Сначала разбор в ChatGPT, потом реализация в Codex

Один из полезных способов задействовать сильную модель ChatGPT — поручить ей разобраться в проекте до начала изменений. Дать фактические данные, попросить проверить предположения и подготовить план. А уже выбранное решение передать Codex для выполнения.

Автор идеи, разработчик Khazix0918, описал такую связку: подключил к ChatGPT журналы работы сервера, историю событий и таблицы через собственный инструмент с доступом только для чтения. Код и историю изменений добавил через GitHub. На этой основе GPT-6 Pro помогала ему анализировать проект и планировать доработки, после чего результат отправлялся в Codex.

Пример запроса:

Изучи доступные материалы проекта и помоги выбрать следующую доработку. Пока ничего не меняй. Покажи, какие проблемы подтверждены данными, и укажи источники. Отдели их от предположений. Если данных недостаточно, сначала задай вопросы. Предложи несколько вариантов решения. Сравни ожидаемую пользу, трудоёмкость и риски. Рекомендуй один вариант и объясни выбор. Подготовь задание для исполнителя: цель, необходимые изменения, ограничения, зависимости и проверяемые критерии готовности. Отдельно перечисли, что нельзя менять без дополнительного согласования.

Этот подход подходит и для задач за пределами разработки. Например, вы хотите улучшить сайт. Вместо просьбы «предложи, что переделать» дайте модели статистику посещений, обращения пользователей и описание текущих страниц. Попросите выяснить, какие проблемы подтверждаются данными, какие изменения стоит проверить первыми и как измерить результат.

Для начала достаточно подготовленных файлов и выгрузок. Если такой разбор нужен регулярно, можно подключить рабочие источники через приложения или MCP — протокол, позволяющий ИИ обращаться к внешним инструментам. Доступность подключений зависит от тарифа и настроек аккаунта. На этапе анализа полезно дать модели именно чтение данных: она собирает основания для решения, а изменения начинаются после вашего выбора.

После проверки этого документа его можно передать Codex, коллеге или подрядчику. Вместе с планом передайте ссылки на исходные данные: исполнителю понадобится проверить, что условия не изменились.

Сильной модели здесь достаётся задача, ради которой полезно потратить время на рассуждение: сопоставить разрозненные сведения и обосновать решение. А результатом становится конкретное задание, которое можно выполнить и проверить.

Следующий шаг

Контекст-инжиниринг — как собирать рабочий контекст для моделей нового поколения

По теме

• Статья: Прежде чем строить ИИ-агента, расскажите, как проходит ваш рабочий день
• Блог: Сначала — выгрузить из головы
• База знаний: Agents API или Codex: как выбрать способ автоматизации

Если вы хотите использовать ChatGPT и Codex в своих проектах, можно обсудить, какие данные подготовить для анализа и как передать результат в работу.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov