Кожен розробник, з яким я говорю у 2025, або all-in на AI, або повністю ігнорує. Обидві крайнощі — неправильні. Ось чесний, з власною думкою розбір після 18 місяців щоденного використання.
Tier-list
Tier S: щоденні (використовуйте)
Cursor IDE — єдиний AI-редактор, який реально розуміє вашу кодову базу. Tab-автокомпліт хороший, але справжня сила — Cmd+K (інлайн-правки) та Composer (зміни по кількох файлах). Без Cursor ви залишаєте 20–30% продуктивності на столі.
Claude (Sonnet/Opus) — для складних міркувань: архітектурний рев’ю, дебаг дивних production-проблем, технічний writing. Краще GPT-4 виконує нюансовані багатокрокові інструкції. Мій воркфлоу: Claude для думання, Cursor для реалізації.
GitHub Copilot — досі корисний для boilerplate в мовах, де контекст Cursor слабший (Terraform, YAML, regex). Хороший fallback.
Tier A: ситуативна сила
ChatGPT (GPT-4o) — кращий для creative/маркетингового тексту, генерації зображень та ситуацій, коли хочеться другий погляд після Claude. Менш надійний для довгих технічних ланцюгів.
Perplexity — AI-пошук з цитуванням. Використовуйте, коли потрібна актуальна інформація (версії бібліотек, нещодавні зміни API), якої може не бути в навчанні Claude.
v0 (Vercel) — генерує React UI-компоненти з текстових описів. Дивовижно гарний для прототипування. Беріть, коли треба швидко зібрати UI і не хочеться писати CSS.
Tier B: цікаво, але переоцінено
Devin/SWE-agent інструменти — автономні coding-агенти, що обіцяють «зроблю всю задачу». На практиці добре працюють на ізольованих, чітко визначених задачах і погано — на чомусь, що вимагає реального доменного знання. Поки не замінять інженерів.
AI-рев’юєри коду — авто-коментують PR’и. Ловлять очевидне (null-перевірки, неймінг), пропускають архітектурне. Корисні як перший прохід, не заміна людському рев’ю.
Як реально отримувати цінність (воркфлоу)
Головна помилка — використовувати AI як «query engine»: задав питання, отримав відповідь, застосував. Це патерн з найнижчою цінністю.
Патерн з вищою цінністю — ітеративне уточнення:
1. Самі напишіть грубий варіант (навіть якщо поганий)
2. Попросіть AI вказати слабкі місця («Що тут може піти не так?»)
3. Попросіть альтернативи («Покажи 3 різних підходи»)
4. Оберіть кращий, реалізуйте, попросіть AI його прорев'юватиПрацює тому, що AI чудовий у критиці й генерації, але за кермом потрібна людина.
Prompt engineering, який реально потрібен
Не треба вчити 20 технік. Опануйте три:
1. Role + Context + Constraint
Ти senior .NET-архітектор, рев'юїш production-код.
Контекст: сервіс обробляє платежі, ~10k транзакцій/день.
Прорев'ю цей метод на thread safety та обробку помилок.
[paste code]
Обмеження: фокус на проблемах, що ведуть до втрати даних або подвійного списання.2. Chain of Thought для складного
Треба спроєктувати caching-стратегію для user sessions.
Проведи мене по trade-off'ах крок за кроком перед рекомендацією.
Враховуй: memory cost, consistency, expiration policy, інвалідація на logout.3. Конкретні приклади замість абстракцій
Замість: «Поясни async/await у C#» Використовуйте: «Покажи різницю між sync та async версіями одного й того ж DB-виклику, з таймінгом у коментарях»
Що AI поки не вміє
- Розуміти архітектурні рішення та обмеження вашої команди
- Знати, яку версію бібліотеки схвалила ваша компанія
- Дебажити проблеми, що вимагають читання логів + метрик + коду разом
- Прийняти рішення «будувати чи купити?»
Використовуйте AI для швидкості виконання, не для прийняття рішень. Рішення досі ваші.
Мій setup на 2025
- Cursor як основний IDE (повністю замінив VS Code)
- Claude у вкладці браузера, завжди відкритий
- Perplexity для всього термінового
- Кастомний Cursor rules (
.cursorrules) зі стандартами коду нашої команди — тільки це економить години на тиждень
Якщо хочете зрозуміти, як будувати AI-інтегровані застосунки (а не просто використовувати AI-тули), наш курс Prompt Engineering і автоматизація AI-воркфлоу саме про це.
Цей пост відображає мій особистий воркфлоу на грудень 2025. AI-тулінг швидко розвивається — tier-list зміщуватиметься.
