Пишете код с AI, но не понимаете, растёте вы или просто жмёте Enter чаще? Microsoft выложила AI Engineer Coach, который разбирает ваши сессии и показывает это цифрами. Всё работает локально: данные не уходят с вашего компьютера.
Проект уже доступен на GitHub и ставится как расширение для VS Code. Главная идея простая: меньше иллюзий, больше фактов о вашей реальной работе с AI-ассистентами.
Наконец-то видно, как вы реально кодите с AI, а не как кажется
Обычно мы оцениваем себя на глаз. Здесь это ломается. Coach показывает ежедневную активность, недельные тренды и объём AI-кода по языкам, моделям и рабочим папкам.
Есть Timeline с Gantt-style (диаграмма в формате таймлайна задач), где видно пересечения и провалы по дням. Есть Patterns с heatmap (тепловая карта) 7×24, чтобы понять, когда вы действительно продуктивны.
- Dashboard: очки практики, динамика week-over-week (сравнение неделя к неделе), топ рабочих пространств.
- Output: сколько кода сгенерировал AI по языкам, harness (среда работы ассистента) и моделям.
- Timeline: подробная лента сессий и overlap detection (поиск пересечений по времени).
- Patterns: карта активности по часам и дням, сигналы work-life balance (баланс работы и жизни).
Самое полезное для команды, где все заняты: за 2 минуты видно, кто экспериментирует с AI осознанно, а кто просто дергает подсказки без системы.
Что изменилось по-настоящему: от «подсказок» к инженерной дисциплине
Главный блок тут, это Anti-Patterns. Сервис проверяет вас по 45 правилам: от качества промптов до hygiene (чистота процесса), code review (проверка кода), tool mastery (владение инструментами) и context management (управление контекстом).
И это не «оценка ради оценки». Для каждого провала есть severity (уровень серьёзности), конкретные действия и примеры промптов, которые можно применить сегодня.
- Нашли повторяющийся промпт, превращаете его в reusable skill (повторно используемый навык).
- Плохо задан контекст, получаете context health score (оценка здоровья контекста).
- Инструкции в проекте кривые, включаете instruction-file audit (аудит инструкционных файлов).
- Нужна тонкая настройка, правите правила в markdown (текстовый формат разметки) или визуальном редакторе.
Есть даже Rule Playground с REPL (интерактивная консоль), где можно тестировать логику правил на своих данных. Это уровень, которого не хватало большинству AI-команд.
Зачем Microsoft это сделала и что за этим стоит
Сигнал прозрачный: рынок уходит от «вау, AI пишет код» к «покажи, как именно вы с ним работаете». Теперь важны не эмоции, а метрики, привычки и повторяемый результат.
Второй сигнал, приватность. Проект read-only (только чтение), без proprietary telemetry (закрытая телеметрия), без phone home (скрытая отправка данных домой). Для многих компаний это решающий фактор.
Дополнительные AI-функции включаются только вручную. Некоторые модули используют Copilot language model API (интерфейс языковой модели Copilot), но только по явному действию пользователя.
Отдельно важно: это open-source (открытый исходный код) под MIT, и авторы прямо пишут, что это community effort (инициатива сообщества), а не официальный продукт поддержки Microsoft.
Как применить прямо сейчас, даже если вы не технарь
Если вы предприниматель, маркетолог или тимлид, вам не нужно писать сложный код. Вам нужно видеть, где команда теряет время и как ускорить цикл задач.
- Для фаундера: сравнивайте команды по реальному AI-output (выходу AI), а не по отчётам в чате.
- Для продакта: находите узкие места в процессе, где AI помогает мало или вредит качеству.
- Для разработчика: собирайте личную статистику, улучшайте промпты и контекст каждый спринт.
- Для агентств: показывайте клиентам прозрачные метрики работы, а не «поверьте, мы старались».
Базовый запуск занимает несколько шагов: скачать репозиторий, собрать .vsix, установить расширение, открыть дашборд командой в палитре. Ссылка на проект: github.com/microsoft/AI-Engineering-Coach.
Дальше всё просто: фильтруете по workspace (рабочее пространство) или harness (среда ассистента), смотрите тренды, чините слабые места, повторяете цикл раз в неделю.
Куда это ведёт дальше
Следующий этап AI-эры, это не новые модели, а новая грамотность их использования. Победят не те, у кого «самый умный бот», а те, кто умеет измерять привычки, исправлять ошибки и превращать хаос подсказок в управляемую систему.