Технарь пишет статью с AI: пайплайн, слои и чеклист

Вы проектировали системы, которыми пользуются тысячи людей. Разбирались в инцидентах, от которых зависел бизнес. Знаете вещи, не описанные ни в одной документации. Но статью на Хабр — не написали. Потому что «не умею писать», «не хватает времени на оформление», «получается сухо и скучно».

AI меняет эту ситуацию. Не «пишет за вас» — помогает превратить экспертизу в читабельный текст. Но между «скормил тезисы в ChatGPT» и «написал сильную статью с помощью AI» — огромный путь. Эта статья — о том, как его пройти.

Три части: сначала разберём, из каких слоёв состоит статья и где именно AI полезен. Потом — конкретный пайплайн от идеи до публикации. И в конце — чеклист ошибок, которые AI наверняка допустит, а вам нужно отловить.

Часть 1. Три слоя статьи: что ваше, а что — AI

Техническая статья состоит из трёх слоёв. Понимание этого разделения — ключ к эффективному использованию AI.

Слой 1: Факты, экспертиза, опыт — вы + AI на подхвате

Это ядро статьи. То, ради чего её будут читать.

• Какую проблему вы решали и почему она нетривиальна

• Какие подходы пробовали и почему одни не сработали

• Конкретные цифры: нагрузка, латенси, объём данных, характеристики системы

• Неочевидные грабли, на которые вы наступили

• Выводы, основанные на реальном опыте

AI не может этого дать. У него нет вашего опыта. Он не стоял в три часа ночи перед мониторингом, наблюдая, как деградирует прод. Он не знает, почему вы выбрали Kafka, а не RabbitMQ, в вашем конкретном случае.

Ваш опыт и выводы — на 100% ваши. Но AI может помочь с исследованием: найти релевантные данные в документации, собрать контекст, проверить цифры по открытым источникам. Главное — не путать его находки со своей экспертизой и всегда перепроверять.

Слой 2: Структура и аргументация — вы + AI

Как организовать материал, чтобы читатель не потерял нить? С чего начать — с проблемы или с результата? Где дать технические детали, а где — общую картину?

Структура — отдельный от технической экспертизы навык. Хороший инженер не обязан уметь выстраивать драматургию текста. Вот где AI реально полезен:

• Предложить два-три варианта структуры по вашим тезисам

• Подсказать, что читатель без контекста не поймёт третий абзац без вступления

• Найти логические разрывы: «вы перескочили от проблемы к решению, не объяснив, почему другие подходы не подошли»

Разделение: Вы определяете, что сказать. AI помогает определить, в каком порядке.

Слой 3: Стиль и оформление — AI + вы

Формулировки, переходы между абзацами, вводные предложения разделов, грамматика, единообразие терминологии. Это работа, которая отнимает у технаря больше всего времени — и которую AI делает хорошо.

Но здесь AI порождает слоп — если оставить его без контроля. «В современном мире технологий», «Важно отметить», «Существует несколько подходов» — этот generic-стиль мгновенно опознаётся читателями и вызывает раздражение.

Разделение: AI генерирует черновой текст, вы переписываете его в своём стиле. Степень переработки зависит от ваших задач: от лёгкой редактуры до полного переписывания.

Почему это разделение важно

Когда критики говорят «эта статья написана AI», они обычно имеют в виду третий слой — стиль. Но ценность статьи определяется первым слоем — экспертизой. Читатель приходит на Хабр не за красивыми формулировками, а за знаниями, которых нет в документации.

Автор, который использует AI для третьего слоя, но вкладывает свою экспертизу в первый — пишет сильную статью. Копирайтер, который красиво оформляет пустоту руками — пишет слоп, безо всякого AI.

Часть 2. Пайплайн: от тезисов до публикации

Вот конкретный процесс. Семь шагов. На каждом — что делаете вы, что делает AI, и где типичные ловушки.

