В работе с AI coding агентами часто сталкиваюсь с одной и той же проблемой: они любят расписывать свои мысли длинными монологами, а не просто сделать нужный шаг. Это не просто раздражает — это пожирает токены и время. OnPoint — одна установка, которая учит больше десятка агентов (Claude Code, Cursor, Codex и прочих) придерживаться простой логики: сначала большая идея, потом следующий конкретный шаг, и минимум слов.
В этом посте расскажу, как OnPoint решает проблему «воды» в AI кодерах, покажу реальные кейсы и скажу, где этот подход будет полезен, а где — нет.
Почему AI coding агенты любят много болтать
Заходишь в сессию с Claude Code или Codex — и вместо того, чтобы получить конкретный action plan, получаешь развернутый анализ, рассуждения, предположения и прочую «философию». Вроде AI умный, но приходится рыться в тексте, чтобы понять, что же делать дальше.
Это не простое эстетическое неудобство. Каждый токен стоит денег, особенно если сессия длинная. Когда модель тратит токены на «водянистый» текст — меньше остается на реальные решения. В vibe coding, где хочется быстрого отклика и ясных действий, это сильно мешает.
Что такое OnPoint и как оно работает
OnPoint — это набор skills (навыков) и паттерн общения, который можно подключить практически к любому AI coding агенту. Разработчик Junchen Pan замерил, что при использовании OnPoint длина сессий сокращается на ~23% токенов без потери качества.
Основной принцип — заставить AI:
- Сначала выдать big idea, то есть суть задачи или подхода в паре предложений.
- Потом четко сформулировать следующий action — что делать прямо сейчас.
- Уменьшить количество лишних слов и рассуждений.
Для Claude Code можно просто:
npx skills add HuskyDanny/OnPoint
или скачать репозиторий и подключить навыки самостоятельно: https://github.com/HuskyDanny/OnPoint
Внутри — примеры prompt engineering и шаблоны, которые задают стиль ответа.
OnPoint в реальной работе: пример из практики
Представим, что нужно добавить в проект функционал сохранения данных локально при отключении сети. Без OnPoint запрос к AI может выглядеть так:
“Мне нужно сделать оффлайн-режим для приложения, чтобы пользователь мог сохранять введённые данные, когда нет интернета. Ты можешь подробно рассказать все варианты, как это сделать, плюсы и минусы? Какие технологии лучше использовать? Напиши пример кода.”
AI ответит несколькими абзацами, где расскажет про IndexedDB, LocalStorage, Service Workers и так далее, потом покажет код.
С OnPoint мы меняем prompt, чтобы AI сразу дал:
-
Big idea: «Используем IndexedDB для хранения данных оффлайн, потому что она лучше подходит для сложных структур и асинхронной работы.»
-
Next action: «Добавь в проект модуль с IndexedDB и напиши функцию сохранения данных.»
-
Минимум слов и сразу код.
Такой подход помогает не терять время на «рассказы» и сразу перейти к делу.
Вот пример, как может выглядеть prompt и ответ с OnPoint:
Prompt:
Explain briefly how to implement offline data saving using IndexedDB.
Then provide next action as a code snippet to add this functionality.
Keep it short and focused.
Ответ AI:
Big idea: IndexedDB — асинхронное хранилище, подходящее для оффлайн-режима.
Next action:
const dbPromise = indexedDB.open('myAppDB', 1); dbPromise.onupgradeneeded = event => { const db = event.target.result; db.createObjectStore('offlineData', { keyPath: 'id' }); }; // Функция для сохранения данных function saveData(data) { const tx = dbPromise.result.transaction('offlineData', 'readwrite'); const store = tx.objectStore('offlineData'); store.put(data); }Добавляй этот модуль и тестируй оффлайн.
Почему это важно для vibe coding и agentic workflows
Vibe coding — это когда мы хотим, чтобы AI был не просто ассистентом, а полноценным агентом, который быстро и эффективно двигает код вперед. Затянутые диалоги и длинные рассуждения убивают ритм.
OnPoint позволяет выстроить разговор с AI так, чтобы:
- Быстро получать четкий план действий.
- Экономить токены.
- Избегать переизбытка информации, которая сбивает с толку.
- Сократить cognitive load — меньше читать, больше делать.
В agentic workflows, где несколько агентов работают вместе (например, один управляет архитектурой, другой — кодом, третий — тестами), OnPoint помогает синхронизировать коммуникацию без лишних слов.
Где OnPoint может не подойти
В сложных исследовательских задачах или при проработке архитектурных решений, где важно разобрать варианты и возможные последствия, OnPoint может слишком «зажимать» AI. Иногда хочется именно длинного объяснения с рассуждениями.
Еще OnPoint не решит проблемы, если сам AI агент недостаточно компетентен или ему не хватает знаний. Это скорее про стиль общения и экономию ресурсов, чем про качество ответов.
Кому стоит попробовать OnPoint
- Тем, кто активно использует Claude Code, Cursor, Codex и похожих агентов и устал от «воды» в ответах.
- Командам, которые строят agentic workflows и хотят оптимизировать коммуникацию между агентами.
- Разработчикам, которые хотят экономить токены и ускорить цикл кодирования с AI.
- Всем, кто в vibe coding ищет способ сделать AI помощника более «продуктивным» и less chatty.
Что делать дальше
- Подключите OnPoint к своему любимому AI coding агенту, например, через npx skills.
- Попробуйте использовать OnPoint в реальных задачах — обратите внимание, сколько токенов и времени экономится.
- Если нужно больше гибкости — поиграйтесь с prompt engineering на основе шаблонов из репо.
- Следите за обновлениями и обсуждениями на GitHub — разработчик активно принимает фидбек.
OnPoint — простой, но полезный инструмент, который реально улучшает взаимодействие с AI coding агентами. Он не меняет самих агентов, а помогает им говорить по делу. Если вы устали от длинных объяснений и хотите, чтобы AI делал больше, а говорил меньше — попробуйте OnPoint.
Попробуй сам: Cursor — AI-редактор для разработчиков.