В феврале 2024 я наблюдал за трансформацией коллеги: он за неделю запустил Telegram-бота, который пишет посты в его стиле, проверяет их четырьмя AI-критиками и публикует автоматически. Без единой строки кода. Когда я спросил, как он это сделал, он ответил: "Просто попросил Claude Code".
Это и есть vibe-coding — навык создания прототипов через диалог с AI. Не про синтаксис Python или JavaScript, а про умение формулировать задачи так, чтобы AI понял твой контекст и реализовал решение. Сегодня разберу методологию, которая превращает идею в работающий прототип за 30—60 минут.
Что такое vibe-coding и почему это важнее знания инструментов
Vibe-coding — это состояние потока, когда ты общаешься с AI как с партнёром, а не как с поисковиком. Ты описываешь проблему, AI предлагает решения, ты уточняешь — и через несколько итераций получаешь работающий прототип.
Главное правило, которое сформулировал Серёжа Рис (автор метода): не влюбляйся в инструменты. Сегодня лидер — Claude Code, через месяц может появиться Twitter-код или XI-код. Инструменты меняются, принципы остаются.
Три кита vibe-coding:
- Контекст — чем больше AI знает о задаче, тем точнее решение
- Токены — понимание ограничений контекстного окна
- Промптинг — навык задавать правильные вопросы
В моей практике я использую Claude 4 (через Claude Code) для прототипирования, ChatGPT-4o для исследовательских задач и Cursor для рефакторинга кода. Но суть не в инструментах — суть в подходе "просто попроси AI сделать это".
Почему это работает сейчас
Ещё год назад для создания Telegram-бота требовалось:
- Знать Python или Node.js
- Разбираться в API Telegram
- Уметь деплоить на сервер
- Настраивать базу данных
Сегодня с Claude Code ты просто пишешь: "Создай Telegram-бота, который отправляет пост в канал по команде". AI сам выбирает стек, пишет код, объясняет, что нужно установить, и помогает задеплоить на Railway.
Реальный кейс: участник воркшопа запустил бота за 42 минуты (таймкод 42:00 в стриме). Без опыта программирования.
Контент-фабрика на скиллах: кейс автоматизации публикаций
Разберу конкретный пайплайн, который использует Серёжа Рис для своего Telegram-канала "Дневник вайп-кодера". Это не теория — система работает в продакшене и публикует 3—5 постов в неделю.
Пять фаз контент-фабрики
Фаза 1: Чтение логов
AI анализирует историю диалогов в Claude Code за последние 3—7 дней. Ищет паттерны: какие задачи решались, какие инструменты использовались, где были прорывы.
Промпт для этой фазы:
Проанализируй мои рабочие логи за последние 5 дней.
Найди 3 темы, которые повторялись или вызвали эмоцию.
Для каждой темы — краткое описание и почему она интересна аудитории.
Фаза 2: Выбор темы
Из 3—5 кандидатов AI выбирает тему с максимальной практической ценностью. Критерии: конкретность, применимость, есть ли неочевидный инсайт.
Фаза 3: Исследование
AI через MCP (Model Context Protocol) подключается к Exa — поисковику для AI. Находит актуальные статьи, Github-репозитории, обсуждения в комьюнити. Собирает 5—10 источников.
В моей практике я использую похожий подход для исследования DeFi-протоколов: прошу Claude найти последние обновления через Exa, а потом синтезировать ключевые изменения в таблицу.
Фаза 4: Черновик
AI пишет пост в авторском стиле. Как он узнаёт стиль? Через skill (скилл) — именованный контекст, который содержит гайд по стилю автора.
Пример создания skill для стиля (используй Gemini 2.0 Flash Experimental — у него контекстное окно 1 млн токенов):
Проанализируй эти 20 текстов и создай детальный гайд по стилю автора:
- Тон общения (формальный/разговорный/провокационный)
- Частые обороты и словечки
- Структура абзацев
- Как автор использует эмоции
- Отношение к читателю (ты/вы, высокомерное/дружеское)
- Пунктуация (тире, запятые, восклицания)
Создай системный промпт для AI-писателя, который будет воспроизводить этот стиль.
