Неделя без AI: что я узнал о коде и продуктивности

Зачем отключать AI-инструменты?

Я пишу о AI-инструментах для кодинга уже несколько месяцев. Сравнения, тесты, туториалы — как выжать максимум из Claude Code, Cursor и других. Я использую их каждый день. Но на прошлой неделе я сделал то, что удивило даже меня: я полностью их отключил. На целую неделю — никакого AI-кода, никаких автодополнений, никаких подсказок. Только я, редактор и мигающий курсор. Вот что произошло на самом деле.

Первые дни: шок и замедление

День первый был унизительным. Моя производительность упала вдвое. То, что обычно занимало 15 минут, растянулось на 40. Я ловил себя на том, что по привычке жму Cmd+K по шесть раз за час. Но где-то на третий день что-то изменилось.

Я начал читать исходный код вместо того, чтобы просить его пересказать. Я прослеживал пути выполнения, вместо того чтобы позволить LLM провести меня по ним. Я поймал тонкое состояние гонки, которое Claude Code двумя неделями ранее уверенно назвал «не проблемой». Этот момент застрял у меня в голове.

Код стал чище

Вот что я не ожидал. К пятому дню мой код стал заметно проще. Не потому, что LLM его оптимизировала, а потому, что я наконец понял проблему достаточно хорошо, чтобы не усложнять. AI-генерированный код часто переусложнён. Он добавляет абстракции для сценариев, которые никогда не случатся. Он пишет защитные проверки для кейсов, не применимых к вашей задаче. Выглядит профессионально, но тащит лишнюю сложность.

# Пример: AI-генерированная функция (переусложнена)
def process_items(items, config=None):
    if config is None:
        config = {}
    result = []
    for item in items:
        # AI добавляет проверки на None, хотя items гарантированно список
        if item is not None:
            processed = {
                'id': item.get('id', 0),
                'name': item.get('name', 'unknown'),
                'value': item.get('value', 0) * config.get('multiplier', 1)
            }
            result.append(processed)
    return result

# Моя версия после недели без AI (простая и понятная)
def process_items(items):
    """Обрабатывает список элементов с базовыми преобразованиями."""
    return [{'id': item['id'], 'name': item['name'], 'value': item['value']} for item in items]

Когда пишешь сам, ты останавливаешься на самом простом рабочем решении, потому что знаешь, что готов. LLM не знает, когда остановиться. Она просто продолжает, пока не закончится контекст.

Реальная цена продуктивности

Это та часть, о которой я думаю больше всего. AI-инструменты убирают трение. В этом их суперсила. Но трение не всегда плохо. Борьба с отладкой собственного кода — это то, как ты учишься понимать код. Усилия по проектированию API — это то, как ты развиваешь вкус к хорошим решениям. Если ты передаёшь эти моменты LLM, ты получаешь результат, но не обучение.

Я не буду притворяться, что навсегда отказался от AI. Я всё ещё использую его. Но я изменил своё личное правило: генерируй только то, что мог бы написать сам. Используй AI, чтобы ускорить понимание, а не заменить его. Это значит — больше не просить решений для проблем, которые я ещё не понял до конца. Не принимать сгенерированный код, который не могу объяснить построчно. Переписка с AI при отладке часто занимает больше времени, чем написание кода с нуля.

# Пример: как я теперь работаю с AI
# 1. Сначала формулирую проблему на бумаге
# 2. Пишу черновик решения сам
# 3. Использую AI только для ревью или оптимизации

def calculate_discount(price, customer_type):
    """Рассчитывает скидку в зависимости от типа клиента."""
    if customer_type == 'vip':
        return price * 0.9
    elif customer_type == 'regular':
        return price * 0.95
    return price

# AI подсказал: добавить логирование для отладки
# Я согласился, потому что понял зачем
import logging
def calculate_discount_logged(price, customer_type):
    """Рассчитывает скидку с логированием."""
    discount = 0.9 if customer_type == 'vip' else 0.95 if customer_type == 'regular' else 1.0
    result = price * discount
    logging.info(f'Скидка для {customer_type}: {discount}, итог: {result}')
    return result

Где твоя граница?

Я думаю, что настоящий навык в 2026 году — не умение писать промпты для LLM. Это умение знать, когда их не использовать. Ты проверяешь каждую строку, которую генерирует AI? Ты когда-нибудь выкатывал код, который не полностью понимал, потому что тесты прошли? Замечал ли ты, что «продуктивность» AI оборачивается лишними часами отладки?

Я не думаю, что есть один правильный ответ. Но я считаю, что мы должны говорить об этом больше. Вот что я предлагаю сделать прямо сейчас: на один день отключи все AI-инструменты. Пиши код сам. Отлаживай сам. Заметь, как изменится твоё понимание. Вернись к AI на следующий день, но с новыми правилами.