Написание макросов – это не одна задача, а набор разных рабочих ситуаций: объяснить синтаксис, сгенерировать код по описанию, разобрать чужой макрос, отладить ошибку, адаптировать скрипт под другую платформу или задокументировать готовый результат. Нейросети для написания макросов удобнее выбирать не по бренду, а по тому, какая из них сильнее в вашем конкретном сценарии работы.
Ниже – разбор по восьми сценариям: от универсальной работы и сильного промпта до отладки ошибок, длинных скриптов, логики алгоритмов и быстрого бюджетного продакшна.
| Сценарий | Когда нужен | Подойдут | Что у них получается лучше всего |
| Сценарий "Универсальный" | Нужен один основной ИИ для большинства задач: генерация, объяснение, правки, адаптация | ChatGPT, Claude | Собирают рабочий код по описанию, держат структуру и помогают пройти путь от идеи до готового скрипта |
| Сценарий "По сильному промпту" | Уже есть четкое ТЗ: платформа, задача, структура, ограничения, переменные | Claude, Qwen, ChatGPT | Лучше исполняют плотную инструкцию и реже теряют технические ограничения по ходу генерации |
| Сценарий "Быстро и бюджетно" | Нужно много черновых скриптов, быстрых заготовок и вариантов без дорогого входа | DeepSeek, Qwen, YandexGPT | Быстро дают рабочую основу без подписки и без VPN |
| Сценарий "Отладка и разбор ошибок" | Макрос не работает, нужно найти причину, объяснить и исправить | Claude, DeepSeek, Qwen | Сильнее держат логические цепочки и точнее указывают на причину сбоя |
| Сценарий "Длинные и сложные скрипты" | Макрос большой, состоит из нескольких модулей, нужно удержать контекст целиком | Claude, Qwen, Kimi | Лучше работают с большим кодовым контекстом без потерь по логике |
| Сценарий "Логика алгоритма и архитектура" | Важно не просто написать код, а правильно выстроить алгоритм и структуру решения | Claude, DeepSeek, Qwen | Сильнее держат причинно-следственные связки, декомпозицию задачи и структуру кода |
Таблица практических критериев ИИ
| Критерий | Что значит в контексте написания макросов | Когда особенно важен |
| Стилист Лучшие: ChatGPT, Gemini, DeepSeek |
Читаемость кода, качество комментариев, ясность объяснений и документации | Когда макрос нужно задокументировать, объяснить коллеге или сдать с понятными комментариями |
| Аналитик Лучшие: Claude, DeepSeek, Qwen |
Декомпозиция задачи, логика алгоритма, разбор ошибок, критическое мышление по коду | Когда нужно не просто написать скрипт, а выстроить правильную структуру решения |
| Контекстуал Лучшие: Claude, Qwen, Kimi |
Удержание большого кодового контекста, точное следование ограничениям, работа с длинными скриптами | Когда макрос большой, многомодульный или строится на основе нескольких переданных файлов |
| Исследователь Лучшие: Gemini, Grok, Perplexity |
Актуальные методы, поиск документации, проверка совместимости API и библиотек | Когда нужно найти актуальный синтаксис, проверить метод или уточнить поведение функции |
| Структуратор Лучшие: ChatGPT, Claude |
Организация кода, разбивка на функции, форматирование, техническая документация | Когда нужно превратить хаотичный скрипт в читаемый, структурированный и поддерживаемый код |
| Генератор Лучшие: ChatGPT, Gemini |
Нестандартные подходы к решению, варианты реализации, альтернативные алгоритмы | Когда одного способа мало и нужно быстро получить несколько вариантов реализации |
| Экономно Лучшие: DeepSeek, Qwen, Kimi |
Скорость и низкая стоимость при большом потоке задач по макросам | Когда нужно делать много черновых скриптов, тестов и адаптаций без дорогого прогона |
Подбираем лучшие нейросети для написания макросов по разным сценариям
Ниже – точечный разбор для каждого варианта применения: какие ИИ брать, в каких ситуациях они раскрываются и где у каждого потолок.
Сценарий "Универсальный"
Подходит, когда нужен один основной инструмент для написания макросов без жесткого дробления процесса: от первого скрипта по описанию до правок, адаптаций и объяснений.
Важные критерии: Аналитик Структуратор Генератор
- нужно написать макрос с нуля по текстовому описанию задачи;
- есть готовый скрипт, который нужно переработать, сократить или адаптировать под другую платформу;
- нужно объяснить, что делает чужой код, и при необходимости его переписать;
- один и тот же макрос потом придется адаптировать под разные условия или передать коллеге.
