ИИ для кода в 2026: как писать код быстрее с агентом

ИИ для кода — это агент с доступом к папке с вашим проектом. Он читает файлы, вносит правки сразу в несколько из них, запускает тесты, видит ошибки в выводе и продолжает, пока задача не закроется. Не автодополнение строки и не переписка в чате: разница именно в доступе к вашим файлам. Считается это в токенах, и арифметика прозрачная — одна задача с агентом съедает примерно 100 000 токенов, это около 7,9 ₽ по тарифной сетке. При регистрации на AgentHere начисляют 1 000 000 токенов один раз, то есть первых десяти задач хватает за 0 ₽. Работают агенты на двух моделях, DeepSeek V4 Pro и DeepSeek V4 Flash, окно контекста у них 1 048 576 токенов — средний репозиторий влезает целиком. Ниже: пошаговый сценарий первой задачи, инструкция от скачивания до результата, честный список того, где агент буксует, и цены в рублях.

Что агент делает в проекте?

Агент открывает папку и читает то, что в ней лежит. Дальше он работает циклом: действие, наблюдение, следующее действие.

Возьмём задачу, которую проще всего повторить. В проекте на Python сорок файлов и падающий тест оформления заказа. Задание словами: «тест test_checkout падает, когда количество товара отрицательное, почини». Агент находит файл теста, читает связанный модуль, ищет место, где количество проверяется, правит валидатор, запускает тест. Если завалилась соседняя ветка — видит это в выводе и правит дальше. В конце отдаёт дифф: список файлов и строк, которые тронул.

Сравните с чатом. Чат выдаст функцию в окне переписки. Дальше вы сами копируете её в редактор, сами ищете вызовы, сами запускаете тест и сами разбираете, что он написал в третий раз. Агент делает это внутри проекта, а вам оставляет проверку.

Инструменты для создания кода делятся ровно по этому признаку: чат не имеет доступа к файлам, автодополнение видит одну строку, агент — весь проект. Когда ИИ пишет код в вашем репозитории, он видит соседние модули и может проверить результат сам. Когда в окне переписки — не может.

Почему речь идёт не об эксперименте, а о рабочем режиме:

• 95% российских Java-разработчиков пользуются ИИ-инструментами, 53% — каждый день (VK и JUG Ru Group, State of Java Insights 2026, больше 700 участников).
• 96% лидеров российского финтех-рынка применяют ИИ в разработке, 68% компаний пробовали вайб-кодинг (Ассоциация «ФинТех», сентябрь 2026).
• В «Т-Технологиях» ИИ-агентами пользуются 85–90% разработчиков (Коммерсантъ).
• Самые частые задачи для ИИ в ИТ — написание кода (59,1%), документация (51,1%), прототипы (43,7%). Опрос K2 Cloud и Хабра, 872 анкеты.

Цифры по стране выглядят бодро, но у них есть вторая половина. Для написания кода ИИ применяют только 25% разработчиков, для поиска багов и автотестов — 29% (SkillStaff, больше 1000 респондентов). Разрыв объясняется просто: писать с нуля в чате умеют все, а дать агенту доступ к репозиторию и настроить ревью — уже работа.

Что агент делает сам, а что решаете вы?

Увеличить

Граница проходит по одному признаку: есть ли у задачи проверяемый критерий «готово». Если критерий формулируется — тест зелёный, ошибка не повторяется, линтер молчит, — агент доводит работу до конца сам. Если критерий только в вашей голове, агент его не угадает.

Агент не решает, что строить, и не отвечает за последствия. Он берёт описанную работу и доводит её до состояния, которое можно проверить.

Спорить о том, какой ИИ для кода лучший, по сводным таблицам почти бессмысленно. На реальном проекте разница между топовыми моделями меньше, чем разница между задачей с критерием готовности и задачей без него.

Про автоматизацию есть отдельное измерение. В Claude Code 79% диалогов — это автоматизация, когда ИИ выполняет задачу сам, в обычном чате таких 49% (Anthropic Economic Index). Успешность задач по разработке оценивается в 61% против 78% для личных дел (Anthropic, январь 2026). Код — тяжёлая категория, обещать 100% попаданий никто не может.

Как поставить первую задачу: пошаговый сценарий

Первую задачу берите такую, которую не жалко откатить. Не бизнес-логику, не оплату, не миграцию. Рутину: дописать тесты, разобрать lint, обновить зависимости, убрать дублирование в трёх похожих функциях.

