"Как одним промптом решить задачу, которую AI coding агенты будут пилить 30-90 минут? Вот примеры промптов, которые решают упражнение из предыдущего поста, где надо было написать утилиту для удобного выбора и ""склеивания"" файлов перед отправкой в OpenAI API. __Напомню, что когда я дал эту задачу ребятам из экспериментальной группы по AI Coding, они потратили на нее 30-120 минут используя всякие новомодные Coding Agents и IDEшки. А потом, когда я объяснил, что задача решается за 5-15 минут одним запросом к обычному чату, уже подошли к задаче осознаннее.__ Мой вариант - 73 tokens / 322 chars: node.js application: - recursively list all files from a directory, passed as CLI argument - let user add/remove files to include in LLM prompt - submits user prompt plus file contents prefixed by filenames to gpt-4o - displays response UI: left pane with file tree, right pane: prompt, selected files, “Submit”, response Участник экспериментальной группы - 24 tokens and 99 characters (промпт пока не прислал) @xsl77 - 27 tokens / 132 chars: Nodejs web app showing dir (command line param) files tree users select deselect, OpenAI response for prompt input and file contents А теперь, самое важное. Задачка была просто для тренировки, чтобы прочувствовать пределы и возможности LLM на практике. Чтобы понять, насколько легко сложные инструменты могут создать иллюзию продуктивной работы (по паре часов возни с Windsurf / Cursor.sh у участников), когда задача решается одним промптом в Claude 3.7 Sonnet (или аналоге). На практике не имеет никакого смысла каждый раз упражняться в знании английского и паковать требования в крохотный малопонятный текст. Достаточно просто осознанно подбирать инструменты под задачу. Ваш, @llm_under_hood 🤗 PS: А самое забавное, что в моем промпте я забыл уточнить, что приложение должно быть на web. Поэтому Claude 3.7 с первой попытки сделало работающее десктопное приложение на electron. Скриншот в комментариях."