Лучшие модели:
- ChatGPT – ⭐⭐⭐⭐⭐ 5/5
- Claude – ⭐⭐⭐⭐☆ 4.5/5
ChatGPT
- быстро генерирует рабочий скрипт по описанию задачи, даже если формулировка не идеальная;
- удобен для серии правок: изменить логику, добавить условие, переписать под другой синтаксис;
- хорош, когда нужно получить несколько вариантов реализации одной задачи и выбрать лучший.
Когда его брать: если нужен один основной ИИ для регулярной работы с макросами и частых итераций по ходу.
Ограничения: при слабом описании задачи может генерировать слишком общий или неоптимальный скрипт; по экономичности уступает бюджетным вариантам.
Claude
- хорошо строит структуру кода, когда задача сложная и включает несколько логических блоков;
- держит требования целиком, если в описании много условий, ограничений и зависимостей;
- полезен, когда первый вариант скрипта должен быть не просто рабочим, а правильно организованным.
Где дает лучший результат: когда нужен один сильный драфт на базе подробных вводных с четкой архитектурой кода.
Ограничения: менее удобен по доступности из РФ и не самый экономичный вариант для массового производства черновых скриптов.
Сценарий "По сильному промпту"
Этот сценарий нужен, когда у вас уже есть четкое техническое задание: платформа, задача, структура скрипта, переменные, ограничения по синтаксису, обязательные функции и формат вывода.
Важные критерии: Контекстуал Структуратор Аналитик
- в команде уже есть шаблон промпта под макросы для конкретной платформы;
- нужно масштабировать один подход на десятки похожих задач с разными переменными;
- важно, чтобы ИИ строго держал заданный формат кода и не уходил в сторону;
- промпт уже включает примеры входных данных, ожидаемый результат и технические ограничения.
Сильный промпт для написания макросов снижает риск: нерабочего синтаксиса, игнорирования ограничений платформы, неправильной обработки крайних случаев, потери заданной структуры функций, отсутствия нужных комментариев и документации.
Лучшие модели:
- Claude – ⭐⭐⭐⭐⭐ 5/5
- Qwen – ⭐⭐⭐⭐☆ 4.5/5
- ChatGPT – ⭐⭐⭐⭐☆ 4.5/5
Claude
- хорошо держит длинные технические инструкции, где важно соблюдать порядок блоков и не терять ограничения;
- подходит, когда промпт уже похож на внутренний регламент разработки, а не на короткий запрос;
- дает более собранный результат, если в задаче много условий, зависимостей и запретов.
На чем выигрывает: на плотных технических промптах, где важно соблюдать и смысловую рамку, и формат кода.
Ограничения: не самый рациональный выбор для простых типовых задач, где хватит более дешевого варианта.
Qwen
- берите, когда промпт длинный, подробный и его нужно гонять много раз под разные задачи;
- хорошо держит большой вход и не ломается, если в инструкции много переменных и условий;
- удобен, когда нужен недорогой рабочий вариант для повторяемых сценариев написания макросов.
Когда раскрывается лучше всего: когда шаблон уже собран и его нужно масштабировать без дорогого прогона.
Ограничения: для финальной стилистической доводки кода и комментариев может потребоваться дополнительная обработка.
ChatGPT
- хорош, если промпт нужно не только исполнить, но и докрутить по ходу работы;
- удобно вести серию итераций: сначала каркас функции, потом обработка ошибок, потом адаптация под другой синтаксис;
- помогает быстро проверить несколько реализаций одной структуры и выбрать оптимальную.
На чем выигрывает: на работе в несколько проходов, где промпт постепенно уточняется и шлифуется.
Ограничения: при недостаточно жесткой инструкции может упрощать решение сильнее, чем нужно.
Шаблон хорошего промпта для написания макроса:
Ты – опытный разработчик макросов. Напиши рабочий скрипт по данным ниже.
Если информации достаточно – сразу пиши код. Если каких-то данных не хватает
для надежного результата – все равно сначала сделай лучшую возможную версию,
а после кода отдельно укажи, что нужно уточнить.