Шаг 1. Тезисы — вы (AI помогает с подготовкой)

Откройте пустой файл. Напишите ответы на четыре вопроса:

1. Что я сделал? (или: что я знаю, чего не знают другие?)

2. Какую проблему это решает? (или: кому это будет полезно?)

3. Что неочевидно? (грабли, контринтуитивные решения, нюансы)

4. Какой главный вывод? (одно предложение)

Не думайте о стиле. Пишите как в рабочем чате: короткими фразами, с сокращениями, с «ну типа вот так». Задача — выгрузить знания из головы, а не создать текст.

Пример:

тема: миграция с монолита на микросервисы, БД PostgreSQL проблема: при наивном разделении теряем транзакционность решение: saga pattern, но с кастомной компенсацией грабли: 1) Saga orchestrator стал single point of failure 2) eventual consistency сломал отчёты бухгалтерии 3) дебаг распределённых транзакций — ад без трейсинга вывод: не всё нужно разделять, некоторые bounded contexts лучше оставить в общей БД

AI на этом шаге: может помочь с подготовкой — найти цифры, уточнить контекст, проверить детали по документации. Но сами тезисы формулируете вы на основе своего опыта. Если нечего сказать по существу — AI не поможет. Значит, у вас пока нет материала для статьи.

Шаг 2. Структура — вы + AI

Дайте AI ваши тезисы и попросите предложить структуру. Не текст — только скелет.

Промпт:

Вот тезисы технической статьи для Хабра: [тезисы]. Предложи 2–3 варианта структуры. Для каждого варианта: — с чего начать — как выстроить логику повествования — куда поместить технические детали — чем закончить Текст не пиши — только структуру и обоснование, почему именно такой порядок.

AI предложит варианты. Типичные:

• «Начни с боли — покажи решение — разбери грабли — сделай вывод»

• «Начни с результата — объясни, как пришёл — разбери альтернативы»

• «Хронологический: было → попробовали → сломалось → починили → выводы»

Выбирайте то, что лучше работает для вашей конкретной истории. Иногда лучший вариант — ваш собственный, который вы имели в голове с самого начала. Это нормально.

Шаг 3. Черновик разделов — AI + вы

Здесь AI участвует активнее. Даёте тезисы конкретного раздела и просите развернуть в текст.

Промпт:

Напиши черновик раздела технической статьи для Хабра. Тезисы раздела: [тезисы] Аудитория: бэкенд-разработчики с опытом 3+ года Тон: технический, конкретный, без воды Это черновик для переработки, не финальный текст. Не используй вводные типа «Важно отметить», «В современном мире», «Стоит подчеркнуть». Пиши конкретно.

Генерируйте черновик по разделам, не всю статью сразу. Причины:

• Контроль: вы видите, где AI придумывает, а где работает с вашим материалом

• Качество: короткие промпты с конкретными тезисами дают лучший результат

• Гибкость: один раздел можно перегенерировать, не трогая остальные

Ключевое правило: черновик — это болванка, не скульптура. Из черновика берите структуру предложений и удачные переходы. Всё остальное — переписывайте.

Шаг 4. Переписывание — только вы

Самый важный шаг. Здесь черновик AI превращается в вашу статью.

Что делать:

• Заменить generic-примеры на свои. AI напишет «например, сервис обработки заказов». Вы замените на конкретику из вашего проекта.

• Добавить свой голос. Мнения, оценки, юмор (если уместен), признания ошибок. Всё, что AI не может и не должен генерировать.

• Выкинуть воду. Абзацы, которые звучат правильно, но не содержат информации. «Существует множество подходов к решению данной задачи» — это не информация.

• Проверить, что вы согласны с каждым утверждением. AI иногда формулирует ваши тезисы не совсем так, как вы имели в виду. Неточная формулировка — ваша проблема, не AI.

Ориентир: если вы переписали меньше 40% черновика — вероятно, вы недоработали. Если больше 80% — возможно, проще было писать с нуля.