[Вставить экспорт 20 текстов]
Фаза 5: Четыре AI-критика
Черновик проходит через четыре модели (например, Claude 4, GPT-4o, Gemini 2.0, Llama 3.3) с промптом:
Ты — редактор технического блога. Оцени пост по критериям:
- Конкретность (есть ли числа, примеры, инструменты?)
- Структура (легко ли читать?)
- Ценность (узнает ли читатель что-то новое?)
- Стиль (соответствует ли гайду?)
Дай оценку 1—10 и три конкретных улучшения.
После финальной правки пост попадает в BotFather (Telegram-бот) и публикуется в канал. Весь цикл занимает 20—30 минут ручной работы (выбор темы, финальная редактура) и 10—15 минут работы AI.
Что такое skill и почему это не скрипт
Skill — это именованный контекст. Не код, не функция, а набор инструкций и примеров, который AI использует для выполнения задачи.
Пример skill для отправки поста в Telegram:
Skill: post_to_telegram
Описание: Отправить текст поста в Telegram-канал через бота
Предусловия:
- Бот создан через BotFather
- Бот добавлен в канал как администратор
- Token бота сохранён в переменной окружения TELEGRAM_BOT_TOKEN
- ID канала известен (получить через @userinfobot)
Алгоритм:
1. Получить текст поста от пользователя
2. Проверить длину (макс 4096 символов для Telegram)
3. Отправить POST-запрос к Telegram API: sendMessage
4. Вернуть ссылку на опубликованный пост
5. Логировать успех/ошибку
Формат ответа:
"✅ Пост опубликован: [ссылка]" или "❌ Ошибка: [описание]"
Почему skill, а не скрипт? Скрипт — это жёсткая последовательность команд. Skill — это описание задачи, которое AI может адаптировать под контекст. Если изменится API Telegram, AI обновит реализацию сам.
В моей практике я использую skills для автоматизации рутинных задач в DeFi: проверка баланса на кошельках, мониторинг APY в протоколах, генерация отчётов. Один раз описываю задачу — потом просто вызываю skill по имени.
Метод Карпаты: как придумать концепцию за 15 минут
Андрей Карпатый (бывший директор AI в Tesla, сейчас в OpenAI) разработал технику для быстрой идеации с помощью AI. Серёжа Рис адаптировал её для vibe-coding.
Суть метода: AI задаёт три вопроса с тремя вариантами ответов. После каждого твоего выбора даёт комментарии от "экспертов" (на самом деле генерирует разные точки зрения). В конце предлагает концепцию и пять вариантов названия.
Промпт для метода Карпаты
Мне нужно придумать концепцию для [Telegram-канала / курса / продукта].
Задай мне три вопроса с тремя вариантами ответов каждый.
Задавай вопросы по одному.
После моего ответа давай короткие комментарии от трёх экспертов:
- Оптимист (почему это сработает)
- Скептик (какие риски)
- Практик (что конкретно делать)
После третьего вопроса — сформулируй концепцию проекта
и предложи пять вариантов названия с обоснованием.
Реальный пример из воркшопа (таймкод 25:00):
Вопрос 1: Какая твоя главная цель для канала?
A) Монетизация (платные подписки, консалтинг)
B) Репутация (стать экспертом в нише)
C) Эксперименты (площадка для тестирования идей)
Участник выбирает C. AI даёт три комментария:
- Оптимист: "Свобода экспериментов привлекает инноваторов"
- Скептик: "Без фокуса канал превратится в свалку"
- Практик: "Заведи рубрику 'Эксперимент недели' для структуры"
Вопрос 2: Какой формат контента?
A) Длинные гайды (2000+ слов)
B) Короткие инсайты (200—500 слов)
C) Микс (1—2 гайда в неделю + ежедневные заметки)
И так далее. Через 15 минут диалога получаешь концепцию с аргументацией и пять названий канала.
