CodeWithLLM-Updates
-
🤖 Інструменти ШІ для програмування: практичні приклади, покрокові інструкції та реальні застосування LLM. Навчіться ефективно працювати з сучасними асистентами програмування.

GLM план для програмування
https://docs.z.ai/devpack/overview
Передплатний пакет, створений спеціально для програмування за допомогою штучного інтелекту. Він надає доступ до потужної моделі GLM-4.5 та GLM-4.5-Air у популярних інструментах як Claude Code, Cline-Roo-Kilo, OpenCode та інш.

Вартість починається від $3 на місяць. Значно вищі ліміти використання порівняно зі стандартними планами як Claude Pro. Квота оновлюється кожні 5 годин. Сервіси компанії розташовані в Сінгапурі. Z.ai не зберігає запити чи згенеровані дані користувачів.

DeepSeek у Claude Code
https://api-docs.deepseek.com/guides/anthropic_api
Задавши ANTHROPIC_BASE_URL як https://api.deepseek.com/anthropic можна використовувати моделі від DeepSeek.

OpenAI Codex
На своєму каналі в ютуб OpenAI у серії віртуальних подій "Build Hours" виклади відео про Codex.

https://www.youtube.com/watch?v=WvMqA4Xwx_k

Мета OpenAI – зробити Codex єдиним, універсальним агентом для генерації коду. Рекомендується розглядати Codex як повноцінного члена команди або навіть делегувати йому завдання, діючи як архітектор або менеджер.

Codex може працювати у двох основних режимах: локально та у хмарі. Обидва середовища інтегровані через акаунт ChatGPT та синхронізуються з репозиторіями GitHub. Делегування завдань доступне через веб-інтерфейс та мобільний додаток ChatGPT (iOS), що дає змогу "запускати завдання, коли приходить натхнення", навіть поза робочим місцем.

Нове розширення, сумісне з VS Code, Cursor та іншими форками. Codex може автоматично перевіряти pull-requests на GitHub. Ця функція не обмежується статичним аналізом – агент може запускати код, перевіряти логіку та валідувати зміни.

Рекомендується організовувати репозиторій меншими файлами. Наявність тестів, лінтерів та форматерів дозволяє агенту самостійно виявляти та виправляти помилки. Для складних завдань краще згенерувати детальні плани у Markdown (plan.md). Використання файлу agents.md для документування архітектурних рішень допомагає Codex відразу розуміти з чим він працює.

Розробка, керована специфікаціями
https://github.com/github/spec-kit
Github запропонував нову парадигму створення ПЗ, під ШІ розробку. Та інструмент для її реалізації, який працює на Linux/macOS (чи WSL2 під Windows) з агентами Claude Code, GitHub Copilot, Gemini CLI.

До ери ШІ зазвичай ми спочатку писали код й це була «справжня робота», а потім "збоку" дороблювали специфікації та документацію. Spec-Driven Development (розробка, керована специфікаціями) говорить, що саме специфікації стають первинними, безпосередньо генеруючи робочі реалізації. Специфікації визначають «що» перед тим, як «як».

Kiro від Amazon має схожий підхід (режим Spec), який спочатку пише вимоги до проекту, а тільки потім генерує код. Також у Qoder е Quest mode зі схожою логікою.

https://www.youtube.com/watch?v=LA_HqmiGvsE

Детальний документ
https://github.com/github/spec-kit/blob/main/spec-driven.md
Основна ідея SDD полягає в усуненні розриву між задумом (специфікацією) та виконанням (кодом). Це досягається завдяки тому, що специфікації (такі як документи вимог до продукту – PRD – та плани реалізації) стають настільки точними, повними та однозначними, що їх можна використовувати для автоматичної генерації робочого коду. SDD забезпечує систематичне узгодження всіх компонентів складної системи.

Якість специфікацій забезпечується структурованими шаблонами, які запобігають передчасним деталям реалізації, вимагають позначок для невизначеностей, включають контрольні списки, а також забезпечують відповідність "конституції" проєкту. "Конституція" містить незмінні архітектурні принципи (наприклад, "Бібліотека по-перше", "CLI-інтерфейс обов'язковий", "Розробка через тестування (Test-First)", "Простота", "Без надмірної абстракції"), які гарантують узгодженість, простоту та якість згенерованого коду.

Agent Client Protocol (ACP)
https://agentclientprotocol.com
https://github.com/zed-industries/agent-client-protocol
Новий відкритий стандарт, розроблений компанією Zed Industries, який має на меті стандартизувати зв'язок між редакторами коду (IDE, текстовими редакторами) та ШІ агентами. Підхід аналогічний тому, як Language Server Protocol (LSP) стандартизував інтеграцію мовних серверів.

