AI научился писать код, но не понимать его. Индустрия осознала: без контекста и человеческого участия искусственный интеллект превращает программирование в хаос. Теперь в центре — инженерия контекста.
От интуиции к системности
В начале 2025 года термин «vibe coding», введённый Андреем Карпати, мгновенно разошёлся по сообществу разработчиков. Он отражал подход, когда программисты и нейросети создавали код, опираясь на «ощущение правильности», а не на строгие технические требования. Казалось, это новая свобода. На деле — хаос под видом вдохновения.
Компания Thoughtworks в свежем отчёте Technology Radar отметила: индустрия столкнулась с «антипаттернами вайб-кодинга» — от избыточных промптов до самодовольства перед возможностями ИИ. Результат — код, который выглядит умным, но плохо работает в реальности.
«Мы увидели, что проблема не в скорости генерации кода, а в способности понимать контекст», — отмечают авторы отчёта Thoughtworks.
Рождение инженерии контекста
Из этого кризиса выросла новая дисциплина — context engineering. Её суть проста: ИИ должен не просто знать, что написать, а понимать, почему и в каком окружении. Для этого нужны техники передачи контекста — от метаданных до структурированных знаний о проекте, архитектуре и бизнес-логике.
Команды Thoughtworks экспериментируют с инструментами вроде Claude Code и Augment Code, где контекст подаётся как «прайминг знаний». Это делает ответы ИИ стабильнее, а код — надёжнее и менее подверженным бессмысленным перегенерациям.
Любопытно, что для некоторых задач лучший результат даёт не детализация, а наоборот — абстрагирование от исходного кода. Чем шире пространство решений, тем эффективнее проявляется генеративная способность модели. Так AI перестаёт быть копировщиком и становится креативным инженером.
Агентная эпоха и контекст как топливо
2025-й — это также год стремительного роста AI-агентов. Они не просто выполняют команды, а действуют в динамичных средах, требующих постоянного анализа контекста. Без него агенты теряются, совершают ошибки и порой даже вступают в логические конфликты.
Чтобы этого избежать, появляются решения вроде agents.md, Context7 и Mem0, позволяющие закреплять знания и поддерживать связь между агентами. Инженеры создают «якорные приложения», где агенты получают референсную систему — свой «источник правды».
Даже использование команд агентов (команд, состоящих из нескольких ИИ, выполняющих разные роли) оказалось эффективнее, чем один «всезнающий» агент. Это снижает нагрузку на отдельную модель и упрощает управление контекстом.
Стандарты и новая архитектура взаимодействия
Чтобы систематизировать хаос, индустрия переходит к стандартам. Model Context Protocol (MCP) становится универсальным способом связывать большие языковые модели с источниками данных и контекста. Параллельно Agent2Agent (A2A) формирует протокол общения между самими агентами.
Эти подходы напоминают ранние дни интернета — когда хаос REST-запросов уступал место API-спецификациям. То же самое сейчас происходит с AI-экосистемой: контекст становится новой инфраструктурой, а не просто «дополнительным параметром».
Agile 2.0: гибкость с опорой на контекст
Разработчики начинают задаваться вопросом, как соединить гибкость Agile с новыми требованиями к контексту. Появляется идея spec-driven development — разработки, основанной на спецификациях, но адаптивной к изменениям среды.
Команды внедряют «curated shared instructions» — наборы общих инструкций и стандартов, которые помогают сохранять общий контекст проекта, даже если задачи распределены между людьми и агентами. Это не звучит модно, но работает — особенно в крупных системах, где потеря контекста стоит дорого.
Контекст как новая валюта программирования
В 2025 году вектор развития сменился: на смену гонке за масштабом пришло понимание, что контекст — это новая валюта эффективности. Чем точнее ИИ понимает проект, тем меньше правок и больше пользы от его участия. А человек остаётся незаменимым посредником между смыслом и кодом.
«Да, AI нужен контекст. Но и людям он нужен не меньше», — напоминает Thoughtworks.
Главная роль программиста в ближайшие годы — стать инженером контекста. Тем, кто умеет связывать данные, смыслы и цели, чтобы AI-системы не просто выполняли задачи, а создавали результат с пониманием сути. Это и есть новая эра в программировании.
