Глоссарий AI-native разработки: агентное программирование, вайб-кодинг и ещё 16 терминов

Словарь AI-native разработки меняется быстрее любых словарей. Новые термины — агентное программирование, вайб-кодинг, MCP, context engineering, subagents — рождаются в X, появляются в CLI и за квартал становятся частью рабочего процесса команд. Эта страница — канонический справочник: каждый термин получает чёткое, цитируемое определение, исторические факты, которые обычные глоссарии упускают, и привязку к уровню 7-уровневой модели AI-Native Developer — от L1 Chat-Assisted Developer до L7 Universal AI Creator.

Каждая запись завершается одним и тем же честным вопросом: на какой уровень это тебя ставит? Когда дочитаешь — пройди 3-минутный квиз и узнай.

Перейти к термину

Термин	Уровень	Термин	Уровень
AI-native developer	L1–L7	evals	L6
Agentic coding	L3	worktrees	L5+
Agentic engineering	L4–L5	Context engineering	L4–L6
Vibe coding	Вне лестницы	Spec-driven development	L4–L6
AI-assisted development	L1–L7	Autonomous coding agent	L3→L5
MCP	L5–L6	Prompt engineering	L1–L2
Agent orchestration	L5	AI coding maturity model	сама модель
Subagents	L5+	Model routing	L5–L6
Plan-before-code	L3–L4	Verification harness	L4–L5

---

AI-native developer

AI-native developer — это разработчик, чей рабочий процесс по умолчанию строится на том, чтобы поручать AI-системам планирование, написание, тестирование и выпуск кода, а не набирать большинство строк вручную. Это измеряется автономией и привычками верификации — а не количеством установленных AI-инструментов.

Сегодня практически каждый разработчик «использует AI». Но это не одно и то же. Быть AI-native — это позиция, а не набор инструментов: AI выступает основным механизмом создания продукта, а твоя роль смещается в сторону постановки задач, ревью и проверки. Ключевой вопрос не пользуешься ли ты AI-ассистентом? — а сколько ты делегируешь и как проверяешь результат?

Именно это и оценивает 7-уровневая модель AI-Native Developer: от L1 Chat-Assisted Developer («Старомодного Мастера», копирующего из чата) до L7 Universal AI Creator (одного человека, ведущего полный цикл продукта с агентами). Твоё место определяется автономией и верификацией, а не вайбом.

На какой уровень это тебя ставит? Пройди квиз →

Agentic coding

Agentic coding — это подход к разработке, при котором автономные AI-агенты планируют, пишут, запускают, тестируют и правят код в несколько шагов при минимальном участии человека, используя инструменты — оболочку, редактирование файлов, тест-раннеры — внутри цикла обратной связи до завершения задачи.

Ключевое слово — цикл. Однократное автодополнение в чате выдаёт фрагмент и останавливается; агент в agentic coding владеет задачей целиком. Он читает репозиторий, строит план, редактирует файлы, запускает тесты, анализирует ошибки и пробует снова — итерируя по длинной траектории, а не отвечая на один промпт. Google Cloud определяет это как подход к разработке ПО, при котором автономные AI-агенты планируют, пишут, тестируют и модифицируют код при минимальном участии человека; IBM рассматривает лежащих в основе coding-агентов как AI-системы, сочетающие LLM-рассуждение с доступом к инструментам для работы в несколько шагов.

На лестнице agentic coding — отличительная черта L3, Agentic Developer («Агентного Нативного»): агент пишет рутинный код, ты планируешь до начала работы и не принимаешь результат на веру. Подробнее — в разделе agentic coding или на странице уровня L3 →.

На какой уровень это тебя ставит? Пройди квиз →

Agentic engineering

Agentic engineering — это профессиональная дисциплина оркестровки AI-агентов как силовых множителей при том, что человек сохраняет ответственность за архитектуру, качество и верификацию. Агенты делают большую часть набора кода; инженер направляет, ограничивает и проверяет.

Если agentic coding — это техника, то agentic engineering — это строгость вокруг неё. По определению MindStudio, это практика оркестровки AI-агентов для выполнения большей части кодирования при том, что человек сохраняет ответственность за архитектуру, качество кода и инженерное суждение — сформулированная как дисциплинированный преемник vibe coding в 2026 году. Акцент делается на спецификациях, evals, ревью и воспроизводимости, а не на «принять и надеяться».

