Репетиция live coding интервью с AI-помощником: Java, Spring Boot и правила Cursor
Grok видит троллинг в запрете DDD, GPT объясняет замысел
Репозиторий cagridursun/ai-peer-live-coding-agent показывает, как с помощью AI-ассистента Cursor провести структурированное двухчасовое live coding интервью на Java и Spring Boot. В примере с Word Counter API главное не готовый код, а процесс: сначала спецификация, затем разбивка на мелкие задачи и инкрементальная реализация. Правила .cursor/rules удерживают ИИ в режиме второго пилота, чтобы кандидат сам принимал решения и мог объяснить каждую строку. Новичку это даёт готовый тренажёр для подготовки к реальным собеседованиям без копирования завершённого решения. Подход подходит и для парной тренировки.
Репозиторий cagridursun/ai-peer-live-coding-agent — это учебный пример live coding интервью на Java и Spring Boot, в котором AI-ассистент Cursor выступает не как автопилот, а как второй пилот. В центре примера не только готовый API для подсчёта слов, но и сам рабочий процесс: как кандидат вместе с ИИ проходит двухчасовое собеседование и не отдаёт помощнику управление. Для студента или джуна это шаблон для тренировки: можно отрабатывать поведение на реальном собеседовании, не копируя готовое решение. Главный элемент — правила .cursor/rules. Они задают рамки: сначала спецификация, затем инкрементальная разработка, трёхслойная архитектура Spring Boot, тесты и принцип «copilot, not autopilot». В docs/SPEC.md лежит спецификация, написанная за первые десять минут без кода. В todo/ — семь небольших задач с критериями приёмки. Сам код разделён на контроллер, сервис, хранилище, валидацию и обработку ошибок, что помогает двигаться маленькими шагами, а не строить архитектуру с размахом. Сессия начинается с клонирования репозитория и запуска проекта в Cursor. Первые десять минут отводятся только спецификации: нужно описать эндпоинты, модель данных, граничные случаи и не-цели. Затем пять минут тратятся на план: AI создаёт не больше восьми задач, кандидат просматривает и сокращает список. Остальное время — инкрементальная реализация: одна задача за раз, после каждой команда mvn test, обновление статуса на DONE и краткое объяснение изменений. После генерации кода обязателен ownership pass: упростить имена, проверить коды ответов и добавить хотя бы одно улучшение в тестах. Это важно, потому что на собеседовании нужно объяснять каждое решение, а не ссылаться на ИИ. В статье приведены примеры промптов. Рабочие запросы: перескажи задачу и задай три уточняющих вопроса, напиши спецификацию в виде списка без кода, разбей работу на задачи и остановись до реализации, реализуй только TODO 01 и запусти тесты. Плохие просьбы — собрать весь API целиком, применить гексагональную архитектуру или DDD, пропустить тесты. Такой набор помогает новичку просить AI о помощи, не теряя контроля над ходом собеседования. В репозитории разобран конкретный Word Counter API: POST /api/word-counter принимает текст или ссылку и накапливает количество слов, а GET /api/word-statistics/{word} возвращает общее число. Для запуска нужны Java 21+ и Maven 3.9+, тесты запускаются через mvn test, приложение — через mvn spring-boot:run. Покрытие включает MockMvc-тесты для успешного сценария и ошибки 400, тест параллельного доступа для атомарного суммирования и проверку контекста приложения. Проект можно использовать в трёх режимах: практика с чистого листа в новой ветке, демонстрация готового решения с разбором спецификации и задач, а также своя задача, когда спецификация подставляется в docs/SPEC.md, а правила остаются неизменными. Так репозиторий становится тренажёром для интервью: сначала сформулировать требования, затем спланировать, затем писать и тестировать код небольшими порциями. AI используется только для каркасов, DTO и заготовок тестов, а финальная ответственность и объяснение выбора остаются за кандидатом.