От промптов к агентам: как инженер Doubletapp переформатировал подход к AI

Андрей Жаров, iOS-разработчик из компании Doubletapp, поделился опытом эволюции, который отражает путь всей индустрии. Сначала — простые волшебные промпты типа "make no mistakes" и "write if you need more context", которые почти магически вытягивали рабочий код из ChatGPT. Потом — фаза агентской эйфории, когда казалось, что можно автоматизировать вообще всё. Но в итоге он пришёл к выводу: нужен совсем другой подход. Не столько искусство писать идеальные промпты, сколько инженерия построения надёжной AI-инфраструктуры.

От магии к системности Первый период — эпоха вайбкодинга.

Открыл ChatGPT, написал задачу, получил куски кода, собрал в приложение. Если повезло, сработало. Включишь Deep Thinking — результат стабильнее. Казалось, нашли волшебную палочку. Но реальность была жестче. Результаты оказались нестабильны. Промпты растут в размере, но надёжность падает. Одна и та же задача в разные дни решается по-разному. Нужен был совсем другой подход — не просить у модели код, а систематизировать, как мы с ней взаимодействуем. Индустрия эволюционировала. От простого чата переходили к локальным агентам, потом осознали важность оркестрации, а не просто цепочки вызовов. И в какой-то момент все дружно поняли: мы не должны писать код в ChatGPT. Вместо этого мы должны писать промпты, которые пишут правильные промпты. И формировать инфраструктуру, которая работает с этими промптами надёжно.

Context Engineering как фундамент Ключевой момент — контекстная инженерия.

Это не просто "дай контекст побольше, и модель поймёт". Это систематичное построение архитектуры того, какую информацию и в каком порядке видит модель, какие инструменты ей доступны, как они связаны между собой. Важные элементы: Правильная подготовка контекста — это половина успеха агента Инструментарий должен быть предсказуем и безопасен для модели Обработка ошибок и откат должны быть как в обычном коде Тестирование и мониторинг — не опция, а требование * Версионирование промптов и конфигов, как в Git Это уже не искусство написания супер-промпта. Это инженерия.

Оркестрация вместо волшебства Потом идёт оркестрация.

Не один большой агент, который делает всё сразу. А система, где каждый компонент отвечает за одну часть. Один парсит контекст, другой работает с логикой, третий валидирует результат. Это похоже на обычную архитектуру приложения, но применённую к AI-системам. И вот здесь появляется интересный парадокс: вы начинаете беспокоиться о prompt-injection не как об экзотической уязвимости, а как о часть вашей безопасности, как когда-то об SQL-injection. Нужны guardrails, валидация входных данных, чистота интерфейсов между компонентами — все как в обычной разработке. Потом идёт meta-prompting — когда сама модель помогает вам генерировать и оптимизировать промпты. Но это уже не волшебство, а инструмент.

Что это значит

Разработчики переходят на новый уровень: от "напроси код в ChatGPT" к "построй систему, которая умеет работать с AI надёжно". AI-разработка становится более предсказуемой, масштабируемой и инженерно грамотной. Как и обычная разработка, но с новыми вызовами.