Disciplined AI: Как заставить нейросети писать качественный код

Вы когда-нибудь замечали, как ИИ-ассистенты вроде ChatGPT сначала выдают вроде бы рабочий код, а потом оказывается, что он:

Содержит дублирующиеся функции
Нарушает архитектурные принципы
Теряет контекст между сессиями
Разрастается до нечитаемых монолитов?

Автор репозитория Disciplined AI Software Development Jay Baleine столкнулся с теми же проблемами — и создал методику, которая превращает хаотичное взаимодействие с ИИ в структурированный процесс разработки.

Что это за методология?

По сути, это набор правил и инструментов для:

Контроля поведения ИИ через персонализированные инструкции
Планирования перед написанием кода
Жёстких ограничений (например, не больше 150 строк в файле)
Непрерывной валидации архитектуры

«Планирование экономит время на отладку. Тщательное планирование заранее обычно предотвращает дни исправления архитектурных проблем позже» — объясняет автор.

4 ключевых принципа

1. Персонализация ИИ

Вместо общих запросов вроде «Напиши мне бота для Discord» методология предлагает:

Загружать XML-конфиг с предпочтениями (AI-PREFERENCES.XML)
Выбирать «персону» для ИИ из готовых вариантов:
- Гид — следит за соблюдением методологии
- Технический писатель — специалист по документации
- Учёный — перфекционист по качеству кода
- Визуализатор — эксперт по диаграммам

# Активация персонажа
Simulate Persona

2. Планирование через XML

Методология использует специальный XML-шаблон для структурированного планирования:

Определение scope проекта
Выделение компонентов
Разбивка на фазы
Создание измеримых чекпоинтов

3. Жёсткие ограничения

150 строк на файл — меньше контекста для ИИ = меньше ошибок
Одна функциональность за запрос
Непрерывный аудит архитектуры

4. Data-driven разработка

Сначала создаётся система бенчмаркинга, затем все изменения проверяются на:

Производительность
Соответствие архитектуре
Отсутствие дублирования
Границы зависимостей

Примеры из практики

Автор приводит три реальных проекта, созданных по этой методологии:

Шаблон Discord-бота — 46 файлов, каждый ≤150 строк
Языковая среда PhiCode — 70+ модулей с сохранением дисциплины
Система CI/CD PhiPipe — Go-сервис для обнаружения регрессий

Как начать использовать?

Клонируйте репозиторий
Настройте ИИ с помощью предоставленных конфигов
Выберите персонажа
Планируйте через METHODOLOGY.XML
Разрабатывайте последовательно, по 150 строк за раз

В комплекте идёт скрипт для анализа проекта, который проверяет:

Количество строк (⚠️ предупреждает при 140-150, ‼️ при превышении)
Дубли кода
Архитектурные нарушения

python scripts/project_extract.py

Кому подойдёт?

Разработчикам, уставшим от «хаотичного» ИИ
Командам, которые хотят внедрить ИИ в процесс
Тем, кто ценит чистую архитектуру

«Если вы несерьёзно относитесь к проектам, ненавидите ИИ, не любите планирование или пишете только простые скрипты — эта методология не для вас» — предупреждает автор.

Личный опыт

В FAQ Бейлайн признаётся, что потратил 6700+ часов на взаимодействие с ИИ, прежде чем пришёл к этой системе. Теперь он физически не может работать без своих ограничений — настолько они улучшили качество кода.

Disciplined AI — это не серебряная пуля, а жёсткая методология для тех, кто хочет получать от ИИ не «рабочий, но грязный» код, а чистые, поддерживаемые решения. Если вы готовы к дисциплине — попробуйте. Первые результаты удивят.