Это соответствует диапазону L4–L5 — Director и Orchestrator — там, где ты перестаёшь писать рутинный код и начинаешь строить систему, которая его производит. Сравни vibe coding и agentic engineering в vibe coding vs agentic coding или посмотри все уровни.

На какой уровень это тебя ставит? Пройди квиз →

Vibe coding

Vibe coding — это создание программного обеспечения путём промптинга AI с принятием его результата без ревью кода. Термин ввёл Андрей Карпатий 2 февраля 2025 года, описав полное погружение в вайб и забвение самого кода — принятие изменений AI без чтения диффов.

Саймон Уиллисон сформулировал точный тест: vibe coding — «создание ПО с помощью LLM без проверки написанного им кода». Его следствие — то, что беспокоит опытных разработчиков: если ты проверяешь, тестируешь и можешь объяснить код, «это разработка ПО», а не vibe coding. Вот в чём вся суть. Vibe coding отлично подходит для одноразовых прототипов и экспериментов выходного дня; это риск, как только вещь должна работать в production без присмотра.

Критически важно: vibe coding находится вне инженерной лестницы L1–L7. Он порождает архетип Vibe Builder: создателя без кода / AI-creator, выпускающего реальные продукты с помощью AI app-builder-инструментов, не пиша традиционный код — AI-native с первого дня, но это другой вид по сравнению с инженером, поднимающимся по лестнице зрелости. Это не понижение; это другая игра со своей суперсилой (скоростью) и своим потолком. Подробнее — в vibe coding и сравнении vibe coding vs agentic coding.

На какой уровень это тебя ставит? Пройди квиз →

AI-assisted development

AI-assisted development — это любой рабочий процесс, при котором AI-инструменты — автодополнение, чат или агенты — помогают писать или изменять код, пока человек остаётся в цикле, проверяя и принимая решения. Это широкий зонтичный термин, охватывающий всё от L1 до L7.

Думай об этом как о надмножестве. И vibe coding, и agentic coding находятся внутри AI-assisted development; их разделяет степень предоставляемой автономии и способ верификации результата. Даёшь мало и проверяешь всё вручную — ты делегатор в начале лестницы. Даёшь много, но подключаешь verification harness — это дисциплинированный agentic engineering. Сам термин намеренно широк — именно поэтому уровневая модель полезна, чтобы найти своё место внутри него.

7-уровневая модель — это карта, превращающая этот зонтичный термин в спектр, на котором можно обозначить свою позицию.

На какой уровень это тебя ставит? Пройди квиз →

MCP (Model Context Protocol)

MCP (Model Context Protocol) — это открытый стандарт, позволяющий AI-моделям подключаться к внешним инструментам и источникам данных через единый универсальный интерфейс, вместо кастомных интеграций под каждый инструмент. Anthropic представила и открыла его в открытый доступ 25 ноября 2024 года (версия спецификации 2024-11-05), с SDK для Python и TypeScript.

Чаще всего его описывают как «USB-C для AI-инструментов»: один протокол — и любой совместимый клиент может говорить с любым совместимым сервером: документами, базой данных, трекером задач, оболочкой. До MCP каждая интеграция была разовым решением; после него возможности агента превращаются в экосистему плагинов. Принятие стандарта широко распространилось по всей индустрии в 2025–2026 годах, первоисточник — объявление Anthropic.

Подключить готовый MCP-сервер — это то, что большинство AI-assisted разработчиков могут сделать на раннем этапе. Но управление MCP в масштабах команды — решения о том, к чему агентам разрешён доступ, и написание переиспользуемых серверов — это сигнал уровня L5–L6 Methodologist. См. L6 → и связанный раздел про agent orchestration.

На какой уровень это тебя ставит? Пройди квиз →

Agent orchestration

Agent orchestration — это координация нескольких AI-агентов: распределение задач, выстраивание последовательности шагов, управление общим состоянием и слияние результатов — чтобы команда агентов справилась с работой, которую один агент не выполнит надёжно.

