Что такое вайб-кодинг и почему о нём все говорят

Последние пару лет в сообществе программистов периодические появляются мысли о том, что совсем скоро код будут писать нейросети, а профессия разработчика вовсе исчезнет. Якобы компаниям будут нужны только менеджеры проектов, чтобы руководить отделом ИИ-агентов.

Звучит страшно, но среди паникующих технарей начали появляться разработчики, которые уже сейчас практически не пишут код сами. Они поручают нейросетям выполнять рабочие задачи, исправлять ошибки в коде и даже создают с их помощью полноценные проекты. Эти программисты называют себя вайб-кодерами и верят, что будущее за союзом человека с нейросетью.

В этой статье рассказываем всё про вайб-кодинг: что это такое, кто его придумал и как стать вайб-кодером. А ещё пробуем создать телеграм-бота, не написав ни строчки кода.

Содержание

• Что такое вайб-кодинг
• Инструменты для вайб-кодинга
• Какую языковую модель выбрать
• Вайб-кодинг в действии: создаём сервис X
• Плюсы и минусы вайб-кодинга
• Советы вайб-кодеру

Что такое вайб-кодинг

Вайб-кодинг (от англ. vibe coding) — это подход в программировании, при котором разработчик пишет код с помощью нейросетевых агентов. Человек на естественном языке описывает идею и механики приложения, а модель машинного обучения генерирует код. В идеале вайб-кодер может вовсе не разбираться в программировании. Всё, что от него требуется, — грамотно поставить задачу ИИ-агенту.

Концепцию вайб-кодинга в начале 2025 года предложил Андрей Карпатый — учёный в области машинного обучения и сооснователь OpenAI. Он рассказал о своём опыте использования нейросетей в разработке и отметил, что всё реже перепроверяет результат генерации языковой модели.

Например, с помощью вайб-кодинга Карпатый разработал MenuGen — это веб-приложение, которое генерирует картинки блюд по фотографии меню. В приложении есть механизм аутентификации пользователей и форма оплаты подписки, — всё это сделала нейросеть.

Если вы хотите узнать больше о возможностях нейросетей в программировании, рекомендуем прочитать нашу статью про разработку мобильной игры с помощью ИИ.

Читайте также:

Как разработать игру с помощью нейросетей: опыт креативного продюсера

Инструменты для вайб-кодинга

Давайте рассмотрим лучшие редакторы кода и IDE для вайб-кодинга. Изучим, что они умеют, сколько стоят и на каких платформах доступны.

Cursor

Cursor — форк редактора кода Visual Studio Code с интеграцией нейросетей. Если говорить проще, то это полноценная IDE для вайб-кодинга. В Cursor на выбор доступно несколько языковых моделей от OpenaAI, Google, DeepSeek, Anthropic и других компаний.

Нейросети в Cursor не просто генерируют код, а действуют почти как настоящие программисты. Они учитывают кодовую базу проекта, могут редактировать файлы и создавать новые. Например, можно просто описать суть проекта, а Cursor настроит окружение, напишет код, разделит его на модули и исправит ошибки.

Плюс Cursor в том, что его интерфейс похож на VS Code. Поэтому освоиться в редакторе довольно просто.

Читайте также:

Visual Studio Code: установка, настройка, русификация и список горячих клавиш

Windsurf

Windsurf — ещё один форк VS Code и главный конкурент Cursor. Редактор также может генерировать код и управлять проектами. Особенность Windsurf — минималистичный интерфейс, адаптированный для тех, кто нечасто работает с профессиональными IDE.

В мае 2025 года OpenAI купила Windsurf за 3 миллиарда долларов. Вероятно, компания уже готовит уникальные фичи, которых не будет в Cursor.

Replit

Replit — облачная платформа разработки с поддержкой нейросетевых агентов. Платформа адаптирована для программистов, которые создают мобильные приложения и сайты. Готовый проект можно запустить на сервере Replit.

Особенность Replit в том, что сервис работает в браузере. Благодаря этому код можно писать даже на смартфоне. Из этой особенности вытекает существенный минус: браузерный редактор работает медленнее нативного.

Devin

Devin — автономный ИИ-программист, который может стать полноценным членом команды разработки. Можно добавить бота в рабочий чат и назначать ему тикеты из системы планирования задач. После этого Devin проанализирует кодовую базу, задаст уточняющие вопросы и начнёт работу. В конце бот загрузит код в репозиторий и сгенерирует отчёт.

Разработчики рекомендуют использовать Devin для рутинных задач. Например, ему можно поручить переписать код проекта на другой язык, обновить зависимости, провести исследование или исправить ошибки.

Claude Code

Claude Code — генератор кода для терминала. Под капотом у него нейросеть Claude Opus 4, которая умеет создавать проекты с нуля, фиксить баги и синхронизировать изменения с удалённым репозиторием.

Инструмент работает в терминале, поэтому больше подойдёт опытным разработчикам. Новичкам лучше выбрать что-то с полноценным интерфейсом.

