😵‍💫Опыт использования Codex: честный разбор

Я каждый день вайбкожу и постоянно тестирую новые модели. Сейчас, например, работаю через GPT-5.6 Sol Medium, до этого почти полностью сидел на Claude Code и Antigravity.

И у всех моделей вижу один и тот же цикл: одна сессия пишет функциональность, следующая исправляет предыдущую.

Проекты развиваются быстрее, но иногда до 80% токенов уходит на баги, переработку логики и проверку кода. Причём часть этих ошибок при ручной разработке я бы не допустил.

Исследование Entelligence AI на данных более 2400 компаний показывает похожую картину: 44% расходов на AI-токены уходит на исправление багов, ещё 27% — на переписывание кода.

Получается парадокс: кажется, что AI уже написал код за нас, но на практике написал так, что постоянно исправляет этот код.

Поэтому сильной модели уже недостаточно. Нужно собирать собственный харнесс: писать PRD до начала разработки, разбивать задачи на контролируемые этапы, автоматизировать циклы тестирования и review, фиксировать архитектурные правила и использовать скиллы только под конкретные сценарии. Недавно я удалил из репозитория проекта более 200 скиллов и оставил только 29 с умной маршрутизацией. Результат оказался ожидаемым: меньше шума, точнее контекст и понятнее поведение агентов.

👎Мой вывод: AI-разработку ускоряет не количество моделей, агентов и скиллов, а качество системы вокруг них.