Доминирующая схема — orchestrator-worker (менеджер-исполнитель): один агент планирует и делегирует, ограниченные агенты-исполнители выполняют и отчитываются. Согласно документации Claude Code, в этом паттерне оркестратор владеет планом, каждый worker — ограниченной задачей; именно эта структура делает многоагентную работу управляемой, а не хаотичной.

Это определяющая черта L5, AI Engineering Architect («Оркестратора») — уровня, на котором ты проектируешь стек агентов, а не просто управляешь одним. См. L5 →, затем строительные блоки: subagents и worktrees.

На какой уровень это тебя ставит? Пройди квиз →

Subagents

Subagents — это изолированные агенты-исполнители, которым первичный агент делегирует задачи; каждый работает со своим свежим контекстом, доступом к инструментам и разрешениями, возвращая единственный итог — сохраняя контекст основного агента чистым, а работу — параллелизуемой.

Subagents — то, что удерживает оркестровку в управляемых рамках. Вместо одного раздутого контекстного окна, жонглирующего всем подряд, первичный агент запускает ограниченных исполнителей, каждый с чистым листом, и получает обратно аккуратный результат. Согласно документации Claude Code, каждый subagent работает со своим контекстом, инструментами и разрешениями — и не может порождать дальнейших subagents, так что вложенность ограничена по дизайну. Это ограничение — фича: оно предотвращает неконтролируемые деревья агентов.

Регулярное использование subagents — поведенческий сигнал уровня L5+: ты перешёл от управления одним агентом к работе с небольшой командой. См. L5 → и более широкий паттерн в agent orchestration.

На какой уровень это тебя ставит? Пройди квиз →

Plan-before-code

Plan-before-code — это дисциплина агентного программирования, при которой агент (или человек) создаёт явный план и согласовывает его до написания кода — чтобы намерение было проверено заранее, а шаг реализации оставался ограниченным и проверяемым.

Это дешёвая страховка. Несколько минут, потраченных на подтверждение «вот что я собираюсь делать и почему», предотвращают дорогостоящий сценарий: агент уверенно редактирует двадцать файлов не в том направлении. Это также сжигает меньше токенов и производит диффы, которые реально можно осмыслить. Plan-before-code — это входная привычка, которая естественно ведёт к spec-driven development.

Это привычка зрелости уровня L3–L4 — момент, когда ты перестаёшь отпускать агентов в свободное плавание и начинаешь ставить им барьер в виде согласованного плана.

На какой уровень это тебя ставит? Пройди квиз →

Verification harness

Verification harness — это набор автоматизированных проверок — тесты, линтеры, проверки типов, скрипты сборки и запуска — соединённых так, чтобы AI-агент мог верифицировать свою работу в цикле и самокорректироваться, без того чтобы человек читал каждый дифф.

Именно это делает высокоавтономное («YOLO») агентное программирование безопасным, а не безрассудным. Агент с сильным harness может работать на горячую: попробовал изменение, запустил проверки, прочитал ошибки, исправил, повторил — потому что проверки ловят ошибки раньше тебя. Агент без harness — это просто непроверенный риск, движущийся быстро. Harness превращает доверие в систему, а не в надежду.

Создание переиспользуемых harness — это разделительная черта L4–L5: она отделяет «я проверяю каждое изменение» от «я доверяю циклу и проверяю результат». См. уровни →, затем сопоставь с evals.

На какой уровень это тебя ставит? Пройди квиз →

Evals

Evals — это систематические тесты, проверяющие, производит ли AI-модель или агент корректные, надёжные результаты. Для coding-агентов evals проверяют, правильно ли агент планирует, вызывает инструменты и выполняет многошаговые задачи по всей траектории — а не только выглядит ли финальный ответ правильным.

Существуют две основные формы, согласно Confident AI: code-based evals (автоматизированные CI-подобные проверки) и LLM-as-a-judge. Для задач программирования важна траектория, поскольку прогон охватывает много шагов — агент может создать правильный файл по неправильным причинам или добраться до прохождения теста опасным путём. Evals это фиксируют. Они — разница между «сработало один раз» и «работает надёжно».

Написание и поддержка evals — сигнал уровня L6 Methodologist: ты не просто используешь агентов, ты измеряешь и сертифицируешь их поведение. См. L6 → и родственный элемент — verification harness.

