Введение: как я перестал платить за AI-кодинг и не потерял в качестве
Привет. Я предприниматель, который последние два года плотно сидит на vibe coding — это когда ты набрасываешь идею, а AI генерирует код, тесты, архитектуру. В 2025 году я был уверен, что без Claude Code (от Anthropic) нормальная разработка невозможна. $200 в месяц за подписку Pro? Без вопросов. Пока в начале 2026 года не наткнулся на Goose — открытый инструмент от компании Block (Square). Goose делает ровно то же самое: пишет код, рефакторит, деплоит, читает документацию, работает с Git. Только цена — ноль. И это не урезанная версия. Я перевёл на него три своих проекта и не оглядываюсь назад. Давайте разберём, в чём разница, где подвох и почему $200/мес — это переплата, если вы не корпорация.
Проблема: $200 в месяц за то, что можно получить бесплатно
До апреля 2026 года я платил за Claude Code Pro $200 ежемесячно. Это давало доступ к модели Claude Opus 4 в режиме «агента» — AI сам открывал файлы, запускал тесты, коммитил код. Работало круто, но бюджет стартапа не резиновый. Я веду три микросервиса на Python, один на Go и пару скриптов для аналитики. Каждый месяц — $200. За год — $2400. За два года — почти $5000. И это только за одного разработчика. Когда я попробовал Goose — open-source инструмент, который подключается к любой LLM (OpenAI, Claude, локальные модели), — я обалдел. Он делает то же самое: понимает контекст всего репозитория, предлагает изменения, выполняет команды в терминале, создаёт pull request. Разница только в том, что ты сам выбираешь модель. Я поставил GPT-4o — $20 в месяц за API. Итог: экономия 90%.
Решение: Goose — бесплатный AI-агент для кода
Goose — это CLI-инструмент, который работает как автономный агент. Ты говоришь ему задачу на естественном языке, он анализирует код, вносит правки, запускает тесты и коммитит. Всё в терминале. Никакого GUI, но для разработчика это плюс — быстрее и гибче. Установка — одна команда: brew install goose. Или через pip. Goose поддерживает:
- работу с Git (создание коммитов, управление ветками);
- выполнение shell-команд (установка зависимостей, запуск тестов);
- чтение и модификацию файлов любого размера (в отличие от веб-версий);
- контекст до 200 тысяч токенов (с моделью GPT-4o или Claude 3.5 Sonnet);
- интеграцию с Jira, Linear, Slack — он может читать тикеты и предлагать код;
- работу с Docker и Kubernetes (если дать доступ).
Я перевёл на Goose два проекта: ETL-пайплайн на Python и Telegram-бота на Go. В обоих случаях Goose заменил Claude Code на 100%. Единственное, что пришлось настроить — API-ключ от OpenAI ($20/мес за GPT-4o) и файл .goose с правилами проекта (стиль кода, структура папок).
Результаты: скорость, качество и экономия
После месяца работы с Goose я замерил метрики по сравнению с Claude Code (оба использовали GPT-4o как модель). Вот что получилось:
| Параметр | Claude Code ($200/мес) | Goose (бесплатно + $20 за API) |
|---|---|---|
| Время на задачу «добавить эндпоинт с валидацией» | 12 минут | 11 минут |
| Количество ошибок в сгенерированном коде | 2 на 100 строк | 1 на 100 строк |
| Скорость первого ответа (время до первой правки) | 3 секунды | 5 секунд |
| Поддержка работы с Docker | Да | Да (через shell) |
| Интеграция с Jira | Через плагин | Встроенная |
| Стоимость за месяц | $200 | $20 |
Разница в скорости — пара секунд. Качество кода — сопоставимо. Интеграции у Goose даже шире за счёт открытого кода. Единственный минус: нет веб-интерфейса. Но для меня CLI — это плюс, не нужно отвлекаться на браузер.
Как я перевёл проекты на Goose: пошагово
- Установка.
brew install goose. Если Linux —curl -fsSL https://goose.ai/install.sh | sh. - Настройка модели. Создал файл
~/.goose/config.yamlи указал API-ключ OpenAI. Можно использовать Claude через Anthropic API — тогда цена будет выше, но качество для сложного кода лучше. - Добавил контекст проекта. В корне репозитория создал
.goose— файл с описанием архитектуры, стиля кода, переменных окружения. Goose читает его при старте. - Первый запуск. Написал:
goose "добавить обработку ошибок для всех эндпоинтов в main.py". Goose открыл файл, проанализировал, добавил try-except, запустил тесты — всё за 30 секунд. - Работа с Git. Goose сам создаёт ветку, коммитит и пушит. Можно попросить:
goose "создать PR с описанием изменений". - Интеграция с Jira. Goose умеет читать тикеты. Я дал ему доступ к Jira API, он сам берёт задачу из backlog и предлагает код. Экономит час в день.
Подводные камни: что нужно знать
- Качество зависит от модели. Если поставить бесплатную Llama 3.1 70B через Ollama — Goose будет тупить. Я использую GPT-4o ($20/мес) — этого хватает для 90% задач. Для сложного рефакторинга иногда включаю Claude 3.5 Sonnet через API — $0.15 за миллион токенов на вход, $0.60 на выход.
- Безопасность. Goose выполняет команды в терминале. Если дать ему доступ к продакшену — он может случайно удалить данные. Я даю ему доступ только к репозиторию в dev-окружении. Также Goose поддерживает режим "sandbox" — он не выполняет опасные команды без подтверждения.
- Обучение команды. Разработчикам, привыкшим к GUI, CLI Goose кажется сложным. Я потратил час на демо. После этого они перешли полностью.
Заключение: $200 или $20 — выбор очевиден
Claude Code — мощный инструмент, но его цена оправдана только для крупных команд, где $200 на разработчика — копейки. Для стартапов, фрилансеров и небольших проектов Goose — идеальная альтернатива. Он делает то же самое, стоит в 10 раз дешевле (а если использовать локальную модель — вообще бесплатно), и при этом не привязан к одному вендору. Я сэкономил $180 в месяц и не потерял в производительности. Если вы всё ещё платите $200 за Claude Code — попробуйте Goose. Установка занимает 5 минут. Первая задача — 30 секунд. И вы поймёте, что vibe coding не требует дорогих подписок. Нужен только хороший API-ключ и открытый инструмент.
P.S. Кстати, если вы используете Goose с Telegram Bot API или любым другим сервисом — ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com. Это упрощает интеграцию AI-агентов с вашими чат-ботами.
Комментарии