Шаг 5. AI как первый читатель — AI

Готовый текст (уже переписанный вами) отправьте AI с другим промптом:

Ты — читатель Хабра, бэкенд-разработчик с 5-летним опытом, но не специалист в [теме статьи]. Прочитай текст и отметь: 1. Где тебе стало непонятно 2. Где захотелось пролистать 3. Где не хватает примера 4. Где ты потерял нить рассуждения 5. Какие вопросы у тебя остались после прочтения НЕ предлагай формулировки. Только укажи проблемные места и объясни, почему они проблемные.

Типичные замечания, которые реально полезны:

• «Ты используешь термин X, но нигде его не объясняешь. Читатель без контекста не поймёт.»

• «Между разделами 2 и 3 — логический скачок. Непонятно, как ты от проблемы перешёл к решению.»

• «Слишком много технических деталей подряд. После третьего абзаца с конфигами хочется перемотать.»

Это не значит, что нужно принимать всё вслепую. AI иногда жалуется на сложность того, что ваша аудитория прекрасно понимает. Думайте над каждым замечанием.

Шаг 6. Фактчекинг — вы + AI

AI галлюцинирует. Это не баг, а фундаментальное свойство. Но это не значит, что AI бесполезен на этапе проверки — наоборот, он может стать первой линией фактчекинга. Вопрос — как именно.

AI как помощник в фактчекинге — два режима:

Чат с веб-поиском (ChatGPT, Claude, DeepSeek — у всех сейчас есть эта опция) кажется хорошим инструментом для проверки. Но есть архитектурное ограничение: на весь ответ чат делает 1–3 поисковых запроса, а не по одному на каждое утверждение. Когда вы просите «проверь факты в этой статье», модель воспринимает это как задачу на анализ — выхватит 5–10 подозрительных утверждений из 50–100, остальные пропустит.

Причём утверждения из середины длинного текста теряются чаще всего — это известная проблема lost in the middle (Stanford, 2023). Исследование Chroma Research (2025) подтверждает: модель с окном 200K токенов работает лучше всего на ~10K, а между 10K и 100K качество падает на 20–50%. Используйте чат как первый фильтр для отлова грубых ошибок, но не рассчитывайте на системную проверку каждого факта.

AI-агент с веб-поиском (Claude Code, Roo Code и другие) — принципиально другой инструмент. Он может последовательно проверить все факты по актуальным источникам: найти текущую версию библиотеки, открыть RFC, сверить дату релиза. Результат надёжнее, но всё равно требует вашей проверки — агент может неверно интерпретировать найденное или выбрать нерелевантный источник.

Практический подход: попросите AI-агента с поиском пройти по вашему тексту и проверить каждое фактическое утверждение, дав ссылки на источники. Затем пройдите по его отчёту сами — проверьте ссылки, убедитесь, что интерпретация корректна.

Что проверять (вручную или с помощью AI):

• Все версии ПО, номера RFC, даты релизов

• Поведение API, CLI-флагов, конфигурационных параметров

• Числовые данные: бенчмарки, статистику, метрики

• Все ссылки — существуют ли они и ведут ли туда, куда нужно

• Цитаты — действительно ли человек это говорил

Финальная ответственность — ваша. Даже после проверки с AI проверяйте то, что вы «знаете». AI мог незаметно изменить формулировку вашего тезиса так, что она стала неточной. Пример: вы написали «latency выросла на 20%», AI переформулировал как «latency увеличилась в 1.2 раза» — математически верно, но если исходная цифра была приблизительной, ложная точность создаёт ложное впечатление.

Шаг 7. Финальная вычитка — вы

Прочитайте текст вслух. Буквально — произнесите каждое предложение. Где спотыкаетесь — переписывайте. Этот метод ловит проблемы, которые не видны при чтении глазами:

• Слишком длинные предложения

• Неестественные обороты (часто — остатки AI-стиля)

• Повторы, которые проскочили на предыдущих шагах

Последнее слово — всегда за вами. Даже если вы не переписываете текст целиком, финальная вычитка и одобрение — ваша ответственность.

