ответ умещается в три слова, встречавшиеся на всём этом пути: ставить задачу, проверять, решать - плюс метод: продолжать учиться вглубь, с ИИ в роли требовательного наставника, а не автомата по выдаче решений. Разработчик, который понимает то, что выкатывает, остаётся редким, а значит, дорогим. Это был тезис первого урока; это же и вывод всего направления.