Обучение как инженер (AI Edition)
AI-инструменты (ChatGPT, Claude, Copilot) радикально меняют процесс обучения. Но есть правильные и неправильные способы их использования. Разница определяет, научитесь ли вы чему-то или просто получите готовый ответ.
DO: правильное использование AI
AI как репетитор (Tutor)
ХОРОШО: "Объясни мне, как работает CORS. Я понимаю, что
браузер блокирует запросы, но не понимаю, зачем нужен
preflight OPTIONS запрос."
ХОРОШО: "Я настроил CORS на API Gateway, но всё ещё получаю
ошибку. Вот мой конфиг: [конфиг]. Что не так?"
Как репетитор, AI объясняет концепции на вашем уровне, отвечает на "почему?" и помогает разобраться в ошибках.
AI как объяснитель (Explainer)
ХОРОШО: "Я прочитал документацию DynamoDB, но не понимаю
разницу между Partition Key и Sort Key. Объясни на примере
с таблицей заказов."
ХОРОШО: "Вот мой CloudFormation template. Объясни каждый
ресурс и для чего он нужен."
Как объяснитель, AI переводит сложную документацию на понятный язык.
AI как rubber duck (резиновая уточка)
ХОРОШО: "Я пытаюсь решить проблему: мой Lambda cold start
занимает 3 секунды. Я думаю, проблема в том, что я
инициализирую boto3 внутри handler. Имеет ли это смысл?"
Как rubber duck, AI слушает вашу мысль и помогает её проверить. Часто, формулируя проблему, вы сами находите ответ.
AI для генерации тестовых данных
ХОРОШО: "Сгенерируй 10 тестовых событий API Gateway для
моей Lambda-функции. Включи разные HTTP-методы и path."
AI для ревью кода
ХОРОШО: "Вот мой Lambda handler. Найди потенциальные
проблемы с безопасностью и производительностью."
DON'T: неправильное использование AI
AI как wishing well (колодец желаний)
ПЛОХО: "Напиши мне Lambda-функцию для CRC с DynamoDB."
Вы получите рабочий код, но ничего не узнаете. Через неделю не сможете объяснить, как он работает. На собеседовании не ответите на вопросы о своём "проекте".
AI без понимания: commit without understanding
ПЛОХО: AI написал CloudFormation → скопировал → задеплоил → работает!
Проблема: вы не понимаете, что развернули. Когда что-то сломается (а оно сломается), вы не сможете починить. На собеседовании не объясните архитектуру.
AI без тестов: generate without tests
ПЛОХО: AI написал код → скопировал → не тестировал → задеплоил
AI-код часто содержит subtle bugs: неправильные типы, race conditions, hardcoded values. Без тестов вы не узнаете о проблемах до production.
Правила использования AI в CRC
Правило 30 минут
Перед тем как спросить AI, потратьте минимум 30 минут на самостоятельный поиск решения:
- Прочитайте документацию
- Попробуйте разные подходы
- Прочитайте ошибку внимательно
- Загуглите ошибку
- Только после 30 минут -- спросите AI
Правило понимания
После получения ответа от AI, убедитесь, что вы можете:
- Объяснить каждую строку кода
- Объяснить, почему это решение, а не другое
- Изменить код для другого use case
- Написать тест для этого кода
- Объяснить на собеседовании
Если хотя бы один пункт -- "нет", вы не готовы использовать этот код.
Правило атрибуции
Если AI написал значительную часть кода, будьте честны:
- В блог-посте: "Я использовал Claude для отладки CORS-проблемы"
- На собеседовании: если спросят "вы написали это сами?" -- будьте честны
AI-инструменты для CRC
| Инструмент | Лучший для | Стоимость |
|---|---|---|
| Claude | Объяснения, ревью кода, architecture discussions | Бесплатно / Pro |
| ChatGPT | Генерация кода, объяснения | Бесплатно / Plus |
| GitHub Copilot | Autocomplete в IDE | $10/мес (бесплатно для студентов) |
| AWS Q Developer | AWS-специфичные вопросы | Бесплатно в AWS Console |
| Google Cloud AI | GCP-специфичные вопросы | Бесплатно в GCP Console |
Баланс: AI + самостоятельность
Идеальный процесс CRC:
1. Прочитать документацию самостоятельно
2. Попробовать реализовать самостоятельно
3. Застрять → потратить 30 минут на отладку
4. Спросить AI: "Я попробовал X, получил ошибку Y, почему?"
5. Понять объяснение AI
6. Исправить самостоятельно
7. Написать тест
8. Объяснить решение в блог-посте