Cline

Cline — нейросетевой агент-программист с открытым исходным кодом, доступный в виде плагина для VS Code, Cursor и Windsurf. К инструменту можно подключить любую нейросеть с помощью личного API-ключа.

Разработчики Cline отмечают, что сам по себе инструмент полностью бесплатный: пользователям надо платить только ИИ-провайдерам за использованные токены.

GigaStudio

GigaStudio — нейросетевой агент от разработчиков «Сбера». Бот может создавать приложения на React, Next.js и TypeScript. В будущем появится поддержка Vite.js, Python, Go и Flutter. Также GigaStudio интегрирован с GigaIDE — фирменной средой разработки «Сбера».

Инструмент пока находится в раннем доступе, поэтому пользоваться им можно бесплатно. Подать заявку на тестирование можно на сайте GigaStudio.

JetBrains AI

JetBrains AI — набор нейросетевых инструментов, среди которых:

• Junie — агент-джун, которому можно поручить писать несложные фрагменты кода и разбираться с ошибками.
• AI Assistant — чат-бот, отвечающий на вопросы по программированию.

Оба инструмента доступны в фирменных IDE от JetBrains, например в PyCharm, Android Studio и IntelliJ IDEA.

Читайте также:

PyCharm: как её установить и использовать

Какую языковую модель выбрать

Практически в каждой вайб-кодерской IDE доступно несколько языковых моделей на выбор. По названиям не всегда удаётся точно определить, какая из моделей лучше работает с кодом. Для оценки можно использовать LM Arena — сервис, который сравнивает, как нейросети справляются с разными задачами, и составляет список лучших. Если ищете языковую модель для программирования, то в фильтрах надо выбрать параметр Coding.

Если вы уже привыкли к ChatGPT и не хотите тратить время на решения от Google и Anthropic, то выбирайте модель по совету Андрея Карпатого:

• GPT-4o — ежедневные вопросы и простые задачи.
• GPT-o3 — исследования, поиск информации и сложные задачи.
• GPT-4.5 — креатив и тексты.
• GPT-4.1 — программирование.

Читайте также:

7 нейросетей для программистов: как писать код быстрее и лучше

Вайб-кодинг в действии: создаём телеграм-бота

Можно бесконечно долго рассказывать о вайб-кодинге, но лучше один раз попробовать его и понять, что же это такое. Давайте попытаемся создать телеграм-бота, который получает от пользователя ссылку на GitHub-репозиторий и присылает в чат информацию о нём: название, имя автора, количество звёзд, дату последнего релиза и другие данные.

Договоримся, что мы не будем править код сами. Если даже найдём ошибку, то попросим нейросеть найти решение. В итоге мы должны получить рабочий проект, который можно без доработок развернуть на сервере.

Читайте также:

Что такое GitHub и как им пользоваться

Устанавливаем Cursor

Чтобы установить Cursor, надо перейти на официальный сайт редактора, открыть раздел All Downloads и выбрать файл для вашей операционной системы. На странице доступно несколько версий. Лучше выбирать последнюю. После скачивания запустите установочный файл и следуйте инструкциям на экране.

При первом запуске система попросит войти в аккаунт или зарегистрироваться. Для этого можно использовать электронную почту, профиль Google или GitHub. Также надо будет выбрать тариф:

• Hobby — бесплатный тариф с двухнедельным доступом к премиальным функциям. В нём доступны только базовые языковые модели и ограниченное количество запросов к продвинутым ИИ-агентам.
• Pro — подписка за 20 долларов в месяц, которая снимает большинство ограничений и расширяет контекстное окно языковых моделей.
• Ultra — тариф за 200 долларов в месяц с приоритетным доступом к новым функциям.

Лучше выбрать платный тариф. В нём доступно больше языковых моделей, открыты все функции редактора и увеличены лимиты по запросам. Cursor не принимает российские банковские карты, поэтому для оплаты подписки надо использовать посредника.

Создаём проект и настраиваем агента

Интерфейс Cursor похож на редактор кода Visual Studio Code. Если вы когда-то работали с ним, то у вас без проблем получится создать проект и настроить окружение:

Шаг 1. Запустите Cursor и на главном экране выберите пункт Open project. В открывшемся файловом менеджере создайте папку проекта и выберите её.

Шаг 2. В окне чата установите режим Agent. Благодаря этому Cursor сможет самостоятельно редактировать код и проверять его. Также выберите языковую модель. Мы будем использовать GPT-o3.

Cursor готов к работе, осталось только составить промпт и передать его в чат.

Первый запрос

Телеграм-бот, которого мы планируем сделать, довольно простой с технической точки зрения. В нём нет системы авторизации пользователей, формы оплаты и механизмов сбора статистики. Всё, что он должен сделать, — получить ссылку на репозиторий и прислать в ответ информацию.