Сколько времени это занимает

Типичная статья на 8–12 тысяч знаков:

• Шаг 1 (тезисы): 30–60 минут

• Шаг 2 (структура): 15–20 минут

• Шаг 3 (черновик): 20–30 минут

• Шаг 4 (переписывание): 1.5–2 часа

• Шаг 5 (AI как читатель): 15–20 минут

• Шаг 6 (фактчекинг): 30–60 минут

• Шаг 7 (финальная вычитка): 20–30 минут

Итого: 4–5 часов. Без AI — 7–10 часов (для тех, кому тексты даются тяжело — часто больше). У многих этого времени для написания статей просто не найдётся.

Часть 3. Чеклист: ошибки AI-текста, которые вы обязаны поймать

AI допускает характерные ошибки. Некоторые — очевидные, некоторые — коварно незаметные. Вот чеклист, который стоит проходить перед каждой публикацией. (Некоторые из этих проблем, впрочем, характерны и для людей — знакомы ещё по школьным сочинениям)

1. Галлюцинации фактов

Что делает AI: уверенно называет несуществующие RFC, выдуманные флаги CLI-утилит, неверные даты релизов. Делает это с такой уверенностью, что хочется поверить.

Как поймать: проверить каждый конкретный факт по первоисточнику — по официальной документации. AI-агент с веб-поиском (см. Шаг 6) может ускорить эту работу, но финальная сверка — по первоисточнику, не по пересказу.

Пример: AI пишет «согласно RFC 7231, заголовок X-Request-ID является обязательным». На самом деле RFC 7231 ничего не говорит о X-Request-ID — этот заголовок не стандартизирован ни в одном RFC.

2. Ложная точность

Что делает AI: «рынок оценивается в $140,55 млрд» — абсурдная точность для прогноза. «Latency уменьшилась на 47.3%» — когда вы писали «примерно вдвое».

Как поймать: для каждого числа спросите себя — с какой точностью оно реально измерено? Если вы писали «около 50%» — не позволяйте AI превращать это в «47.3%».

3. Generic-стиль

Что делает AI: «В современном мире технологий...», «Важно отметить, что...», «Существует несколько подходов к решению данной задачи...». Каждый из этих оборотов — маркер непереработанного AI-текста.

Как поймать: поиск по тексту: «важно», «следует», «стоит отметить», «в целом», «в заключение хотелось бы». Если нашли — переформулируйте или удалите. Чаще всего эти предложения не несут информации.

4. Потеря нюансов

Что делает AI: упрощает вашу мысль до банальности. Вы написали «Saga pattern подходит не всегда — при сильной связанности сервисов компенсирующие транзакции становятся сложнее самого монолита». AI переформулировал: «Saga pattern имеет свои ограничения».

Как поймать: сравните каждый ключевой тезис AI-текста с вашими исходными тезисами. Если детали потерялись — верните их.

5. Неверные аналогии

Что делает AI: предлагает аналогии, которые работают на поверхности, но ломаются при детальном рассмотрении. «Микросервисы — это как конструктор Lego» — нет, Lego-блоки имеют стандартизированные интерфейсы, микросервисы — нет.

Как поймать: для каждой аналогии задайте вопрос: где она ломается? Если аналогия ломается в ключевом месте — уберите её или явно укажите границы.

6. Уравнивание неравного

Что делает AI: перечисляет варианты как равноценные, когда один из них явно лучше (или хуже). «Можно использовать Redis, Memcached или файловый кеш» — если файловый кеш в вашем контексте абсурден, AI этого не скажет.

Как поймать: в каждом списке вариантов проверьте — действительно ли они равноценны в вашей ситуации. Если нет — укажите, какой вариант предпочтительнее и почему.

7. Выдуманный консенсус

Что делает AI: «Общепринятой практикой является...», «Большинство разработчиков предпочитают...», «Как известно...» — без указания источника. AI выдаёт свои генерации за консенсус сообщества.