Я использую этот метод для проектирования курсов. Вместо многочасовых брейнштормов — 20 минут с Claude, и на выходе структура из 8 модулей с обоснованием каждого.
Агенты vs инструменты: когда AI получает автономность
Термин "агент" в AI-комьюнити размылся. Одни называют агентом любой скрипт с LLM, другие — только системы с автономным принятием решений. Серёжа Рис даёт чёткое определение:
Агент = автономность + цели + адаптивность
- Автономность: может выполнять задачи без постоянного контроля
- Цели: понимает конечный результат, а не только следующий шаг
- Адаптивность: меняет стратегию, если план не работает
Claude Code как агент с полными полномочиями
Claude Code (desktop-версия Claude) — первый массовый агент для разработки. Он может:
- Читать файлы на твоём компьютере
- Запускать команды в терминале
- Устанавливать пакеты
- Создавать файлы и папки
- Перезапускать процессы
Пример использования: "Создай Flask-приложение с API для парсинга новостей. Задеплой на Railway."
Claude Code:
- Создаёт структуру проекта
- Пишет код API
- Создаёт requirements.txt
- Генерирует Dockerfile
- Подключается к Railway через CLI
- Деплоит приложение
- Возвращает ссылку на работающий API
Всё это — без твоего участия. Ты просто соглашаешься на каждое действие (или включаешь автоматическое подтверждение для рутинных задач).
В моей практике я использую Claude Code для прототипирования DeFi-дашбордов. Например, недавно за 40 минут создал мониторинг APY для AAVE и Compound с автообновлением каждые 5 минут. Промпт был: "Создай веб-дашборд, который показывает текущий APY для USDC в AAVE и Compound. Обновление каждые 5 минут. Задеплой на Vercel."
Когда НЕ нужен агент
Агенты — это не волшебная палочка. Они хороши для прототипирования и автоматизации рутины, но плохо подходят для:
- Критичных задач: медицина, финансы, юридическая сфера. Агент может ошибиться, и эта ошибка может стоить денег или здоровья.
- Сложных архитектур: если проект требует десятков микросервисов и чёткой архитектуры, агент создаст месиво.
- Задач с высокой степенью неопределённости: "Придумай и ре
реализуй платформу, которая изменит индустрию"
Агент просто начнёт генерировать варианты в пустоту. Нужна предварительная стратегия.
- Проектов, требующих творчества: если нужно придумать дизайн или сценарий, агент даст вариант "по учебнику". Человеческое воображение всё ещё впереди.
Золотая середина: гибридный подход
На практике лучше всего работает комбинация:
- Ты определяешь архитектуру, стратегию и критические решения
- Агент пишет код, тестирует, деплоит и итерирует
- Ты проверяешь результат и даёшь фидбэк
Это экономит 60—70% времени разработки, но оставляет тебе контроль над качеством.
Пример из моей работы: создаю портфель-трекер для крипто-активов.
- Я определяю: какие блокчейны включить, какой UI, какую аналитику показывать
- Claude Code: пишет бэкенд, интегрирует API, настраивает БД
- Я: проверяю логику расчётов, добавляю моменты, которые агент не учёл
Результат: MVP за неделю вместо месяца.
Итог: агенты уже здесь
AI-агенты — это не будущее, это уже настоящее. Claude, ChatGPT с Code Interpreter, Cursor IDE, Replit Agent — все они автономно решают задачи.
Две главные идеи:
- Агенты хороши для экспериментов, прототипирования и рутины
- Люди остаются незаменимы в стратегии, контроле качества и творчестве
Если ты разработчик — начни с Claude Code прямо сейчас. Если ты создатель контента — используй промпты типа метода Карпаты для структурирования проектов. Если ты основатель — подумай, какие процессы в твоей компании можно автоматизировать через агентов.
Агенты не заменят профессионалов. Они превратят профессионалов в суперпрофессионалов.
Подписывайся на канал https://t.me/serg_defi — разбираю такие темы каждую неделю.