Попросим языковую модель сгенерировать код на Python с использованием библиотеки Aiogram. Данные с серверов GitHub проще всего получить с помощью официального API. На основе этих вводных составим промпт для языковой модели:

Читайте также:

Чат-боты в Telegram на Python и Aiogram: пишем первого бота

Мы передали этот промпт нейросети, и вот какие файлы с кодом она нам сгенерировала:

• bot.py — основной файл бота со всеми его функциями;
• requirements.txt — зависимости проекта;
• README.md — инструкция по запуску бота;
• env.example — пример реализации переменной виртуального окружения для токена бота.

Код выглядит убедительно, но при запуске в терминале нас встречает список ошибок. Поручим языковой модели исправить их. Для этого просто скопируем вывод терминала и напишем в чате «Исправь ошибки». После каждой генерации снова запускаем код, ловим ошибки в терминале и просим их исправить.

Запускаем бота

Нам понадобилось три итерации правок для того, чтобы ошибки в терминале перестали появляться. Пришло время запустить бота и проверить, как он работает в Telegram.

Бот исправно принимает ссылки и присылает данные со страниц проектов на GitHub.

Также нейросеть реализовала сценарии, которые мы не указали в промпте. Например, если отправить боту ссылку на несуществующий проект, то он выдаст ошибку и подскажет, что можно сделать.

Код получившегося бота мы загрузили в GitHub-репозиторий. Вы можете изучить его или запустить на своём компьютере. Если хотите больше узнать про разработку телеграм-ботов, то рекомендуем прочитать наше руководство.

Читайте также:

Telegram Bot API: гайд для разработчиков ботов

Плюсы и минусы вайб-кодинга

На первый взгляд вайб-кодинг кажется идеальным решением: можно больше не писать код самому, меньше работать или даже устроиться в несколько компаний и всё успевать. На самом деле у вайб-кодинга, как и у любого подхода, есть свои преимущества и недостатки.

Плюсы вайб-кодинга

Избавление от рутины. Агенту можно поручить выполнять мелкие задачи, которые отнимают много внимания и сильно выматывают. Например, нейросети отлично справляются с исправлением ошибок, оптимизацией определённых фрагментов кода и документированием проектов.

Тестирование идей. Если появилась идея для пет-проекта или стартапа на миллион, то с помощью ИИ-агентов можно быстро разработать прототип и проверить его. Если во время тестирования надо будет внести правки, то нейросеть тоже справится с этой задачей.

Находка для гуманитариев. Раньше для разработки даже простенького сайта надо было изучать основы JavaScript, HTML, CSS и много практиковаться. Сейчас с кодом может помочь ИИ-агент.

Минусы вайб-кодинга

Безопасность. Некоторые компании запрещают «скармливать» языковым моделям код своих проектов. Всё из-за того, что в итоге он может оказаться в руках злоумышленников. Если планируете попробовать вайб-кодинг на работе, то обязательно уточните, какие есть ограничения в вашей компании.

Возможности нейросетей. Языковые модели могут создавать сайты, мобильные приложения, утилиты для терминала и много всего другого. При этом нейросети пока не справляются с большими проектами вроде социальных сетей, сложных игр и онлайн-магазинов.

Галлюцинации. Языковые модели могут галлюцинировать: выдумывать факты, перевирать информацию. Например, нейросеть может использовать в проекте несуществующие библиотеки, API и фреймворки. Код лучше перепроверять.

Советы вайб-кодеру

Чтобы нейросети всегда генерировали то, что вы придумали, надо соблюдать несколько простых правил:

• Максимально подробно описывайте проект: перечислите технологии, которые можно использовать, расскажите про функции, формат вывода, требования к коду и безопасности. Чем больше вводных, тем точнее будет результат. В противном случае нейросеть просто придумает недостающие пункты технического задания, и результат разочарует.
• По возможности используйте платные тарифы. В них нет ограничений на размер контекста и доступны самые мощные языковые модели.
• Сложные задачи разделяйте на небольшие логически завершённые кусочки. Например, сначала попросите сверстать главную страницу, а после добавить на неё форму авторизации и подключить сервис для обработки платежей.
• Всегда проверяйте сгенерированный код. Даже в рабочем коде могут быть критические баги. Помните, что нейросеть обучали на коде обычных людей, которые часто делают ошибки.
• Если языковая модель не справляется с задачей, то попробуйте сменить её в настройках редактора. Например, DeepSeek может помочь ChatGPT, если тот забуксовал.

Что запомнить

• Вайб-кодинг — подход в программировании, при котором разработчик пишет код с помощью нейросетевых агентов. Термин в начале 2025 года сформулировал сооснователь OpenAI Андрей Карпатый.
• Суть вайб-кодинга в том, что вместо кода разработчик пишет инструкции на естественном языке, а модель машинного обучения генерирует код, разделяет его на модули, исправляет ошибки и оптимизирует функции.
• Нейросети подходят для рутинных задач, тестовых проектов и несложного кода.
• Языковые модели часто галлюцинируют, поэтому обязательно проверяйте сгенерированный код.