Агенти запускаються як дочірні процеси редактора коду та обмінюються даними за допомогою JSON-RPC через стандартні потоки введення/виведення (stdio). Протокол все ще перебуває на стадії розробки.

https://zed.dev/blog/claude-code-via-acp
Редактор Zed тепер підтримує інтеграцію з Claude Code через ACP та працює у сайдбарі. Адаптер випущений з відкритим вихідним кодом під ліцензією Apache, що дозволяє іншим редакторам також використовувати його. Допоміг в реалізації https://github.com/Xuanwo.

Практичні техніки для Claude Code та Codex CLI
https://coding-with-ai.dev/
https://github.com/inmve/coding-with-ai
Сайт містить практичні техніки для ефективної роботи з AI-асистентами. Кожен етап має чек-ліст.

Підняти такі теми-розділи:
1. Планування (підготовка до роботи з AI),
2. UI & Prototype (швидке створення інтерфейсів та прототипів),
3. Coding (ефективна генерація та маніпуляція кодом),
4. Debugging (виявлення та виправлення помилок з AI),
5. Testing & QA (забезпечення якості коду через тести),
6. Review (перевірка та вдосконалення AI-генерованого коду)
та Cross-stage (загальні поради для всіх етапів).

Головна ідея: "Brain First, AI Second" тобто спочатку мислити самостійно, а потім використовувати AI для прототипування інтерфейсів та делегування нудних, систематичних завдань.

Починати роботу з AI з ретельного планування - обирати стабільні "нудні" бібліотеки та надавати надзвичайно детальні специфікації. Хоча б намалювати інтерфейс. Краще починати хоч з якогось коду, можна самому написати головний алгоритм. Та написати на початку тести.

Важливо створювати файл контексту-пам'яті (наприклад, `AGENTS.md`). Активно керувати контекстом, переривати агента, якщо він відхиляється від курсу, та використовувати як партнера для навчання, ставлячи відкриті запитання щоб обрати одну з декількох опцій. Максимально все пишемо у логі. Використовувати скрішоти для пояснення проблем.

Запускати кілька агентів паралельно на окремих завданнях без конфліктів. Підтримувати код максимально простим, просити раз за разом робити рефакторінг та спрощення. Краще генерувати власний код, замість того щоб підключати все більше сторонніх бібліотек.

Завжди читати генерований код! Використовувати другого агента без історії чату для перевірки коду. Ніколи не делегувати тестування повністю AI, завжди перевіряйте код самостійно та ретельно переглядайте всі зміни (diff).

Починати з дешевших моделей (Sonnet 4), переходячи до складніших (Opus 4.1) лише за потреби. Моделі Claude можуть корегувати зусилля за допомогою слів think < think hard < think harder < ultrathink.. Для інтерфейсів працює зроби more beautiful чи more elegant.

Досвід інтеграції ШІ у виробничі процеси
https://www.sanity.io/blog/first-attempt-will-be-95-garbage
Автор використовував 18 місяців Cursor для генерації коду, а останні 6 тижнів – Claude Code. Перехід до Claude Code зайняв лише години щоб зрозуміти як з ним працювати.

Ментальна модель автора: ШІ це молодший розробник, який ніколи не вчиться. Витрати на Claude Code можуть становити значний відсоток від місячної зарплати інженера (1000-1500 доларів на місяць).

Висновки:

  • Правило трьох спроб: Забудьте про ідеальний код з першої спроби - там буде 95% сміття, що допомагає виявити агенту справжні задачі та обмеження. Друга спроба може на 50% видати добрий код, а от на третій раз скоріше за все він реалізує щось, що можна ітерувати та вдосконалювати.
  • Зберігати знання між сесіями: дописувати Claude.md архітектурними рішеннями, типовими шаблонами коду, "підводними каменями" та посиланнями на документацію. Та налаштувати MCP для отримання даних з Linear, Notion/Canvas, Git/GitHub історії та інш.
  • Команди та ШІ-агенти: використовує linear. Важливо ніколи не запускати декілька агентів на один і той же проблемний простір. Явно позначати правильний код, редагований людиною.
  • Рев'ю коду: агенти --> наглядачі за агентами --> команда. Завжди перевіряти, особливо для складного управління станом, критичних до продуктивності та безпеки секцій.

Головна проблема на сьогодні, що ШІ не вчиться на помилках. Рішення: краща документація, чіткіші інструкції.

Автор статті підкреслює, що відмова від "володіння" кодом (оскільки його написав ШІ) призводить до більш об'єктивних рев'ю, швидшого видалення невдалих рішень та відсутності его при рефакторингу.

