[Дмитрий Лаврик] Разумный вайб-кодинг (2026)

Веб-разработка с использованием нейросетей от Дмитрия Лаврика

Концепция курса

Далеко не все разработчики, которые пробуют использовать ИИ при написании кода, остаются в восторге от первой попытки. Дело даже не в плохих промптах, чаще всего они оставляют нейросети слишком много свободы. Курс учит простому — строй архитектуру так, чтобы у нейросетки не было пространства для импровизации, а потом отдай ей рутинную работу. Чем строже правила, тем меньше ошибок.
Мы освоим Claude Code с нуля: сессии, контекстное окно, файлы CLAUDE.md, субагенты, хуки и навыки, и применим эти знания в трёх технологических стеках.

Для кого этот курс

Исключительно для тех, кто уже умеет программировать и хочет работать с ИИ системно и грамотно. Главные критерии для участников:

Понимание клиент-серверного взаимодействия
Курс именно по веб-разработке. Не так важно, заходите вы со стороны бэкенда или фронтенда, главное, чтобы было понимание общих принципов и терминологии этой сферы.
Умение писать работающий код, решающий задачи
Конкретный стек технологий не важен. Node или PHP, Vue или React — не принципиально. Главное, уже быть адекватным программистом, а необходимый минимум знаний по конкретным стекам дадут дополнительные видео.
Любовь к строгому порядку в коде
Прежде всего — строгая типизация: Type Hinting в PHP или TypeScript вместо JS. Один лишь TypeScript убирает добрую половину проблем нейросетей.
Реалистичные ожидания от ИИ
Мы не мечтаем, что нейросетка напишет за нас весь код, мы просто получаем помощника — сообразительного и неутомимого джуна, которому можно делегировать массу задач.

Что даёт курс

За восемь недель вы построите workflow на трёх стеках и получите чёткую модель действий для каждого следующего проекта с ИИ. По итогу вы сможете:
Грамотно работать с Claude Code
Сессии, контекстное окно, постоянная память и Claude.md, субагенты, хуки и навыки — всё это перестанет быть абстрактными словами.
Создавать архитектуру, которая не позволяет ИИ тупить
Бэкенд, фронтенд или монолит — нужны точные инструкции и ограничения. Если у нейросети будет возможность сделать лишний шаг в сторону, то она найдёт, где ошибиться. Вопросам архитектуры мы посвятим очень много времени.
Эффективно организовывать рабочий процесс
Claude это джун, а мы наставники. Его вход в проект должен быть плавным. Задача, ошибки, обратная связь, исправление инструкций — только так можно обучить нашего джуна.
Правильно относиться к месту ИИ в разработке
Как бы ни был хорош Claude, ответственность за код остаётся на программисте. Сбросить рутину на помощника и забить на ревью — большой соблазн, которого мы не допустим.

Программа курса

01. Основы работы с Claude

Начало работы и настройка Claude Code
Создание аккаунта Anthropic и выбор тарифного плана
Установка Claude Code CLI
Рабочий процесс только через CLI, минусы GUI
Плагин VS Code: установка и подключение

Сессии: как Claude запоминает контекст

Что такое сессия и как она работает
Очистка сессии: когда и зачем
Возврат к предыдущей сессии
Просмотр истории и статистики сессий

Контекстное окно

Что такое контекстное окно и почему оно важно
Как контекст заполняется во время сессии
Стратегии контроля размера контекстного окна

Технические файлы

claude/settings.json — настройки проекта
claudeignore — убираем ненужные файлы из контекста
Claude.md — стабильные инструкции для Claude

Эффективность промптов

Как работают ограничения на тарифах
Примеры задач, которые быстро съедают лимиты
Как формулировать задачи, чтобы оставаться в рамках

Выбор подходящей модели

Opus, Sonnet, Haiku — обзор возможностей и стоимости
Изменение модели в Claude Code
Мощь или скорость — выбор модели в зависимости от задач

02. Продвинутая настройка Claude

Вложенные файлы Claude.md

Как Claude читает и объединяет инструкции
Инструкции на уровне проекта и на уровне подкаталога
Общие правила и переопределения на основе контекста

Память и Claude.md

Как работает система постоянной памяти Claude
Явная инструкция Claude.md vs накопленный контекст / память
Практические правила: что кладём в память, а что в Claude.md
Субагенты
Что такое субагенты и когда Claude их запускает

Субагенты и контекстное окно

Обзор популярных готовых субагентов
Пользовательские субагенты
Управление поведением и областью видимости субагентов
Принципы создания пользовательских субагентов
Написание эффективных промптов для субагентов