Данные:
Платформа: {Excel VBA / Google Sheets Apps Script / LibreOffice Basic / другое}
Задача: {что именно должен делать макрос – конкретно и пошагово}
Входные данные: {откуда берутся данные, какой формат, какой диапазон}
Ожидаемый результат: {что должно получиться на выходе}
Ограничения: {что нельзя использовать, какие функции или методы запрещены}
Крайние случаи: {что делать, если данных нет, они некорректны или диапазон пустой}
Стиль кода: {с комментариями / без / с документацией / минималистичный}
Дополнительные настройки:
Обработка ошибок: {нужна / не нужна / минимальная}
Оптимизация: {скорость / читаемость / минимальный объем кода}
Совместимость: {версия платформы, если важна}
Дополнительно: {что еще важно учесть}
Требования:
– не используй устаревший синтаксис без предупреждения;
– не выдумывай функции, которых нет на этой платформе;
– обрабатывай крайние случаи, если они указаны;
– пиши читаемый код с понятными именами переменных;
– добавляй комментарии, если это указано в стиле кода;
– если задача сложная – разбивай на функции, а не пиши монолитный блок.
Что выдать:
Блок 1 – результат
1. Основная версия макроса с комментариями.
2. Краткое описание логики работы скрипта (2–4 предложения).
Блок 2 – улучшения
1. Укажи, что можно оптимизировать или улучшить в этом решении.
2. Перечисли, каких данных не хватило для более надежного результата.
3. Если задача допускает альтернативный подход – покажи его в двух словах.
Сценарий "Быстро и бюджетно"
Этот сценарий нужен, когда макросов много, задачи типовые, а дорогую модель нет смысла подключать к каждому первому проходу.
Важные критерии: Экономно Аналитик
- нужно быстро сделать серию черновых скриптов под разные условия или листы;
- требуется поток вариантов для тестов, согласований и внутренних проверок;
- важны доступность без VPN и большое число бесплатных ответов;
- скрипт потом все равно будет проверяться вручную или дорабатываться другой моделью.
Лучшие модели:
- DeepSeek – ⭐⭐⭐⭐⭐ 5/5
- Qwen – ⭐⭐⭐⭐☆ 4.5/5
- YandexGPT – ⭐⭐⭐☆☆ 3.5/5
DeepSeek
- дает сильный баланс между качеством кода, скоростью и доступностью без VPN;
- помогает быстро собрать рабочую основу скрипта, которую потом легко проверить вручную;
- хорош, когда нужно делать много черновых макросов и адаптаций без дорогой подписки.
Когда его брать: если нужен основной бюджетный инструмент для массовой работы с макросами.
Ограничения: для самых сложных задач с длинным контекстом и тяжелой архитектурой может быть не первым выбором.
Qwen
- берите, когда описание задачи длинное, а тратить дорогую модель на первый проход не хочется;
- помогает быстро разобрать объемное ТЗ и собрать из него рабочий скрипт;
- особенно полезен, когда черновик нужно делать не из пары строк, а из нормального массива вводных.
Где дает лучший результат: когда нужно недорого обработать объемный вход и быстро собрать рабочую основу скрипта.
Ограничения: код может потребовать дополнительной оптимизации и стилистической доводки.
YandexGPT
- берите для черновика, когда нужно быстро сдвинуть задачу с нуля;
- годится, чтобы собрать основу: базовый цикл, простую функцию, типовую операцию с ячейками;
- хорошо работает как первый проход, после которого скрипт проще дотянуть вручную.
Когда его брать: если задача типовая, вход простой и нужно быстро сдвинуться с места без лишних затрат.
Ограничения: на сложных и многомодульных макросах его лучше не оставлять как единственный инструмент.
Сценарий "Отладка и разбор ошибок"
Этот сценарий нужен, когда макрос уже написан, но не работает: выдает ошибку, дает неправильный результат или зависает. Здесь важно не просто найти строку с ошибкой, а понять причину и исправить ее правильно.
Важные критерии: Аналитик Контекстуал Структуратор
- макрос выдает ошибку выполнения, и нужно найти ее причину в коде;
- скрипт работает, но результат не совпадает с ожидаемым – нужно найти логическую ошибку;
- чужой макрос нужно разобрать, объяснить и при необходимости переписать;
- после правки одной части скрипта что-то сломалось в другой – нужно найти зависимость.
Лучшие модели:
- Claude – ⭐⭐⭐⭐⭐ 5/5
- DeepSeek – ⭐⭐⭐⭐☆ 4.5/5
- Qwen – ⭐⭐⭐⭐☆ 4/5
Claude
- сильнее держит логику разбора: не просто указывает строку с ошибкой, а объясняет причину и следствие;
- хорошо работает с большим кодовым контекстом, когда ошибка не локальная, а системная;
- полезен, когда нужно не только исправить, но и понять, почему код работал неправильно.
