codex (claude code и прочие) - полная жесть 💀, можно ненапрягаясь сделать за пару суток работу которая раньше могла занять недели и месяцы.
Например:
1) взял популярный проект который строит текстуру по фотографиям mvs-texturing
2) поспрашивал codex как сейчас устроен алгоритм идейно
3) хорошо по шагам (полэкрана-экран текста) описал алгоритм который хочу добавить - по сути хорошее техническое задание для человека:
- знающего ZNCC/SAD/SSD метрики похожести окрестностей
- знающего что мин. фильтр берет минимум в окрестности
- знающего что чтобы одну фотографию репроецировать в ракурс другой камеры - достаточно знать как камеры взаимно находятся в пространстве и какая геометрия перед ними
4) дал папку с датасетом достаточно понятного и популярного формата (она сама разобралась как на нем запускаться и тестироваться)
5) получил новый вариант алгоритма который улучшает результат как на приложенной картинке
По сути если раньше хороший программист для эффективности должен был уметь и практиковать на хорошем уровне:
1) формулирование технического задания (что мы делаем?)
2) формулирование предполагаемого пути решения (как мы делаем?)
3) сделать удобное окружение чтобы в целом можно было эффективно проверить - а хороший ли результат получился?
4) сделать удобное окружение позволяющее на каждом этапе понять - а хороший ли результат на каждом этапе? (принципиальное отличие от предыдущего пункта, т.к. если этапы обработки сложные а промежуточные результаты никто не видел - значит они либо плохие, либо как минимум могли бы быть лучше (СУБОПТИМАЛЬНЫЕ) - поэтому нужны промежуточные визуализации или числа)
Теперь благодаря навыкам (1) и (2) нейросеть оказывается в замкнутом цикле в котором через некоторое время решит задачу (т.к. если разработчик знал как решить задачу - то этой постановки задачи и плана решения достаточно).
(3) и (4) - это подсказки нейросети как делать это эффективно, по сути нужно просто ей сказать что такие то этапы нужно визуализировать картинками на диске чтобы я смог взглянуть и проверить все ли хорошо. В результате на код смотреть не необходимо - можно проверить каждый промежуточный результат, если что-то не нравится - сформулировать какой набор новых экспериментов нужно провести и вернувшись просто взглянуть на все визуализации чтобы легко принять решение.
То есть навыки (3) и (4) больше не нужно применять, достаточно о них думать, как и о документировании, о CI, о том что прежде чем ускорять код его нужно отпрофилировать. И сказав об этом нейросети - все это больше выглядит как "задача обречена на решение".
Я сидел на gpt-5.4 medium reasoning, выше почти не переключался, некоторое время посидел с gpt-5.4 high, но не заметил разницы - просто токены чуть быстрее жглись.
Если делать два три таких проекта в параллель то по сути оно превращается в идеальную асинхронную машину по выполнению желаний, сделай то, визуализируй так, скажи где картинки на диске от такого то эксперимента чтобы я принял решение, отпрофилируй этот код и расскажи мне какие основные места тормозят, etc...
Я уж молчу про "ой, CI перестал собираться, поправь пожалуйста (и просто ждете когда поправит, потому что это идеальный пример замкнутого фидбек цикла где не нужно вмешательство)"