Как поймать: если в тексте есть утверждение о «большинстве» или «общепринятой практике» — либо подтвердите ссылкой, либо переформулируйте как своё мнение: «По моему опыту...».

8. Равномерная структура

Что делает AI: все абзацы одинаковой длины, каждый раздел — ровно три подпункта, каждый подпункт — ровно два примера. Реальные тексты так не выглядят: некоторые мысли заслуживают развёрнутого объяснения, другие — одного предложения.

Как поймать: посмотрите на текст «издалека» — как на картинку, не читая. Если блоки одинакового размера — перед вами скорее всего шаблон, а не живой текст. Переструктурируйте: развернуть важное, сжать очевидное.

9. Отсутствие позиции

Что делает AI: излагает все точки зрения нейтрально: «С одной стороны... С другой стороны... Выбор зависит от конкретной ситуации». Технический читатель приходит за мнением эксперта, а не за энциклопедической справкой.

Как поймать: после каждого раздела спросите: что конкретно я рекомендую? Если ответа нет — добавьте свою позицию. «Мы пробовали оба подхода. Первый работает для X, но при Y — второй однозначно лучше. Вот почему.»

10. Мёртвые переходы

Что делает AI: «Рассмотрев X, перейдём к Y», «Теперь поговорим о Z», «Как упоминалось ранее». Это наполнитель, который не несёт информации.

Как поймать: удалите все переходные предложения. Перечитайте. Если текст читается нормально без них — они были лишними. Если нужна связь между разделами — сделайте её содержательной: последнее предложение раздела должно создавать вопрос, на который отвечает следующий раздел.

11. Некорректная атрибуция

Что делает AI: приписывает цитаты не тем людям, путает авторство идей и концепций. «Как говорил Мартин Фаулер...» — а Фаулер этого не говорил.

Как поймать: каждую атрибуцию и цитату проверяйте по первоисточнику. Если не можете найти первоисточник — уберите атрибуцию.

12. Непроверяемые утверждения о производительности

Что делает AI: «Это решение увеличивает производительность на 40%», «Задержка снижается в 3 раза». Без указания условий измерения — бессмысленные утверждения.

Как поймать: для каждого утверждения о производительности проверьте: есть ли условия? На какой нагрузке? На каком железе? С каким профилем данных? Если условий нет — добавьте или переформулируйте. «В нашем случае (N запросов/сек, M ядер, PostgreSQL 16) перенос этой логики снизил p99 latency с 200ms до 80ms.»

Итоговый чеклист

Перед публикацией пройдите каждый пункт:

• [ ] Все факты проверены по первоисточникам

• [ ] Числа не точнее, чем реальные измерения

• [ ] Нет generic-вводных и пустых оборотов

• [ ] Ключевые тезисы не потеряли нюансов

• [ ] Аналогии корректны и указаны их границы

• [ ] Перечисления отражают реальные приоритеты

• [ ] Утверждения о «большинстве» подкреплены источниками

• [ ] Структура неравномерна — как в живом тексте

• [ ] Есть ваша позиция, а не нейтральная отписка

• [ ] Переходные предложения содержательны или удалены

• [ ] Атрибуции и цитаты проверены

• [ ] Утверждения о производительности содержат условия

Заключение

Статья, написанная технарём с AI, — это не «текст от нейросети». Это экспертные знания, оформленные с помощью инструмента. AI участвует на каждом этапе — от исследования материалов и структурирования до оформления и фактчекинга. Но ценность статьи определяется первым слоем: тем, что знаете только вы. Без этого слоя всё остальное не стоит ничего.

Навык письма — ценный. Но отсутствие этого навыка не должно быть причиной, по которой ваш 20-летний опыт остаётся в голове вместо того, чтобы помочь другим инженерам.

Пишите. Проверяйте. Публикуйте.

Больше историй об айти и географии у меня в тг