Ниже — текстовая версия доклада, представленного на конференции AI Engineer в июле 2026 года; он же был опубликован в виде треда в X.
Тезис: понимать код, который пишут наши агенты, всё ещё важно!
Дальше объясняется, почему это так, и приводятся несколько идей о том, как эффективно понимать код агентов.
Агенты пишут за нас всё больше кода, и угнаться за этим потоком становится сложнее.
Хорошая новость: способов понимать код много. Построчное чтение диффов — далеко не единственный из них.
Речь пойдёт о техниках, которые помогают понимать системы, создаваемые агентами:
- Документы-объяснения кода
- Квизы для проверки понимания
- Микро-миры, с которыми можно взаимодействовать, чтобы понять систему
Но сначала нужно задать более базовый вопрос…
Зачем понимать?
Зачем? Зачем вообще понимать?
Разве не предполагается, что теперь люди выходят из цикла, позволяя агентам замыкать его самостоятельно? Чем умнее становятся агенты, тем меньше, казалось бы, нужно вникать в детали?
Многие — даже сторонники идеи понимания — отвечают на этот вопрос немного неточно.
Один из возможных ответов: понимание нужно для проверки. Проверяется работа агента, оценивается её корректность.
«Корректность» может означать многое: соответствие спецификации, качество архитектуры… но по сути это вопрос из категории «да/нет».
Дело в том, что агенты становятся всё лучше в самопроверке. И это хорошо: приятно, когда агент не допускает ошибок.
Но тогда возникает вопрос: какое место в этой картине остаётся людям?
Здесь появляется другой ответ: понимать нужно, чтобы участвовать.
Разобравшись в том, что делает агент, можно оставаться активным участником творческого процесса. Вот почему это важно…
Это никогда не один цикл — проект состоит из множества итераций совместной работы с агентом.
Понимание системы — часть способности придумать следующий шаг для её развития.
Нужен богатый набор концепций в голове, чтобы творчески и свободно размышлять о том, как продвигать проект дальше. Без такой свободы способность участвовать в проекте заметно ограничена.
Кстати, это тесно связано с идеей когнитивного долга, которую популяризировали Маргарет Стори и Саймон Уиллисон.
Это похоже на технический долг: можно какое-то время не разбираться в происходящем, но рано или поздно это аукнется.
Хорошо, понимание важно.
Но возникает следующий вопрос: как? Как выстраивать это человеческое понимание, работая с ИИ на высокой скорости?
Оказывается, вопрос о том, как передавать понимание, задают не впервые. Вдохновение можно найти в сфере образования — почему бы не позаимствовать лучшие идеи, придуманные для обучения людей, и не применить их к этой задаче?
Техника 1: Объяснения
Далее — три техники, показывающие, как можно к этому подступиться.
Первая: объяснения. Что делает объяснение хорошим?
Каждый раз, когда агент завершает работу, — это шанс на объяснение, артефакт.
Самый простой вариант — прочитать дифф кода, то есть сырой материал изменений.
Но что, если задать вопрос иначе:
каким было бы лучшее возможное объяснение? Если бы команда — человеческая или ИИ — по-настоящему постаралась объяснить что-то максимально хорошо, как бы это выглядело?
Вот один из вариантов ответа — навык под названием /explain-diff, которым Джеффри Литт пользуется каждый день, и многие коллеги нашли его полезным.
Он выдаёт продуманно структурированные объяснения кода в форматах HTML, markdown или в виде документа Notion. Notion удобен для совместного обсуждения таких объяснений командой (здесь стоит уточнить: автор работает в Notion, так что не без предвзятости).
Посмотрим, что внутри одного из таких объяснений, на примере правки перспективы в видеоигре.
Первый принцип: дать фоновую информацию!
Прежде чем говорить о том, что изменилось, стоит объяснить, что уже было. В данном случае — рассказать об игровом движке.
Второй принцип: сначала интуиция, потом детали.
Прежде чем показать код, объяснение формулирует цель — «сделать сад трёхмерным с помощью приёмов 2D-рисования» — и раскрывает связанные концепции, например, что такое изометрическая проекция.
Всё это выстраивает интуитивное понимание сути изменения — человек «догоняет» происходящее и становится равноправным участником понимания.
Интуицию можно строить и с помощью интерактивных иллюстраций.
В данном случае изометрическая перспектива изучается перетаскиванием камней по саду с наблюдением за изменением их координат.
(Используется новая функция Notion: теперь внутри страниц можно встраивать интерактивный HTML.)
Наконец добираемся до самого кода. Но типичный дифф — это куча файлов, отредактированных в алфавитном порядке, без каких-либо пояснений.
«Литературный дифф» — так это называется здесь — структурирован как проза: изменения идут в логичном порядке, с сопроводительными пояснениями и встроенными фрагментами кода. Такое читается гораздо быстрее, чем сырой дифф.
В итоге получается аккуратный пакет объяснений. Дифф кода после этого всё равно читается, но сначала — именно этот документ.
Иногда его распечатывают и берут с собой в кафе — так меньше отвлекаешься.
Забавная ирония: ИИ превращает интерактивную задачу в статичный бумажный отчёт, на котором можно сосредоточиться по-настоящему.
Есть только одна проблема: читать — тяжёлый труд 😅
Как говорит Энди Матушак: «книги не работают»! Слишком легко обмануть себя, решив, что прочитал и понял, хотя на деле ничего не отложилось.
Как это исправить? Вдохновением послужила работа Энди и Майкла Нильсена о встраивании квизов с интервальным повторением в эссе.
Похожий подход теперь применяется и к объяснениям кода. В конце каждого документа — интерактивный квиз из пяти вопросов об изменении, на которые нужно ответить.
Правило простое: код не отправляется коллегам, пока квиз не пройден, и то же правило действует при ревью чужого кода.
Квиз — это регулятор скорости. При работе с ИИ цикл легко может двигаться быстрее, чем успевает человеческое понимание.
Квиз — уравновешивающая сила: механический вопрос «а действительно ли я понимаю?» помогает оставаться полноценным творческим участником процесса.
На этом с explain-diff всё. Сам навык доступен по ссылке: есть два варианта — с выводом в HTML или в виде страницы Notion.
Техника 2: Микро-миры
Следующая идея: микро-миры. Она вдохновлена работами педагога-визионера Сеймура Паперта.
Паперт предложил красивую идею — жить в Mathland: если хочешь изучить математику, живи в «математической стране», точно так же, как для изучения французского едут жить во Францию. Можно ли построить среду, в которой дети естественным образом учатся математике из собственного любопытства?
Как это применить к коду? Можно ли создавать миры, в которых человек живёт и естественно интуитивно понимает, как устроена система и как она меняется?
Год назад разработчик писал интерпретатор Prolog и с трудом улавливал, что происходит внутри.
Совместно с агентом был построен отладчик, позволяющий пошагово проходить выполнение логического языка — перематывать время, видеть содержимое стека и то, какие правила применяются на каждом шаге. Можно было даже оставлять себе комментарии («отлично, правило применено верно»).
Есть большая разница между инструментом для отладки лично мной и передачей отладки агенту — самостоятельная работа с инструментом и формирует понимание по ходу дела.
Ещё один пример: миграция личного сайта с одного фреймворка на другой, для которой Claude написал скрипт. Но проверить такой скрипт оказалось трудно — новый фреймворк был незнаком, и всё, что можно было сказать: «вроде бы похоже на правду».
Тогда у Claude была запрошена своего рода видеоигра — командный центр, где перенос выполняется самостоятельно, шаг за шагом, с наблюдением за видимыми эффектами и эволюцией дерева файлов. В результате получился интерфейс с кнопками для пошагового запуска миграции, где старый и новый сайт работали параллельно, бок о бок.
В этом «командном центре» новый сайт оживал постепенно, шаг за шагом. Итоговое понимание получилось сопоставимым с ручным переносом — но гораздо быстрее, потому что весь процесс был разложен по полочкам.
Суть в том, что агенты способны писать небольшие фрагменты кода, которые помогают людям понимать другой код.
Это важное наблюдение.
Техника 3: Общие пространства
Последняя техника: общие пространства. До сих пор речь шла об индивидуальном понимании… но при работе в команде понимание нужно строить сообща.
Когда два человека держат в голове одну и ту же ментальную модель, общение становится эффективным. Общий словарь вызывает одни и те же образы, что позволяет свободно обсуждать идеи и вести творческий разговор. Без такой общей структуры подобные разговоры даются гораздо труднее.
Идея создания общих пространств, в которых команды выстраивают такое понимание сообща, вызывает большой энтузиазм — собственно, во многом на этом и построен Notion.
В последнее время в Notion появляется множество новых функций для совместной работы людей и агентов, чтобы вся команда формировала общее понимание, а не работала разрозненно, каждый в своём «силосе».
Один небольшой пример: теперь агентов Claude и Cursor можно запускать прямо в Notion. Значительная часть кодирования теперь происходит именно так.
Когда такие агенты составляют технический план в Notion, он по умолчанию оказывается на совместной странице — можно тут же прокомментировать его вместе с командой и обсудить. Мышление сообща, а не в одиночку!
Смысл всегда был в усилении, а не в автоматизации
Подведём итог. Рассмотренные техники касались понимания кода… но на самом деле проблема гораздо шире.
Людям по-прежнему важно понимать, как устроены вещи, в целом! Не только чтобы проверять, но и чтобы участвовать.
И, что неудивительно, идея эта не нова — она восходит к самым истокам computer science…
50 лет назад Алан Кей представлял, что компьютеры могут стать новым медиумом — лучше книги — для обучения людей, особенно детей, тому, как размышлять об устройстве мира.
На фотографии может показаться, что эти дети смотрят YouTube на iPad, но на самом деле нет. Они играют в интерактивную игру и одновременно редактируют её код, чтобы лучше понять физику. И это было 50 лет назад!
Теперь, возможно, станет понятнее этот мем.
Смысл всегда был в том, чтобы усиливать человека, а не просто автоматизировать за него.
Прекрасно, что ИИ делает создание симуляций настолько доступным… Возможность учиться с помощью ИИ — одна из самых больших возможностей, которые когда-либо открывали вычислительные технологии.
Это внушает большой оптимизм по поводу будущего.
При наличии правильных инструментов можно понимать мир лучше, чем когда-либо прежде. Необязательно просто выходить из цикла — можно погружаться в него глубже. Выбор за нами.
КОНЕЦ
По теме
Тем, кому понравился этот материал, могут быть интересны и другие тексты о взаимодействии человека и ИИ:
- Хватит копилотов от ИИ! Нужны HUD-интерфейсы — «тем, кто всерьёз проектирует под ИИ, стоит рассмотреть формы не-копилотного типа, которые напрямую расширяют человеческое мышление...»
- Инструменты, созданные ИИ, могут сделать программирование интереснее — «вместо этого ИИ использовался для создания собственного интерфейса отладчика… что сделало написание кода собственными руками более увлекательным...»
- Программировать как хирург — «выявлять и делегировать второстепенную рутинную работу, чтобы сосредоточиться на главном.»