3,583 papers
arXiv:2605.19901 74 19 мая 2026 г. PRO

LLM-ловушка чистоты: почему AI пишет "аккуратный" код, который разваливается — и конкретный промпт-патч

КЛЮЧЕВАЯ СУТЬ
Меньше проблем в коде — признак качества? У LLM всё наоборот. Модель пишет с минимумом «запахов кода» (стандартных симптомов плохого дизайна) — но не потому что хорошо спроектировала. Ответственности просто слиты в одну кучу: проверять особо нечего. Метод позволяет получать от LLM структурно грамотный код — с декомпозицией по предметной области, а не монолит на 300 строк. Добавь в промпт блок «Требования к структуре» плюс фразу «покажи список классов до кода» — и модель переключается с «сгенерировать кратчайший путь» на «построить карту предметной области». Итог: разные классы под разные задачи, разделённые ответственности, минимум зависимостей между модулями.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с