На какой уровень это тебя ставит? Пройди квиз →

Worktrees

Git worktrees — это отдельные рабочие директории, разделяющие историю одного репозитория; так несколько AI-агентов могут работать каждый на своей изолированной ветке или чекауте параллельно — не затирая файлы друг друга.

Это стандартный механизм для запуска нескольких сессий Claude Code на одной кодовой базе одновременно. Согласно документации Claude Code, worktree — это отдельная рабочая директория с собственной веткой, разделяющей историю того же репозитория; это позволяет нескольким агентам работать параллельно на изолированных чекаутах. На практике worktrees совмещают с изоляцией портов и баз данных, чтобы параллельные агенты не сталкивались и за пределами файловой системы.

Параллельные агентные рабочие процессы в worktrees — черта уровня L5+: Director на L4 уже работает так с несколькими агентами, а L5 Orchestrator систематизирует это. См. agent orchestration и L5 →.

На какой уровень это тебя ставит? Пройди квиз →

Context engineering

Context engineering — это, в формулировке Андрея Карпатия в июне 2025 года, «тонкое искусство и наука заполнения контекстного окна именно той информацией, которая нужна для следующего шага». Это дисциплина проектирования всего, что видит LLM: инструкции, извлечённые документы, результаты инструментов, память и состояние.

Карпатий предпочёл этот термин «prompt engineering» в июне 2025 года, а Anthropic формализовала концепцию в сентябре 2025 года. Переосмысление важно: в production-агентных системах формулировка любого отдельного промпта — лишь малая часть того, что определяет качество результата. Как указывает Glean, prompt engineering — это подмножество context engineering; полный контекст включает также историю разговора, извлечённые документы, результаты инструментов и состояние агента. Разрыв в качестве между AI-пользователями сегодня — это контекст, а не волшебные слова.

Осознанное применение context engineering — сигнал уровня L4–L6: именно этим занимаются люди, когда тщательно ведут файлы CLAUDE.md, проектируют извлечение и целенаправленно распределяют бюджет контекстного окна. Сравни с его подмножеством — prompt engineering — и см. уровни →.

На какой уровень это тебя ставит? Пройди квиз →

Spec-driven development

Spec-driven development — это методология, в которой письменная спецификация служит источником истины, на основе которого AI-агенты генерируют, тестируют и валидируют код. Сначала пишешь спецификацию, затем план, затем небольшие тестируемые задачи, затем реализацию.

По определению GitHub, спецификация становится контрактом того, как должен вести себя код — источником истины, который инструменты и AI-агенты используют для генерации, тестирования и валидации. GitHub анонсировала и открыла исходный код Spec Kit (лицензия MIT) 2 сентября 2025 года с основным потоком Spec → Plan → Tasks → Implement, явно позиционируя его как воспроизводимую, дисциплинированную альтернативу стихийному vibe coding. Это plan-before-code, доведённый до логического завершения.

Spec-driven рабочие процессы — маркер зрелости уровня L4–L6. Они опираются на plan-before-code и лежат в основе того, как Director и Methodologist выпускают продукты. См. уровни →.

На какой уровень это тебя ставит? Пройди квиз →

Autonomous coding agent

Autonomous coding agent — это AI-система, которая принимает цель и самостоятельно планирует, редактирует файлы, запускает команды и тесты, итерирует до завершения — работая по длинной многошаговой траектории, а не отвечая на один промпт.

CLI-агенты вроде Claude Code — канонический пример. Важный нюанс: автономия — это спектр, а не переключатель: насколько далеко ты позволяешь агенту работать без присмотра («YOLO mode») определяется двумя вещами — твоим verification harness и предоставленными разрешениями. Сильный harness плюс жёсткие разрешения — безопасная автономия. Слабый harness плюс широкие разрешения — плохой день.

Научиться доверять автономным агентам, не ломая production, — это и есть прогрессия L3 → L5 сама по себе: от «агент пишет рутинный код» до «агент выполняет многозадачные циклы от начала до конца». См. уровни →.

На какой уровень это тебя ставит? Пройди квиз →

Prompt engineering

Prompt engineering — это практика составления текстовых инструкций, передаваемых LLM, — формулировок, примеров, роли и формата вывода — для управления моделью к желаемому результату за один обмен.