1. Убедитесь, что проект лежит в git и рабочая копия чистая. Это ваша страховка: любое изменение агента откатывается одной командой git checkout ., а дифф видно целиком.
2. Откройте папку проекта в десктопном приложении. Агент работает с локальными файлами, не с копией в чужом облаке.
3. Задайте стартовые правила: где лежат тесты, какой командой они запускаются, какой линтер используется, чего делать нельзя. Без этого агент угадывает команды и половину времени тратит на неверные попытки.
4. Сформулируйте задачу в пять строк. Цель — что должно измениться. Файлы — куда смотреть. Ограничения — что не трогать. Критерий готовности — как понять, что получилось. Запреты — чего не делать (например, «не коммить, покажу дифф я»).
5. Запустите и прочитайте план, а не результат. Если агент собирается править пять файлов вместо одного, это видно на этапе плана, и переделывать потом не придётся. Как формулировать такие задания, подробно разобрано в материале про постановку задачи нейросети для кода.
6. Смотрите дифф построчно. Не «вроде норм», а именно построчно. Сгенерированный код чаще всего ошибается в мелочах: перепутанные границы условий, потерянная обработка пустого значения, лишняя зависимость.
7. Отдельным заданием попросите тест на то, что изменилось. Агент напишет его быстрее вас, а вы получите проверку на будущее.
8. Закоммитьте сами. Пусть между агентом и историей проекта останется человек, который нажал кнопку.

Первая такая задача занимает 15–20 минут вместе с проверкой. Дальше вы уже понимаете, что этому инструменту отдавать, а что нет.

Как это делать в AgentHere

Десктопное приложение AgentHere собрано на форке opencode. Внутри работают две модели, deepseek-v4-pro и deepseek-v4-flash, плюс 57 инструментов MCP: чтение страниц, веб-поиск, генерация изображений, работа с файлами.

Порядок действий от нуля до первой выполненной задачи:

1. Скачайте приложение со страницы /download. Windows — установщик .exe на 119 МБ. macOS — .dmg (129 МБ для Apple Silicon, 133 МБ для Intel). Linux — AppImage на 145 МБ. Системные требования скромные: Windows 10+, macOS 12+ или Linux x64, 4 ГБ оперативной памяти (8 ГБ лучше), 500 МБ на диске.
2. Установите. Windows покажет предупреждение SmartScreen, потому что сборка без цифровой подписи: нажмите «Подробнее», затем «Выполнить в любом случае». На macOS откройте .dmg, перетащите AgentHere.app на рабочий стол и снимите карантин командой sudo xattr -cr ~/Desktop/AgentHere.app. На Linux сделайте файл исполняемым: chmod +x agenthere-electron-linux-x86_64.AppImage.
3. Войдите в аккаунт. Кнопка «Войти» открывает браузер для аутентификации, после входа вернитесь в приложение. Аккаунта ещё нет — регистрация на /signup занимает минуту, а 1 000 000 токенов приходит после подтверждения почты.
4. Откройте вкладку «Агенты» в боковой панели. Найдите нужного агента и нажмите «Установить». Галерея готовых шаблонов лежит на /agents — там есть каркасы под разработку, аналитику, тексты; инструкции внутри агента переписываются под ваш проект обычным текстом.
5. Выберите установленного агента в боковой панели и укажите папку с проектом.
6. Опишите задачу словами. Не кодом, не «сделай хорошо», а так, как объяснили бы стажёру: что не работает, где смотреть, как проверить результат.
7. Посмотрите, что изменилось, и проверьте тестами. Если результат не тот, не начинайте заново — допишите уточнение в тот же диалог. Вторая итерация обычно попадает точнее первой.
8. Дальше — по кругу. Расход видно в /dashboard/usage, цены на пакеты — на странице /pricing.

Про приватность скажу прямо. Проект лежит на вашей машине, но запросы уходят провайдеру модели, и в контекст попадают фрагменты кода, которые агент читает по ходу задачи. Лежат в репозитории ключи или клиентские данные — он их прочитает. Уберите секреты из папки до первой задачи. По данным опроса, 4% российских компаний-разработчиков уже фиксировали атаки на рабочие ИИ-инструменты, а ещё 22% их не отслеживали.