Навыки, команды и воркфлоу

Что такое навыки (skills) и как Claude их применяет
Встроенные и кастомные слэш-команды
Компоновка субагентов и навыков в воркфлоу

MCP серверы

Что такое MCP и как он расширяет возможности Claude
Подключение MCP-сервера через settings.json
Популярные MCP-серверы для веб-разработки

Хуки

Что такое хуки и когда они срабатывают
Практические сценарии: автоформатирование, логирование
Написание и регистрация собственных хуков

Понимание мышления Claude

Внутренний цикл рассуждений Claude: планирование → вызовы инструментов → синтез
Структурирование запросов для минимизации расхода токенов

03. Выравнивание знаний участников

Архитектура: монолит или отдельные репозитории

Раздельная разработка фронтенда и бэкенда
Что такое монорепозиторий и когда это имеет смысл
Как этот выбор влияет на разработку с ИИ

Главная серверная триада

Валидация: проверка и очистка входных данных
Сериализация: фильтрация и проверка ответа
Документация: понятное описание API для клиента

DTO и документация

Что такое DTO: request DTO vs response DTO
Почему важно разделять схемы запроса и ответа
Виды документирования: DTO, OpenAPI, типы TypeScript

TypeScript как лучший друг Claude

Почему типизированный код резко улучшает результаты ИИ
Как Claude читает типы для определения интерфейса
Правильные привычки: строгий режим, явные типы, ноль any

Шаринг типов между сервером и клиентом

Ручная сборка и автотрансформеры
Типизированные fetch-клиенты
Выбор подхода в зависимости от архитектуры

Основы безопасности: что может пойти не так

ENV в клиентских бандлах и публичных репозиториях
SQL-инъекции и подводные камни ORM
Claude как ассистент при аудите безопасности

04. Принципы разработки с ИИ

Ограничения снижают количество ошибок ИИ

Организуем жёсткие архитектурные рамки
Объясняем структуру проекта, описываем ключевые сущности
Пишем инструкции так, чтобы у типичных задач был ровно один стиль решения

По образцу ИИ делает лучше, чем без него

Сами строим скелет приложения, затем призываем Claude
Показываем на одной доменной сущности, как кодим сами
Для любых велосипедов (например, свои хуки / композаблы) создаём примеры использования

Начинаем с контрактов, размещаем их отдельно

Определяем механику взаимодействия клиента и сервера
Создаём абстракцию, отвечающую только за взаимодействие
Изменение API начинается с контракта, а не с кода

Декларативный стиль — друг нейросетки

Описание результата, а не процесса проще для ИИ
Предпочитаем схемы, конфиги, декораторы и т.п.
Декларативные фреймворки (Vue / React) — короли фронтенда

Маленькие шаги — предсказуемый результат

С увеличением контекста нейросетки теряют точность
Разбиваем задачу на шаги, затем делегируем
Каждый шаг должен иметь понятный и проверяемый результат
Большие задачи — режим планирования
Просим нейросетку составить план
Изучаем, редактируем, обсуждаем с Claude
Выполняем шаг за шагом, оценивая промежуточные результаты

05. Идеальный бэкенд-стек на Node.js

JSON Schema для Fastify и AJV

Нативная валидация и сериализация по JSON Schema
Синтаксис JSON-схем и неудобства их ручного описания
JSON Schema vs OpenApi: небольшие различия

Единый источник истины

Что такое TypeSpec и какие выгоды он нам приносит
Определение моделей, создание общих типов
Описание маршрутов и схем для запросов и ответов

От TypeSpec к OpenAPI и JSON Schema

Компиляция TypeSpec в спецификацию OpenAPI
Автоматический вывод интерактивной документации
Компиляция и доработка JSON-схем из лаконичного описания

Слой базы данных — Drizzle ORM

Как Drizzle вписывается в философию ограничений
Schema First без генерации тонны типов (привет Prisma)
Как Claude работает с Drizzle — схема как достаточный контекст

Архитектура вокруг Fastify

Реализация ключевых плагинов
Контроллеры и сервисный слой
Создание инструкций для Claude под стек

Экономия контекста: почему этот стек хорош для ИИ

TypeSpec как полная замена главной серверной триады
Сравнение размеров TypeSpec и файла OpenAPI
Как производные TypeSpec сокращают контекст каждой задачи

06. Фронтенд на примере React

Организация базового каркаса

Структура папок, выделение ключевых частей приложения
Стартовый код для router и store
Продумывание системы работы с авторизацией пользователей
Выбор и подключение инструментов для UI

Паттерн репозиторий вокруг OpenAPI

OpenAPI-спецификация бэкенда как источник истины
Генерация полностью типизированного fetch-клиента
Паттерн репозиторий как обёртка над fetch-клиентом
Создание модулей для каждой доменной сущности

