Когда большую часть кода пишет нейросеть, легко почувствовать, что ты больше не программист. Я прошёл через это сам: переход в тимлиды, массовое внедрение ИИ в разработку, потеря ощущения собственного вклада и вопрос — зачем я столько лет учился и чему теперь учить других?
В этом разговорном видео делюсь историей последних месяцев: как мысль «я просто вайбкодер» мешала мне работать и преподавать, почему я решил заново научиться программировать с ИИ и что помогло вернуть удовольствие от решения задач. Рассказываю про оптимизацию промптов, экономию токенов, собственные MCP-инструменты и новый фокус на декомпозиции задач.
Отдельно разбираю, почему знания Go, архитектуры, баз данных и внутреннего устройства систем по-прежнему нужны: именно они помогают сформулировать требования, которые нейросеть сама может не учесть. На примере ключей идемпотентности показываю, где проявляется инженерный опыт, и делюсь результатами AI-first подхода — от подготовки заданий для студентов до создания своей LMS меньше чем за две недели.
Если у тебя тоже возникало ощущение «код пишет ИИ, а я здесь зачем?» — поделись опытом в комментариях.
В этом уроке:
Переход в тимлиды и AI adoption: как изменились моя работа, ревью и ощущение личного вклада.
Профессиональная идентичность: почему мысль «я не программист, я вайбкодер» мешала адаптироваться.
Кризис преподавателя: чему учить, когда нейросеть решает студенческое задание за один промпт, и как менять подход к заданиям.
Обучение заново: решение стать профессионалом в работе с новым инструментом, как когда-то программисты освоили компиляторы.
Возвращение интереса: экономия токенов, оптимизация промптов, MCP и подготовка заданий за часы вместо дней.
Новая роль разработчика: декомпозиция задач и формулирование требований вместо концентрации только на наборе кода.
Ценность фундаментальных знаний: Go, архитектура, базы данных и конкретный пример с ключами идемпотентности на клиенте.
AI-first на практике: собственная LMS меньше чем за две недели, работа со студентами ИТМО и автоматизация бытовых задач.
Будущее канала: почему я продолжаю преподавать и рассказывать про инженерную базу.
Главный вывод моего опыта: знания и инженерное мышление помогают получать больше от новых инструментов. Я продолжаю рассказывать про фундаментальную базу и учусь применять её в разработке с ИИ.
Таймкоды
00:00:00 - Личная история: как изменилось моё отношение к программированию 00:00:46 - Переход в тимлиды: меньше кода, больше архитектуры и ревью 00:01:20 - AI adoption: нейросети пишут код и помогают его ревьюить 00:03:19 - Потеря ощущения собственного вклада и удовольствия от работы 00:04:55 - Кризис преподавателя: чему учить, если код пишет ИИ? 00:05:44 - Решение заново научиться программировать с нейросетями 00:06:53 - Как меняются задания для студентов: аналогия с компиляторами 00:07:43 - «Я не программист, я вайбкодер»: мысль, которая мешает адаптироваться 00:08:29 - Как вернулся интерес: промпты, экономия токенов и MCP 00:09:14 - Новый фокус: декомпозиция задач вместо набора кода 00:09:45 - Почему фундаментальные знания стали ещё важнее 00:11:23 - AI-first на практике: преподавание, своя LMS и бытовые задачи 00:13:01 - Зачем я продолжаю преподавать и делиться своим опытом 00:14:35 - Итоги и планы канала