Сколько это стоит в рублях?

Подписок у AgentHere нет. Оплата разовая, без автопродления, картой или через СБП, в рублях, без VPN.

Скидка новичка действует 48 часов после регистрации. Тариф Scale даёт −33% на все следующие пакеты бессрочно. Токены не сгорают, срок годности у них не выставлен.

Пересчёт в работу выглядит так. Одна задача с агентом — примерно 100 000 токенов, около 7,9 ₽. Бесплатного миллиона хватает примерно на десять таких задач. В пакете Plus семь миллионов токенов, то есть порядка семидесяти задач, а на Scale каждый токен обходится дешевле всего. Медианная зарплата ИТ-специалиста в России в первом полугодии 2026 — 191 000 ₽ (Хабр, 45 226 зарплатных выборок). Час такой работы стоит дороже, чем десяток задач агента.

Теперь про бесплатно, потому что запрос «ИИ для кода бесплатно» упирается в одну неприятную деталь. Постоянно бесплатного тарифа с ежемесячной квотой нет. Миллион токенов начисляется один раз, и это не подписка, а разовый бонус. Анонимный веб-чат даёт 5 сообщений в час, история в нём не сохраняется. Если нужен только ответ на вопрос, а не правка в проекте, чат дешевле и быстрее: агенту нужен доступ к файлам, а это уже другой сценарий.

Для сравнения по рынку, чтобы видеть порядок цифр: GitHub Copilot Free даёт 2000 автодополнений в месяц, платные планы идут за $10, $39 и $100 (GitHub Docs). Голый API DeepSeek без агентской обвязки стоит $0,15 за миллион входных токенов в непиковые часы (DeepSeek API Docs). Открытый opencode ничего не стоит сам по себе, но требует ключа провайдера и настройки (opencode Docs).

И ещё одна вещь, которую лучше знать до регистрации: Claude и GPT платформа не предоставляет. Их здесь нет — запрос к таким моделям вернёт ошибку. Доступны DeepSeek V4 Pro и V4 Flash, а через API — ещё glm-5.2 и glm-4.7-flash. Если по каким-то причинам нужен именно Claude, AgentHere не подойдёт, и обходить это нечем.

Работает ли это из России?

Оплата упирается в два барьера, которые не зависят от вашей карты. OpenAI блокирует российские IP с середины 2024 года, а Stripe отклоняет карты с российским BIN ещё до попытки списания. У Cursor отказ приходит по диапазону BIN, карта «Мир» не работает. В мае 2026 года Claude начал массово блокировать аккаунты пользователей из России.

Обходные пути стоят дороже, чем кажется. Замер восьми посредников по оплате ChatGPT Plus: при честной цене 1568 ₽ по курсу ЦБ сервисы брали от 1890 ₽ (+21%) до 2709 ₽ (+73%). Плюс риск, что аккаунт заблокируют вместе с историей.

Российский вариант закрывает вопрос оплаты, но не отменяет ограничений модели. У AgentHere оплата рублёвая, без VPN — этого хватает, чтобы начать.

Что выбрать, если вы уже сидите в редакторе и не хотите ставить десктоп: платформа отдаёт OpenAI-совместимый API по ключу ah_, лимит 60 запросов в минуту и 100 000 токенов в день. Ключ создаётся в /dashboard/developer, дальше он прописывается в тот же opencode, Cursor или Cline. Разбор популярных клиентов и их поведения из России — в обзоре ИИ-клиентов для кода, сравнение моделей по задачам — в материале о нейросетях для программирования.

Когда это не сработает

Отдельный раздел, который в обзорах пропускают. Ниже — случаи, когда нейросеть для кода не окупается, и почти все они не про качество модели.

Нет git и нет тестов. Агент правит один модуль и ломает соседний. Вы узнаёте об этом через неделю, когда что-то отваливается в проде. Без системы контроля версий и без прогона тестов агент опаснее, чем полезен, — вернуться к рабочему состоянию будет нечем.

У задачи нет критерия «готово». «Сделай красиво», «ускорь как-нибудь», «перепиши нормально» — на такие формулировки агент выдаёт что-то правдоподобное и бесполезное. 66% разработчиков в опросе Stack Overflow назвали главным раздражением «почти правильные» решения: код выглядит рабочим, но не работает. Ещё 46% не доверяют точности сгенерированного кода, а 30% почти или совсем не доверяют ему (DORA 2025).