Реализация важнейших хуков

Создание хуков для DI ключевых сервисов через контекст
Создание хука для получения данных — useAsyncData
Создание хука для контроля форм — useForm
Документирование всех велосипедов для Claude

Подготовка компонентов

Правила по именованию компонентов и их props
Правила использования хуков внутри компонентов
Реализация помощника для хука useAsyncData
Создание AuthGuard компонентов

Типичные инструкции для Claude на фронтенде

Описание паттернов применения хуков и компонентов
Явные запреты на прямое использование fetch
Предотвращение типичных ошибок Claude: избыточный useEffect, создание компонентов во время рендеринга и др.

Организация плавного старта

Реализация UI для одной доменной сущности вручную
Создание хуков на стыке сложного UI и API
Пробный запуск Claude, оценка результатов
Доработка инструкций до приемлемого результата

07. Claude в монолите

Монолит как серьёзный вызов для ИИ

Почему монолиты сложнее для Claude
Больший контекст и тесная связанность частей системы
Примерная оценка количества файлов и объёма кода для типичной CRUD-операции
Стек: Laravel + Inertia + Vue + Vuetify
Специальный выбор наиболее громоздкого стека технологий
Разные языки в одном проекте: PHP и JavaScript
Inertia вместо API, сервер напрямую передаёт props страницам
Vue с тяжёлой библиотекой компонентов Vuetify
Улучшение Laravel с помощью laravel-data
Laravel Data: типизированные DTO для запросов и ответов
Валидация и сериализация на основе единого инструмента
Правила для полей DTO через декларативные атрибуты
Автоматическая конвертация DTO в TypeScript-типы
Нюансы инструкций для Claude в монолите
Почему корневой Claude.md должен быть особенно точным
Вложенные Claude.md по модулям и сущностям
Реализация навыков (skills) для решения точечных задач
Как не дать Claude перепутать слои бэкенда и фронтенда
Типизированные роуты с Wayfinder
Генерация TypeScript-хелперов из роутов Laravel
Устранение захардкоженных адресов на стороне Vue
Инструкции по своевременному перезапуску генераторов
От построения каркаса к настоящей магии
Усиление Laravel: Spatie Query Builder и Spatie Permission
Создание хелперов и инструкций на стыке бэкенда и фронтенда
Генерация более 2000 строк рутинного кода за 10 минут
08. Место программиста в процессе вайбкодинга

Начинаем каждый проект, считая Claude джуниором
Claude изначально ничего не знает о наших предпочтениях
Роль программиста на старте: наставник, а не босс
Без образца от нас Claude не угадает стиль и требования — скелет и примеры реализуем сами
Цикл улучшений
Рабочий режим: задача → ошибка → обратная связь → результат → новое правило в CLAUDE.md
Когда цикл правильный, Claude делает всё меньше ошибок
Инструкции накапливаются, образуя полноценный гайд
Ловушка shift-tab
Что происходит, когда Claude становится достаточно хорош, чтобы ревью казалось ненужным
Незаметная деградация разработчика: от доверия Claude к лени проверять его результат
На дистанции нейросетка ошибётся. Не если, а когда.
Ответственность никогда не переходит к Claude
Claude может писать код, а уволить могут только программиста
Относимся к результату ИИ как к PR джуниора — всегда стоит окинуть критическим взглядом
Как оставаться искренне вовлечённым в процесс, даже если Claude не ошибался давным-давно
Взгляд в будущее
Траектория развития возможностей моделей
Оценка риска полной замены программистов
Глубокое понимание инструмента по мере роста его мощи
Риски внезапного повышения цен
Математика ИИ-компаний: пузырь или путь к AGI
Что может произойти с воркфлоу, полностью построенными вокруг дорогой модели
Это не поурочный план. Курс построен по спиральному принципу: мы разрабатываем с нуля проект на одном из стеков технологий, постоянно возвращаясь к механикам Claude, работе с промптами и философии взаимодействия с ИИ на протяжении всего процесса.

Преподаватель курса — Дмитрий Лаврик

Профессиональный веб-разработчик
Более 15 лет опыта в веб-разработке — от вёрстки до серверной части. Основной стек: Vue, React на фронтенде, PHP, Node.js на бэкенде.
Опытный преподаватель
С 2011 года под его руководством тысячи учеников прошли путь от новичков до уверенных веб-разработчиков. Если вы ещё не знакомы с Дмитрием — загляните на его YouTube-канал (@dmitrylavrik), там много полезных видео и можно получить впечатление о стиле преподавания.