Обговорення на ХН
https://news.ycombinator.com/item?id=45107962
LLM стали вже стандартним інструментом для інженерів. Підтверджується, що кілька ітерацій з LLM (3 і більше) для досягнення прийнятного результату – це типово. LLM не дуже добре пишуть складний код самостійно, якщо це не надзвичайно проста або шаблонна задача. Код, написаний LLM, завжди потребує ретельного моніторингу та редагування.

Існує занепокоєння, що надмірне використання LLM може зменшити власні навички "мислення" розробника. Якщо молодший розробник просто "вайбить" код за допомогою LLM без глибокого розуміння, це підриває довіру старших колег.

Постійно згадується важливість створення дуже детальних запитів та використання контекстних файлів (наприклад, Claude.md) для передачі архітектури, стилю та "підводних каменів". Розбиття складних завдань на малі, керовані частини є ключовим для успіху. Використання TDD з LLM дуже добре працює.

Деякі користувачі створюють додаткових "критичних агентів" (LLM, натренованих на пошук помилок), щоб перевіряти код, написаний основним агентом.

Приклад файлу інструкцій CLAUDE.md є у https://www.dzombak.com/blog/2025/08/getting-good-results-from-claude-code/

Але точиться дискусія щодо ефективності цього файлу для надання контексту: деякі вважають його корисним для довгострокової пам'яті ШІ, інші стверджують, що ШІ часто ігнорує його зміст. З Обговорення можна зробити ще висновки, що:

  • Найкращі результати досягаються, коли розробник витрачає значний час на створення дуже чітких, покрокових специфікацій (документів, що описують, як саме має бути реалізований проєкт). Це вимагає більше початкових зусиль, але дозволяє Claude Code слідувати чітким інструкціям і генерувати більш точний та організований код.
    • Деякі користувачі використовують інші ШІ (наприклад, ChatGPT, Gemini) для мозкового штурму, створення специфікацій, їх критики та вдосконалення перед тим, як передати остаточний документ Claude Code.
    •  Інтеграція з інструментами якості коду (husky, lint-staged, commitlint) допомагає підтримувати стандарти.
  • Claude Code, попри маркетинг, не "думає" у людському розумінні, на будь-якому кроці він може робити дивні помилки або "галюцинувати".
    • Оскільки в нас є обмеження контекстного вікна, то краще працювати з Claude Code невеликими, послідовними кроками. Просити написати одну функцію або зробити одну зміну, потім перевірити результат, виправити помилки, закомітити і тільки потім переходити до наступного кроку.
    • Деякі успішно використовують Claude для написання юніт-тестів, а потім просять його написати мінімальний код, щоб ці тести пройшли як у TDD (Test-Driven Development).
  • Деякі користувачі помітили, що прохання Claude переглянути власну роботу може бути дивно плідним, оскільки він часто сам вказує на недоліки.

Розбір як працює Claude Code
https://minusx.ai/blog/decoding-claude-code/
Автор вважає що файл CLAUDE.md є ключовим для передачі контексту користувача та його вподобань (наприклад, які папки ігнорувати, які бібліотеки використовувати). Його вміст надсилається з кожним запитом користувача. Фрази IMPORTANT, VERY IMPORTANT, NEVER та ALWAYS для запобігання небажаній поведінці все ще ефективно використовувати.

Checkpoints для Claude Code
https://claude-checkpoints.com/
Проект додає у Claude Code чекпоїнти на зразок як у Cursor. Головна мета – забезпечити, щоб ми не втрачали правильно згенерований код завдяки відстеженню змін та можливості відновлення попередніх станів проєкту. Є візуальний перегляд відмінностей (Diff Viewer).

Контрольні точки створюються самостійно після завершення завдань Claude. Інтегрується з Claude Desktop через протокол MCP (Model Context Protocol).

Auggie
https://www.augmentcode.com/product/CLI
Augment Code CLI - це одна недолуга спроба скопіювати Claude Code, цього разу від розробників Augment Code. Як самостійний продукт складно сказати чи має якусь цінність, скоріше як доповнення до їхнього основного продукту й підв'язано під його тарифні плани.

З цікавого це хоткей для покращення запиту. А так базові функції термінального агента, є як всюди зараз підтримка MCP. Моделі це Claude Sonnet 4 та GPT-5.

Режим конфіденційності у TRAE IDE v2.1.0
https://docs.trae.ai/ide/privacy-mode?_lang=en
Одним з питань, чому я не використовував китайську TRAE від ByteDance була їх незрозуміла політика "що хочемо, то й робимо з вашим кодом". Тепер вони додали можливість активувати режим конфіденційності у налаштуваннях. Думаю це відповідь на Qoder від Alibaba.

