Gemini vs Claude?

В догонку к вчерашнему посту. Курсор обновили ценовую политику и использовать Claude 3.7 стало не так выгодно, пришлось пересесть на Gemini 2.5 и каково же было мое удивление, когда я увидел, насколько умна эта модель.

Она долго думает, но в 7/10 случаев решает задачу правильно. Если почитать логи ее внутренних рассуждений, вы удивитесь, это выглядит как ход мысли очень умного человека. Там четкая структура: понять задачу -> собрать входные данные -> придумать план -> реализовать.

Слабое место Gemini, да и любой другой, наверное, нейронки в IDE, это замкнутость на коде и терминале. TypeScript это все же не панацея (почему JS/TS экосистема это плохо спроектированная система я уже писал тут) и он не отлавливает множество ошибок, приходится открывать браузер и смотреть в консоль. Gemini молодец в том смысле, что понимает это и прям просит это сделать, а потом придти к нему с логами. Короче, если бы ИИ курсор мог автономно контролировать браузер, это был бы next-level.

Минусы

Я не говорю что Gemini > Claude при любых раскладах, я лишь говорю что в курсоре и для кодинга это оказалось так. Также добавлю что claude/gpt быстрее и не для всех задач нужно так долго ждать.

А еще был один случай, надо было просто переименовать пачку файлов в репе, так вот Gemini погрузился в глубокие рассуждения о природе бытия, высрал гигантский страшный скрипт на питоне который не завелся с первого раза и начал его чинить. Мне это надоело и я попросил gpt4.1 сделать задачу, он просто взял и сделал.

Вердикт

Для простых задач claude/gpt, для сложных gemini. Пока такие ощущения. Да, есть еще думающие модели типа o3, но они и стоят (в курсоре) дороже.

P.S. - Правда не хочется превращаться в "дневники инди-разработчика", но за одни выходные было столько инсайтов, что не поделиться ими просто преступление. Самый главный - геймдев это один сплошной трюк, чтобы у игрока возникла иллюзия чего-то настоящего. Как-нибудь расскажу подробнее про самые простые фокусы, необходимые, чтобы игрок поверил в происходящее.

Как сделать сложный рефакторинг с LLM?

Речь пойдет не о ChatGPT/Claude/Deepseek чатах, а об IDE со встроенным AI agent. То есть Cursor, JetBrains Junie, Windsurf, Github Copilot и иже с ними.

Недавно я навайбкодил целую 3D игру с видом от первого лица. Я называю это вайбкодингом, потому что я не читал и не пытался понять код, и даже когда возникала проблема, я просил ИИ починить ее. Вайб-дебаггинг это очень неприятное занятие, должен подметить. Vibe-coding is good until it ain't.

Так вот, в игре в итоге можно бегать, прыгать, приседать, там есть здоровье и стамина, враг и урон, и т.д. Все это реально работало без грамма моего понимания. Но чем дальше мы шли, тем чаще ИИ начинал тупить. Потому что кодовая база превращалась в вонючую помойку. Настал момент когда стало ясно, надо навести порядок. Но как это сделать, если сам не понимаешь, что происходит?

И тут на сцену выходит вайб-рефакторинг. Мы просим ИИ навести порядок. Но нельзя просто так взять и попросить, ИИ не справится - контекстное окно треснет. Вы просто будете раз за разом видеть сломанный код, и агент тем временем будет жадно лопать ваши токены.

Вы действительно правы, код не работает. Мне очень жаль! Хотите провернем 142-ую итерацию? На этот раз все получится!

Итак, как правильно рефакторить кодовую базу с ИИ-агентом в IDE:

1️⃣ Берем думающую модель, например, Gemini Pro 2.5

2️⃣ Указываем нужные файлы и просим составить план для рефакторинга. На выходе просим "ready to copy paste markdown code that I can insert into a LLM chat".

3️⃣ Просим составить промпт таким образом, чтобы он был четко разбит на отдельные шаги, и чтобы там было четко прописано, что агент должен выполнять по одному шагу за раз, всегда останавливаясь после этого и ожидая подтверждения от пользователя, ибо только так мы сможем проверить работоспособность нашего кода и, если все хорошо, сделать коммит

4️⃣ Просим НИКОГДА не делать изменений, без которых можно обойтись: переименования сущностей, модификация импортов, какие-либо стилистические изменения и форматирования. Ничего из этого нельзя трогать, если это не абсолютно обходимо для рефакторинга (декомпозиции и перераспределения ответственностей между сущностями)

5️⃣ Каждый шаг должен быть пронумерован, первый шаг должен быть помечен как текущий. После каждого шага мы будем просить обновить план, пометить новый шаг как текущий, а предыдущие как выполненные.

Что делать, если агент все таки застрял?

Не смотря на подробный план, иногда отдельные пункты все еще могут быть слишком сложны для агента. В этом случае надо взять промпт, открыть чат и попросить переписать его так, чтобы проблемный пункт был разбит на под-пункты.

Грустим от закрытия Arc браузера, поглядываем на альтернативы.

Opera пилят что-то агентское, пробовал кто?

Мне от арка, на самом деле, нужны не ИИ функции (хотя от хорошей агентности я бы не отказался, чтобы браузер сам за меня заполнял формы, искал билеты и отели и проч.), а именно интерфейс: workspaces с отдельными учетками, авто архивация вкладок по таймеру, адресная/поисковая строка через cmd+t, отсутствие визуального шума (сайт на весь экран без элементов интерфейса). Ну и хотелось бы чтобы это был хромиум based.

Короче, the browser company прям перевернули игру и задали тренд, их эстафету точно подхватят. Пока не пересаживаюсь, наблюдаю.

В Zed добавили Дебаггер

Только что заметил, что в Zed, кажется, наконец-то добавили дебаггер, это была основная причина, почему я не стал на него переезжать с VSCode, а потом в моей жизни появился Cursor

Ребята делают упор на скорость (пол года назад разница с VSCode действительно ощущалась, но для меня не была критичной) и ИИ. По последнему ничего сказать не могу, но не будь у меня платной подписки на курсор, я бы попробовал.