Это по-прежнему важно; чёткие инструкции всё ещё лучше небрежных. Но область переосмыслила его как один из компонентов более широкой дисциплины. В production-агентных системах промпт — малая доля общего контекста, в который входят также история, извлечённые документы, результаты инструментов и состояние — именно поэтому context engineering стал более полезным фреймом.

Prompt engineering — стандартный инструмент L1–L2, который вырастает в context engineering примерно на L4. С него начинают большинство; потолок находится не здесь.

На какой уровень это тебя ставит? Пройди квиз →

AI coding maturity model

AI coding maturity model — это уровневый фреймворк, оценивающий степень AI-native зрелости разработчика или команды по автономии и поведению в части верификации, а не по количеству инструментов. 7-уровневая модель AI-Native Developer от ProCoders (L1 Chat-Assisted → L7 Universal AI Creator) — один из примеров; 8 стадий агентного рабочего процесса Стива Ягге — другой.

Модели зрелости дают быстро меняющейся области общий словарь для описания градиента доверия — наклонной плоскости от «AI дополняет строчку» до «я построил собственный оркестратор». 8 уровней Ягге описывают тот же градиент: от почти нулевого использования AI до создания собственного оркестратора, с критическим переломом на стадиях 5–6, где один синхронный агент уступает место нескольким параллельным (по резюме Augment Code). Уровневый фрейм позволяет командам говорить о направлении, а не только об инструментах.

Канонический пример на этом сайте и есть сама модель — именованная 7-уровневая модель AI-Native Developer с персонажами и конкретными поведенческими сигналами для каждой ступени. Самый быстрый способ воспользоваться ею — квиз.

На какой уровень это тебя ставит? Пройди квиз →

Model routing

Model routing — это автоматический выбор модели AI или провайдера для каждого запроса на основе стоимости, задержки, возможностей и доступности: простые задачи отправляются дешёвым моделям, сложные — фронтирным, с фолбэками.

Это рычаг стоимости и надёжности, и разброс достаточно велик, чтобы это имело значение: по данным OpenRouter, стоимость токена между фронтирными и более дешёвыми моделями может различаться примерно в 10x–50x, а платформы вроде OpenRouter предоставляют элементы управления маршрутизацией и лимиты цены. Разумный routing флота агентов позволяет резервировать дорогие фронтирные модели для работы, которая действительно их требует, пока дешёвые модели обрабатывают простой объём.

Настройка маршрутизации моделей в флоте агентов и определение политики для этого — сигнал архитектора L5–L6; L5 Orchestrator владеет политикой model-routing для агентов всей команды. См. L5 →.

На какой уровень это тебя ставит? Пройди квиз →

---

Как эти термины соответствуют лестнице

Определения — лишь половина истории. Причина, по которой этот глоссарий привязывает каждый термин к уровню, в том, что одно и то же слово означает разное на разных ступенях зрелости. «Использовать MCP» — ранний сигнал; «управлять MCP» — продвинутый. «Запустить агента» — это L3; «оркестровать флот в worktrees» — L5. Вот сжатая карта:

Уровень	Персона	Термины глоссария, сигнализирующие об этом
L1 Chat-Assisted	Old-School Artisan	prompt engineering
L2 AI-Assisted Junior	Delegator	prompt engineering, AI-assisted development
L3 Agentic Developer	Agentic Native	agentic coding, plan-before-code, autonomous coding agent
L4 System Builder	Director	verification harness, spec-driven development, context engineering
L5 Engineering Architect	Orchestrator	agent orchestration, subagents, worktrees, model routing
L6 Methodologist	Methodologist	evals, управление MCP, переносимые методы
L7 Universal AI Creator	Creator	полный цикл в одиночку — всё вышеперечисленное
Вне лестницы	Vibe Builder	vibe coding

Последняя строка — то различие, которое упускают типичные глоссарии. Vibe coding — не нижняя ступень; это другая лестница. Vibe Builder выпускает продукты без традиционного кода; инженер L1–L7 поднимается к управлению системами, которые это делают. Оба пути законны — просто это не одна и та же дорога.

Найди свой уровень

Чтение определений объясняет, что означают слова. Квиз скажет, где находишься ты на 7-уровневой модели AI-Native Developer — исходя из твоей реальной автономии и привычек верификации, примерно за три минуты.

Пройди квиз → /quiz