Гайд: Как структурировать разработку с LLM, чтобы даже сложные задачи были управляемыми
🔍 Проблема
Без четкого процесса LLM теряет контекст, делает хаотичные изменения, нарушает архитектуру и оставляет недоделки.
✅ Решение:
Жесткий workflow Todolist + DDD + TDD + Coverage + Git, разбитый на атомарные этапы.
📌 Пошаговая схема:
- Декомпозиция (Todolist + DDD)
- Четко фиксируем в Todolist:
- Сущности, агрегаты, value-объекты (DDD-модель)
- Связи между ними (ассоциации, агрегация)
- Интерфейсы репозиториев, сервисов, клиентов
пример
[ ] UserAggregate: id, name, email
[ ] UserRepositoryInterface: save(), findById()
[ ] AuthService: login(), logout()
2. Декомпозиция (Todolist + DDD)
- Пишем интерфейсы (не имплементацию!)
- Фиксируем их в Git (interfaces/)
пример
typescript
interface UserRepository {
save(user: User): Promise<void>;
findById(id: string): Promise<User | null>;
} 3. TDD: Тесты на моках
Пишем юнит-тесты, используя моки интерфейсов.
Coverage с первого дня: 70%+ на этом этапе.
Пишем юнит-тесты, используя моки интерфейсов.
Coverage с первого дня: 70%+ на этом этапе.
4. Итеративная имплементация
По одному пункту из Todolist:
1. Выбираем задачу (напр., [ ] UserRepository: PostgreSQL impl).
2. Пишем только нужный код, чтобы пройти тесты.
3. Запускаем тесты + проверяем coverage.
4. Фиксим, если сломалось.
5. Закрываем пункт в Todolist, коммитим.
По одному пункту из Todolist:
1. Выбираем задачу (напр., [ ] UserRepository: PostgreSQL impl).
2. Пишем только нужный код, чтобы пройти тесты.
3. Запускаем тесты + проверяем coverage.
4. Фиксим, если сломалось.
5. Закрываем пункт в Todolist, коммитим.
5. Контроль качества
- Перед каждым коммитом:
пример
bash
npm test && coverage --min 80%
- - Если coverage падает – дописываем тесты.
- - Фиксим только одну задачу за раз (no multitasking).
💡 Ключевой принцип:
LLM не пишет код "в свободном полете" – она получает:
- Четкий Todolist (что делать).
- Интерфейсы (как должно работать).
- Тесты (критерии корректности).
📌 Пример промпта для LLM:
> "У нас есть интерфейс UserRepository и тест should save user to DB. Coverage сейчас 75%. Реализуй PostgresUserRepository для закрытия пункта Todolist. Код должен проходить все тесты. Предложи фиксы, если coverage упадет."
🔥 Итог:
Такой подход превращает LLM в предсказуемого "инженера", а не в генератор случайного кода.
Сгенерировано GigaChat
ИИ-революция в разработке ПО: как искусственный интеллект переписывает правила
От автоматизации к автономности: эволюция AI-разработки
AI-разработка: полное руководство по использованию ИИ в создании программного обеспечения
Как работают AI-генераторы кода, сравнение лучших решений 2025 года и конкретные примеры ускорения разработки.
AI-Coding: Как ИИ Изменяет Разработку ПО в 2025 Году
Как работают AI-генераторы кода, сравнение лучших решений 2025 года и конкретные примеры ускорения разработки.
Лучшие AI-инструменты для разработки в 2025 году
ТОП-10 решений для вайб-кодинга
Вайб-кодинг словарь
Полный словарь веб-разработки и ИИ-кодинга: все термины, которые нужно знать в 2025 году
AI Code Generator: как нейросети ускоряют написание кода в 2025 году
Как работают AI-генераторы кода, сравнение лучших решений 2025 года и конкретные примеры ускорения разработки.
