Быстрый старт SENAR: 5 минут до надёжной AI-разработки

Вы используете AI для написания кода. SENAR делает результат надёжным.

Никаких совещаний. Никаких обязательных сертификаций. Эти привычки — SENAR Core: 8 правил, 2 шлюза качества, 2 метрики — всё, что нужно для старта. Затраты на внедрение: менее 1 часа, около 5 минут за сессию после этого.

6 привычек

ПЕРЕД ТЕМ как дать AI задание

1. Запишите ЧТО и КОГДА ГОТОВО

Перед началом запишите две вещи:

• Цель — что должно быть сделано (одно предложение)
• Критерии приёмки — как вы поймёте, что готово (нумерованный список, каждый пункт проверяется независимо)

Плохо: «Добавить функциональность логина» Хорошо: «Реализовать вход по email/паролю. КП: 1. POST /auth/login возвращает JWT при валидных данных. 2. Возвращает 401 при неверном пароле. 3. Возвращает 422 при отсутствии поля email. 4. Токен истекает через 24 часа.»

Почему это важно: Качество вывода AI равно качеству входных данных. Размытая цель порождает правдоподобный код, который падает в продакшене. Точная цель с чёткими критериями приёмки даёт тестируемый и корректный код с первой попытки.

2. Установите границы

Скажите AI, что НЕ ТРОГАТЬ:

• «Изменяй ТОЛЬКО директорию users/»
• «НЕ модифицируй схему базы данных»
• «Следуй паттернам из auth/router.py»

Без границ AI уверенно отрефакторит половину кодовой базы, чтобы «улучшить» то, о чём вы не просили.

ПОКА AI работает

3. Проверяйте по критериям, а не по ощущениям

Не просто бегло взгляните на код, думая «выглядит нормально». Проверьте каждый критерий приёмки:

• КП 1: POST /auth/login возвращает JWT? → Проверьте тест или запустите его.
• КП 2: Возвращает 401 при неверном пароле? → Проверьте тест.
• КП 3: Нет email → 422? → Проверьте тест.

Если для критерия нет теста — критерий не проверен.

4. Документируйте тупиковые подходы

Когда подход не сработал, запишите одно предложение — почему:

• «Попробовал bcrypt для хеширования паролей — импорт не работает на Python 3.14, переключился на argon2»
• «SQLAlchemy async session: нельзя использовать lazy loading, нужен selectinload»

Это занимает 10 секунд и экономит часы — вам на следующей неделе, вашему коллеге, любому AI, который читает вашу базу знаний.

ПОСЛЕ того как готово

5. Запустите тесты

Если тесты проходят И все критерии приёмки выполнены → готово. Если нет → не готово. Без исключений, без «наверное, работает».

6. Зафиксируйте полученные знания

Если вы обнаружили что-то неочевидное в ходе задачи, запишите:

• Решение, которое вы приняли, и почему
• Паттерн, который хорошо сработал
• Подводный камень, который вас удивил

Примечание — 6 привычек vs. 8 правил Базовой конфигурации: Эти 6 привычек охватывают суть 8 правил SENAR Core. Полный Core добавляет две явные практики: многоуровневый чеклист верификации для латентных дефектов (Правило 5) и анализ первопричин перед устранением симптомов (Правило 7). Если вы работаете в регулируемом контексте или в условиях высоких рисков, прочитайте полный документ Core, прежде чем полагаться только на этот Быстрый старт.

До и После: реальные данные

Эти цифры получены на одном проекте (6 микросервисов, 552 задачи, $989 затрат на AI, 38 сессий). Они иллюстративны, не универсальны — ваши цифры будут другими. SENAR требует устанавливать собственные базовые показатели, прежде чем ставить целевые.

Без структурированного процесса (сессии 1–3, ad hoc):

• Задачи без критериев приёмки → AI выдавал код, который «выглядел правильно», но не проходил крайние случаи
• Тупиковые подходы не документировались → одни и те же ошибочные подходы повторялись между сессиями
• Без дисциплины сессий → марафоны по 200+ минут с заметным снижением эффективности
• Дефекты обнаруживались после «готово» → ориентировочная стоимость переделки ~$105 на пропущенный дефект (оценка на основе данных проекта: средняя стоимость переработки дефектов, обнаруженных после завершения задачи)

С внедрёнными привычками SENAR (сессии 4–38):

• У каждой задачи есть цель + КП перед стартом → First-Pass Success Rate улучшился до 85%+ (задачи корректны с первой попытки)
• Тупиковые подходы документируются → повторные ошибки исключены для задокументированных случаев
• Сессии ограничены 120 минутами с контрольными точками → стабильная производительность, без «вылетов» контекста
• QG-0 блокирует работу без задачи → ноль задач «а для чего это было?»

Оговорка: Это опыт одной команды (N=1), а не контролируемый эксперимент. Улучшение смешивает внедрение методологии с естественным обучением команды. Нужны независимые воспроизведения — именно поэтому мы опубликовали стандарт, чтобы другие тоже могли измерять.

Стоимость SENAR: ~5 минут накладных расходов за сессию + 1–3 минуты на задачу. Чего вы избегаете: переделки из-за размытых требований, повторение тупиковых подходов, марафонные сессии с падающей продуктивностью.

Вот и всё

Эти привычки напрямую соответствуют правилам SENAR Core — самодостаточного подмножества стандарта SENAR. Всё остальное в методологии построено на этом фундаменте.

Что вы получаете:

• Меньше сюрпризов «у меня работает»
• AI чаще выдаёт корректный код с первой попытки (мы это измеряем — это называется First-Pass Success Rate)
• Знания накапливаются, а не испаряются между сессиями
• Вы можете передать работу другому разработчику (или себе будущему) без потери контекста

Что это стоит: ~5 минут накладных расходов за сессию + 1–3 минуты на задачу для целей, критериев и верификации.

Следующие шаги