Войти в AI. Часть 3 Вайбкодинг для тех, кто начинал с Borland Pascal Чтобы прокачать скиллы AI-менеджера, я решил потрогать руками пару-тройку актуальных технологий. Начал с создания своего RAG. У меня уже была развернутая Visual Studio Code, окружение для Python и локальная LLM, поэтому мне за 15 минут удалось сгенерировать и запустить самого простенького агента, отвечающего на вопросы по файлам Obsidian. Только он, конечно, не заработал, и на отладку ушло еще 4 часа 45 минут. Я прошел через настоящий ад с версиями библиотек, багами в них, индексацией и переиндексацией, а также проблемами с энкодерами. Местами, модель начинала ходить кругами, и приходилось ее перенаправлять. Но в итоге, код заработал. А на следующий день я случайно ткнул в ссылку на Codex в том же ChatGPT и попал в какой-то дивный мир, где агент объяснил мне код, исправил баги и написал тесты. Причем не просто написал, а развернул проект в облаке и их прогнал. В итоге, этот код запустился с 1 попытки, и изначально работал правильно. Совершенно незнакомое чувство для разработчика-человека, конечно. После этого эксперимента вышла модель GPT-5, и я решил, что настало время изучить LangChain (вспоминается Матрица, где герои за минуту изучали управление вертолетом). На проект с чатом на основе базы знаний и контекстом ушло 3 часа. Поначалу было много проблем, но отладить их получилось быстрее. Как итог: вайбкодить может каждый, но есть нюансы. Кода написано прилично, но я весьма смутно представляю, как он работает и какие библиотеки использует. От этого возникают странные ощущения: напоминает сдачу чужих лаб в универе. Вносить изменения в такой код сложно, благо можно с помощью того же AI нагенерить тестов или попросить объяснение. А еще теперь очень интересно, как вайбкодинг может работать с большими legacy-проектами — там зациклиться и запутаться гораздо проще.