Режим конфіденційності діє лише тоді, коли ваш обліковий запис TRAE активний. Після виходу з системи режим конфіденційності перестає бути активним. Режим конфіденційності не застосовується до SOLO режиму, який ще знаходиться на етапі тестування.

SOLO mode
https://docs.trae.ai/ide/solo-mode
З'явився у TRAE v2.0.0. Доступний лише для користувачів з Pro-підпискою та SOLO Code. Це високоавтоматизований режим, який самостійно планує та виконує весь цикл розробки: від аналізу вимог, генерації коду та тестування до прев'ю результатів і деплою. Працює з Figma / Vercel / Supabase / Stripe.

https://www.youtube.com/watch?v=4JObEIIK8Uo

SOLO Builder це агент для створення веб-додатків. Аналізує вимоги → генерує PRD → пише код → надає прев'ю. При розробці ШI самостійно оркеструє інструменти, такі як editor, browser, terminal та doc viewer (опис проекту з схемами). Іноді треба натискати кнопки підтвердження.

Codex IDE
https://developers.openai.com/codex/ide
Openai ще раз змінили що треба називати Codex. Це тепер не тільки стара модель й новий агент у CLI та у ChatGPT, це тепер й розширення для IDE (VSCode, Cursor та Windsurf).

З нього можна як локально змінювати код, так й посилати завдання й у хмару. Працює у Mac та Linux. Підтримка Windows все ще є експериментальною.

https://www.youtube.com/watch?v=SgJaSmD3u3k

https://help.openai.com/en/articles/11369540-using-codex-with-your-chatgpt-plan
Відповідь фіксованим тарифним планам у Claude Code. Головне, що Codex підтримує платні плани Chat GPT (окрім Enterprise чи Edu але це поки що), який у багатьох є. Plus це 30-150 повідомлень на 5 годин, у Pro це
300-1500.

ByteRover 2.0
https://www.byterover.dev/blog/byterover-2-0
Вийшла нова версія ByteRover 2.0 з покращеним інтерфейсом та двома ключовими функціями. Context Composer: Інструмент для збору та керування точним контекстом для ШІ-агентів з різних джерел (документи, зображення, веб тощо). Git for AI Memory: Дозволяє керувати версіями пам'яті ШІ-агентів, відстежувати зміни та співпрацювати, подібно до Git для коду.


xAI: Grok Code Fast 1
https://openrouter.ai/x-ai/grok-code-fast-1
https://vercel.com/ai-gateway/models/grok-code-fast-1
Вийшла нова MoE модель від xAI Grok Code Fast 1 для генерації коду. Розроблена для "агентного програмування" (agentic coding), швидка й відносно дешева. Контекстне вікно 256к токенів.

https://github.blog/changelog/2025-08-26-grok-code-fast-1-is-rolling-out-in-public-preview-for-github-copilot/
Модель доступна у GitHub Copilot користувачам планів Copilot Pro, Pro+, Business та Enterprise. Можна також використовувати власний ключ API (BYOK). Безкоштовний доступ надається до 2 вересня 2025 року.

Додана й в Cursor.

Zed та підтримка CLI агентів
https://zed.dev/blog/bring-your-own-agent-to-zed
Zed у партнерстві з Google інтегрували Gemini CLI у IDE через новий Agent Client Protocol (ACP).

Це відкритий протокол на основі JSON-RPC, що дозволяє підключати будь-яких агентів до Zed (аналогічно тому, як LSP працює для мов). Дані для ШІ не надсилаються на сервери Zed. Протокол під ліцензією Apache — можна створювати власних агентів або підключати їх до інших редакторів (наприклад, Neovim вже підтримує).

Коли Win версія?
https://zed.dev/windows
Нарешті Zed отримає нативну підтримку для Windows, про що просили тисячі користувачів. Розробники зіткнулася з рядом викликів та активно працюють над цим.

Компанія запрошує користувачів долучитися до закритого бета-тестування.

Alibaba Qoder
https://qoder.com/ https://qoder.com/changelog
Не плутати з Qodo. Нова IDE (ще один клон VSC) з ШІ, на цей раз від китайського гіганта Alibaba. Пишуть, що їх система здатна розуміти глибше складну архітектуру проєкту, шаблони проєктування та логіку його роботи. Рішення: окрім графу коду та індексації, ще автоматично вести Wiki опису проєкту.

https://www.youtube.com/watch?v=xSWj_Pe3CWo

Пропонує два режими роботи які схожі на ті що в Amazon Kiro: у «Ррежимі агента» працю як вайб-кодер. У «Режимі запиту (Quest Mode)» бере на себе роль інженера (Spec-Driven Development), який самостійно планує роботу, розбиває завдання, створює реалізації функцій та автоматизує тестування, видаючи готовий до роботи код за заданими специфікаціями. Другий режим не працює без GIT-репозиторія. Є історія виконаних завдань. Можна запустити декілька завдань й вони в порівняні з Kiro не будуть ставати в чергу, а виконуватися паралельно.

