ИИ-генерация кода в TypeScript: от промпта до продакшена

Онлайн-тренажер Python для начинающих

Изучайте Python легко и без перегрузки теорией. Решайте практические задачи с автоматической проверкой, получайте подсказки на русском языке и пишите код прямо в браузере — без необходимости что-либо устанавливать.

Начать курс

Почему ИИ-генерация кода — это не хайп, а новая реальность TypeScript-разработчика

Давайте честно: ещё пару лет назад фраза «нейросеть написала мне продакшен-код» звучала как фантастика. Сегодня это рутина. TypeScript с его строгой типизацией и богатой экосистемой стал идеальным полигоном для генерации кода с помощью ИИ. ИИ не просто вставляет болванки — он генерирует типы, интерфейсы, запросы к API и даже целые middleware.

В этой статье мы не будем обсуждать «заменит ли ИИ программистов». Мы засучим рукава и посмотрим, как уже сегодня вписать AI-генерацию кода в TypeScript в реальный рабочий процесс. Без воды, с примерами, промптами и граблями, на которые мы уже наступили.

Как ИИ помогает генерировать TypeScript-код: три сценария

Прежде чем кидаться в код, давайте разберём, где именно генерация TypeScript кода нейросетью даёт наибольший прирост скорости. Я выделяю три ключевых сценария, которые покрывают 90% задач в коммерческой разработке.

1. Автодополнение и рефакторинг «на лету»

Современные IDE с плагинами вроде GitHub Copilot или Tabnine уже умеют предсказывать ваш следующий шаг. Но магия происходит, когда вы пишете сигнатуру функции — и ИИ генерирует тело метода, учитывая типы аргументов. Особенно это мощно в TypeScript, где контекст типов позволяет модели выдавать безопасный код с первого раза.

// Пример: пишем промпт в Copilot
// "Создай функцию для пагинации с типизированными параметрами"

interface PaginationParams<T> {
  page: number;
  limit: number;
  sortBy?: keyof T;
  order?: 'asc' | 'desc';
}

async function fetchPaginated<T>(
  url: string,
  params: PaginationParams<T>
): Promise<{ data: T[]; total: number }> {
  // Copilot сгенерирует:
  const query = new URLSearchParams({
    page: String(params.page),
    limit: String(params.limit),
    ...(params.sortBy && { sortBy: String(params.sortBy) }),
    ...(params.order && { order: params.order }),
  });
  const response = await fetch(`${url}?${query}`);
  if (!response.ok) throw new Error(`HTTP error! status: ${response.status}`);
  return response.json();
}

Обратите внимание: ИИ сам подставил keyof T и корректно обработал опциональные поля. Это экономит минуты, которые вы бы потратили на обдумывание типа.

2. Генерация boilerplate-кода по спецификации

Второй сценарий — когда у вас есть описание задачи на естественном языке, и вы хотите получить готовый модуль. Здесь мы используем OpenAI API для генерации TypeScript кода. Лучший способ — передать модели контекст: существующие типы, стиль кода, нейминг.

// Пример промпта для GPT-4:
// "Напиши TypeScript функцию, которая принимает массив пользователей
// и возвращает статистику по возрасту. Используй readonly и satisfies."

type User = {
  name: string;
  age: number;
  isActive: boolean;
};

type AgeStats = {
  min: number;
  max: number;
  average: number;
  median: number;
};

function getAgeStats(users: readonly User[]): AgeStats satisfies Record<string, number> {
  const ages = users.map(u => u.age).sort((a, b) => a - b);
  const sum = ages.reduce((acc, val) => acc + val, 0);
  const mid = Math.floor(ages.length / 2);

  return {
    min: ages[0],
    max: ages[ages.length - 1],
    average: sum / ages.length,
    median: ages.length % 2 === 0
      ? (ages[mid - 1] + ages[mid]) / 2
      : ages[mid],
  };
}

Ключевой момент: мы явно попросили readonly и satisfies — современные фичи TypeScript. ИИ их знает и использует, если попросить. Без явного указания модель может вернуть «среднестатистический» JS-код.

3. Интеграция AI-генерации в CI/CD пайплайн

Самый продвинутый уровень — когда генерация кода происходит автоматически при мерже PR или по расписанию. Например, вы можете настроить бота, который анализирует GraphQL-схему и генерирует TypeScript-типы. Или бот, который пишет unit-тесты на Jest для новых функций. Это уже не просто «помощник», а полноценный участник команды.

Практический гайд: как вызвать ИИ для генерации кода из TypeScript

Давайте соберём простой, но рабочий сервис на Node.js + TypeScript, который генерирует код по промпту. Мы будем использовать Vercel AI SDK — он даёт единый интерфейс для OpenAI, Anthropic и других моделей.

Установка и настройка

npm install ai @ai-sdk/openai zod

Создадим файл code-generator.ts:

import { openai } from '@ai-sdk/openai';
import { generateText } from 'ai';
import { z } from 'zod';

const promptSchema = z.object({
  task: z.string().min(10, 'Опишите задачу подробнее'),
  language: z.enum(['typescript', 'javascript']).default('typescript'),
  context: z.string().optional(),
});

export async function generateCode(input: {
  task: string;
  language?: 'typescript' | 'javascript';
  context?: string;
}) {
  const { task, language, context } = promptSchema.parse(input);

  const systemPrompt = `Ты — senior TypeScript разработчик. 
Напиши код на ${language}, используя строгую типизацию, 
современный синтаксис (ES2022+), избегай any. 
${context ? `Контекст проекта: ${context}` : ''}`;

  const { text } = await generateText({
    model: openai('gpt-4o'),
    system: systemPrompt,
    prompt: `Задача: ${task}\n\nНапиши только код, без объяснений.`,
    temperature: 0.2, // низкая температура для консистентности
  });

  return text;
}

Теперь мы можем вызвать эту функцию из любого места — например, из CLI-утилиты или веб-интерфейса. Обратите внимание на zod: мы валидируем входные данные, чтобы ИИ не получил мусор. Это критично для безопасности генерации кода ИИ.

Промпт-инжиниринг: секретный соус

Главная ошибка новичков — писать промпты вида «напиши код для авторизации». ИИ выдаст нечто generic. Вместо этого используйте технику «роль + контекст + формат»:

Роль: «Ты — senior TypeScript разработчик в продуктовой команде»
Контекст: «Проект использует Next.js 14, Prisma, tRPC. Стиль: функциональный, без классов