Как создавать образовательный контент для разработчиков в эпоху AI

Почему старый подход к обучению разработчиков больше не работает

Месяцами я обсуждал с коллегами одну и ту же тему: что значит создавать образовательный контент для разработчиков, когда аудитория смещается в сторону людей, которые могут вообще не писать код? В эпизоде подкаста Making Software я поговорил с Джеймсом Квиком, Developer Educator в Cloudflare. Он занимается developer relations уже 13 лет, начиная с Microsoft, ещё до того, как большинство узнало о такой профессии. Джеймс не писал код 8 месяцев, но за это время создал больше, чем когда-либо.

Аудитория, для которой мы создаём контент, тихо изменилась. Теперь мы называем их «строителями» (builders). Люди, которые хотят запускать продукты и не желают понимать, что под капотом. Это меняет цель образовательного контента, и большинство авторов ещё не адаптировались.

Почему строить для себя стало выгоднее, чем покупать

Джеймс построил клон Frame.io для своей команды, отменил подписку на QuickBooks и заменил Descript. Его мысль не в том, что каждый должен так делать. А в том, что стоимость создания чего-то для себя упала настолько, что старые расчёты больше не работают. Раньше нужно было тратить недели на разработку, теперь — часы с помощью AI-инструментов.

# Пример: простой AI-агент для создания заметок из видео
import openai
import whisper

# Загружаем аудио и транскрибируем
model = whisper.load_model("base")
result = model.transcribe("podcast.mp3")
text = result["text"]

# Используем GPT для генерации краткого содержания
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "Ты — помощник, который создаёт краткое содержание подкаста."},
        {"role": "user", "content": f"Сделай краткое содержание: {text}"}
    ]
)
print(response.choices[0].message.content)

Этот код — прототип инструмента, который Джеймс мог бы использовать для автоматизации. Он не требует глубокого понимания AI, только базовые вызовы API.

AEO — то, о чём большинство команд ещё не задумывается

Cloudflare активно работает над тем, как появляться, когда строитель говорит LLM: «Задеплой моё приложение». Answer Engine Optimization (AEO). Большинство команд инструментов для разработчиков ещё не начали этим заниматься. Если ваш контент не оптимизирован для ответов AI-ассистентов, вы теряете аудиторию.

Каждое приложение должно иметь MCP-сервер

Джеймс говорит, что не может вспомнить ни одного созданного им приложения, которому не пошло бы на пользу быть доступным для AI-агентов. Ручной ввод данных — худшая версия любого рабочего процесса. MCP (Model Context Protocol) позволяет AI-агентам взаимодействовать с вашим приложением так же, как человек через API.

# Пример MCP-сервера на Python
from mcp import MCPServer, Tool

class MyAppServer(MCPServer):
    @Tool
    def get_user_data(self, user_id: int) -> dict:
        """Возвращает данные пользователя по ID."""
        # Здесь может быть запрос к БД
        return {"id": user_id, "name": "Alice", "role": "admin"}

server = MyAppServer()
server.run()

Добавив MCP, вы открываете своё приложение для автоматизации через AI.

Что меня зацепило в этом разговоре

Я признался в том, что избегал говорить вслух: я скучаю по кодингу. Но как только LLM делает что-то за секунды, я ловлю себя на мысли: «А точно ли скучаю?» Джеймс на противоположном конце спектра. Он сказал: «Отсутствие написания кода вообще меня не беспокоит. Я ни капли не скучаю по этому». Два человека на одной должности приходят к совершенно разным выводам о том, что означает этот сдвиг. Это оказалось полезнее любых громких заявлений о том, забирает ли AI рабочие места разработчиков.

Спор в Twitter о QuickBooks запомнился. Кто-то возразил Джеймсу, что он на самом деле не заменил QuickBooks, потому что у него нет интеграции с кредитными картами и корпоративных функций. Его ответ: «Мне не нужно строить SaaS-продукт, который работает для других. Я — пользователь». Это переосмыслило для меня кое-что. Я всегда по умолчанию думал о том, как что-то будет выглядеть в масштабе, что нужно, чтобы другие могли это использовать. Он просто не думал. Это более полезная установка, чем я думал.

И затем был Dropcast. Джеймс тонул в вещах, которые хотел изучить, и построил инструмент, который берёт ссылки, обходит их, генерирует эпизод подкаста и отправляет в RSS-ленту, которую он слушает по дороге на работу. Я сразу подумал: мне это нужно.

Практический вывод: что делать прямо сейчас

1. Перестаньте думать как разработчик, начните думать как строитель. Спросите себя: что я хочу создать, а не какой код написать. Используйте AI-инструменты для ускорения.
2. Оптимизируйте контент для AI-ассистентов (AEO). Пишите чётко, структурированно, используйте заголовки и списки. Это поможет вашему контенту появляться в ответах ChatGPT и других LLM.
3. Добавьте MCP-сервер к вашему приложению. Даже небольшой проект выиграет от возможности AI-агентов взаимодействовать с ним. Начните с простого эндпоинта.
4. Стройте для себя, а не для масштаба. Если вам нужен инструмент для личного использования, не пытайтесь сделать его идеальным для всех. Сфокусируйтесь на своей задаче.

Я ушёл из этого разговора, всё ещё не уверенный, скучаю ли я по кодингу или просто по чувству, что написал что-то. Но теперь я иначе смотрю на вопрос «создать или купить». А вы всё ещё считаете себя разработчиком или это сместилось к чему-то другому? Поделитесь в комментариях.