Може працювати з Anthropic Claude, Google Gemini та OpenAI GPT, автоматично обираючи найбільш ефективну та економічну модель, схоже на Авто режим у Cursor. Ручного перемикання моделей (поки що?) немає. На сайті не має версії під Linux.

Наразі Qoder доступний безкоштовно в рамках публічного попереднього перегляду. Режим приватності в налаштуваннях не можна змінювати - за замовчуванням активований.

Amazon Kiro v0.2
https://kiro.dev/pricing/
IDE Kiro все ще в стадії тестової розробки, але вони вже запустили платні підписки. Можливо саме тому, що у v0.1 давали дуже багато безкоштовних токенів на Sonnet 4, то тепер закрили реєстрацію. Для нових користувачів тільки список очікування.

Безкоштовно буде тільки 50 vibe запитів на місяць, зараз ще всім новим користувачам накинули по 100 vibe та spec запитів, їх треба використати за 2 тижня. Що дуже прикро, в мене простий тест проект на 2 години забрав відразу 40 spec запитів. А 125 spec запитів тепер $20/місяць.

Крім того в порівняні з Cursor тут поки що майже нічого не має по функціоналу й різноманіттю моделей, а по відчуттям швидкість в 2-3 рази повільніше. Я не знаю хто буде за це платити зараз стільки.

LLM не замінять програмістів
https://zed.dev/blog/why-llms-cant-build-software
Провокаційний пост від Конрада Ірвіна з ZED. Він каже, що LLM досить добре генерують код, оновлюють його при виявленні проблем і запускають тести. Але люди-інженери працюють не так: вони вибудовують ментальні моделі того, що код робить й що повинен робити, й за цим виконують оновлення.

ШІ агенти не створюють ментальної моделі проекту та просто генерують код, схожий на той найкращій що завчили - тому плутаються, гублять контекст, вигадують зайві деталі, припускають, що написаний ними код працює, не можуть вирішити що робити, коли щось не працює і можуть просто видалити все та почати спочатку без глибшого розуміння проблеми.

Автор сумнівається що це можна виправити. LLM підходить для простих завдань, де вимоги чіткі, й де можуть "одноразово" його виконати та прогнати тест. А людина-інженер залишається "водієм", щоб код дійсно робив те, що від нього вимагається.

Обговорення
https://news.ycombinator.com/item?id=44900116
Коментарі демонструють дуже полярні погляди, але більшість підтримує основну тезу автора. LLM фокусуються на текстових шаблонах, а не на глибинному розумінні, можуть "хачити" тести, щоб вони пройшли, замість того, щоб виправляти справжні проблеми.

Деякі вважають, що добре налаштовані LLM можуть працювати на рівні або навіть краще за молодшого розробника для певних конкретних простих ізольованих завдань.

Багато людей скаржаться, що використання LLM у айті вимагає постійного та ретельного нагляду за агентом - надзвичайної деталізованих "рельсів". Тепер у галузі дивляться на навички формулювання проблем та високорівневого обходу недоліків LLM. Ця "ручна робота" є більш стомлюючою, ніж класичне написання коду самостійно.

Існує сильний розкол позицій щодо того, чи продовжує LLM-технологія швидко розвиватися, чи досягла плато і потребує нових архітектурних проривів.

AGENTS.md
https://agents.md/
Аналог README для агентів. Нарешті стандарт для маркдаун файлу, в який ми пишемо контекст та додаткові інструкції для агента. Це простий текстовий файл. Він буде корисним й для розробників-людей, бо більшість вже у README майже нічого не пише, а тут так не вийде. Бо для LLM потрібна більша деталізація та точність.

До цього якщо я на репозиторії використовую декілька ШІ-кодінг інструментів то доводилось для кожного мати свій файл, а ще якось думати про їх синхронізацію. Тепер достатньо тільки AGENTS.md у корені проекту. Можливо робити свої файлі для піддеректорій.

Вже підтримали: OpenAI Codex, Amp, Jules by Google, Cursor, Factory, RooCode, Aider (через конфіг), Gemini CLI (через конфіг), Kilo Code, OpenCode, Phoenix, Zed.