Архитектура и продуктовые решения. Выбор стека, схема базы, границы сервисов, что нужно пользователю — ИИ для написания кода этого не решает. Он не знает вашего рынка и ваших планов на год.

Прод, доступы и секреты. Агент не должен иметь прав на пуш в основную ветку, на доступ к боевой базе и к ключам. Это правило не про недоверие к модели, а про цену ошибки.

Работа с недоверенным содержимым. Скрытые инструкции можно спрятать в issue, комментарии или в тексте веб-страницы, которую агент читает, и тогда он выполнит их как ваши. OpenAI описывает это прямо: вредоносный MCP-сервер способен вынести чувствительные данные из всего, что попало в контекст модели. Отдельная история — пакеты: подмена LiteLLM на PyPI в марте 2026 пролежала около трёх часов и была скачана почти 47 тысяч раз, а заражённый пакет Nx заставлял локальные CLI собирать файл с секретами. Если агент предлагает установить незнакомую зависимость, проверьте её в реестре руками.

Легаси без документации. Агент читает то, что видит. Неявные соглашения, о которых знает только ушедший разработчик, нейронка для кода не восстановит: она уверенно предложит «правильный» вариант и сломает три интеграции.

Большие миграции и рефакторинг вслепую. Чем больше радиус изменений, тем выше шанс, что архитектурный дрейф накопится быстрее, чем вы заметите. GitHub формулирует это прямо: рост пропускной способности на 20–30% возможен, но «архитектурный дрейф может накапливаться быстрее без правильных ограничителей».

И главное. Если вам нужен совет, объяснение или разбор ошибки — берите обычный чат. Писать код агентом дороже, дольше и сложнее, чем спросить и поправить руками в одном файле. Инструмент окупается там, где работы много и она повторяется.

Что делать сегодня

Скачайте приложение на /download, зарегистрируйтесь, если аккаунта нет, и возьмите одну задачу из разряда «руки не доходят»: тесты на старый модуль, разбор предупреждений линтера, обновление устаревшей зависимости. Миллиона токенов хватит примерно на десять задач — этого достаточно, чтобы понять, окупается ли у вас такой режим.

Посмотреть на устройство агента без установки можно в веб-чате на /chat: анонимному пользователю доступно 5 сообщений в час. Полный цикл работы над продуктом с ИИ разобран в гайде по разработке с ИИ, а правила безопасной работы с правами и ветками — в настройке ИИ-агента для кода.

Источники

1. CNews: 95% российских Java-разработчиков используют ИИ-инструменты (VK и JUG Ru Group, State of Java Insights 2026)
2. CNews: 96% лидеров российского финтех-рынка применяют ИИ в разработке (Ассоциация «ФинТех»)
3. CNews: 74% ИТ-специалистов используют ИИ, 25% — для написания кода (SkillStaff)
4. Хабр: топ задач для ИИ в ИТ (K2 Cloud, 872 анкеты)
5. Коммерсантъ: 71% компаний используют генеративный ИИ, в «Т-Технологиях» — 85–90% разработчиков
6. Anthropic Economic Index: 79% диалогов в Claude Code — автоматизация
7. Anthropic Economic Index, январь 2026: успешность задач по разработке — 61%
8. DORA 2025: рост продуктивности и недоверие к сгенерированному коду
9. DORA: отчёт 2025 года, ИИ как усилитель практик
10. Stack Overflow Developer Survey 2025: ИИ
11. GitHub Blog: 20–30% прироста пропускной способности и риск архитектурного дрейфа
12. GitHub Docs: тарифы GitHub Copilot
13. DeepSeek API Docs: цены
14. opencode Docs: открытый ИИ-агент для программирования
15. Хабр: два барьера для оплаты ChatGPT из России
16. Хабр: оплата Cursor российской картой — отказ по BIN
17. РБК: Claude блокирует аккаунты пользователей из России (май 2026)
18. Хабр: подмена пакета LiteLLM на PyPI в марте 2026
19. Хабр: заражённый пакет Nx и сбор секретов локальными CLI
20. РБК: 4% компаний фиксировали атаки на рабочие ИИ-инструменты
21. OpenAI Platform: риски prompt injection в MCP
22. Хабр Карьера: медианная зарплата ИТ-специалистов в 1П 2026 — 191 000 ₽