На чем выигрывает: на разборе сложных логических ошибок, где проблема не в синтаксисе, а в архитектуре решения.
Ограничения: не самый экономичный вариант для простых синтаксических ошибок, где хватит более дешевой модели.
DeepSeek
- быстро находит типовые ошибки и дает конкретное исправление без лишних объяснений;
- хорошо разбирает логику небольших и средних скриптов без потери деталей;
- удобен, когда ошибок много и нужно быстро пройтись по каждой без дорогого прогона.
Когда его брать: если нужно быстро и бюджетно разобрать ошибки в рабочем скрипте.
Ограничения: на очень длинных многомодульных скриптах с системными ошибками может быть не первым выбором.
Qwen
- берите, когда скрипт длинный и нужно передать весь контекст для правильного разбора ошибки;
- помогает найти ошибку в большом блоке кода и объяснить, как она влияет на остальные части;
- удобен как доступный вариант для разбора объемных скриптов без VPN.
Где дает лучший результат: когда для правильного разбора ошибки нужно передать большой кодовый контекст целиком.
Ограничения: для самых глубоких системных разборов может потребоваться дополнительная проверка результата.
Сценарий "Длинные и сложные скрипты"
Этот сценарий нужен, когда макрос большой: состоит из нескольких модулей, работает с внешними данными или включает сложную логику ветвления. Здесь важно, чтобы ИИ удерживал контекст всего скрипта, а не только последнего блока.
Важные критерии: Контекстуал Аналитик Структуратор
- нужно написать многомодульный макрос, где каждая функция зависит от других;
- есть большой существующий скрипт, который нужно расширить или переработать без потери логики;
- макрос обрабатывает данные из нескольких источников и должен корректно работать со всеми;
- нужно передать весь код целиком и получить разбор или улучшение с учетом всего контекста.
Лучшие модели:
- Claude – ⭐⭐⭐⭐⭐ 5/5
- Qwen – ⭐⭐⭐⭐☆ 4.5/5
- Kimi – ⭐⭐⭐⭐☆ 4/5
Claude
- сохраняет больше важных деталей, когда контекст большой и разнородный – несколько модулей, разные зависимости;
- хорошо перерабатывает большой скрипт целиком, а не только отдельные функции;
- полезен, когда нельзя потерять нюансы по логике, переменным и зависимостям между блоками.
Где дает лучший результат: когда нужно работать с длинным скриптом без потерь по смыслу и архитектуре.
Ограничения: менее удобен по доступности из РФ и не всегда нужен на этапе первичной черновой генерации простых блоков.
Qwen
- хорош, когда скрипт длинный, а запускать дорогую модель на каждом проходе не хочется;
- держит большой кодовый вход и помогает быстро разложить его в понятную структуру;
- подходит и для промежуточной сборки модулей, и для основного черновика большого скрипта.
На чем выигрывает: на длинных скриптах, где нужен баланс между объемом входа и стоимостью работы.
Ограничения: по качеству финальной архитектуры может потребоваться дополнительная проверка.
Kimi
- берите, когда сначала нужно разобрать большой массив кода, а уже потом его переписывать или расширять;
- помогает сжать длинный скрипт до ключевых блоков и логики перед финальной сборкой;
- особенно полезен как промежуточный слой перед передачей кода в другую модель.
Когда раскрывается лучше всего: на этапе предварительного разбора и структурирования большого кодового контекста.
Ограничения: чаще полезен как промежуточный инструмент, а не как главный для финальной версии сложного скрипта.
Сценарий "Логика алгоритма и архитектура"
Нужен, когда слабое место – не синтаксис и не длина, а сама механика решения: как правильно декомпозировать задачу, какой алгоритм выбрать и как выстроить структуру кода, чтобы он был надежным и расширяемым.
Важные критерии: Аналитик Структуратор Контекстуал
- задача понятна, но неясно, с какого конца начинать и как разбить ее на функции;
- первая версия макроса работает, но плохо масштабируется или содержит лишнюю логику;
- нужно выбрать между несколькими подходами к реализации и понять, какой правильнее;
- макрос должен работать надежно в крайних случаях, а не только на идеальных данных.
Лучшие модели:
- Claude – ⭐⭐⭐⭐⭐ 5/5
- DeepSeek – ⭐⭐⭐⭐☆ 4.5/5
- Qwen – ⭐⭐⭐⭐☆ 4/5
Claude
- хорошо декомпозирует сложную задачу на логические блоки и объясняет, почему именно так;
- помогает убрать смысловые провалы в архитектуре, если решение строится в несколько слоев;
- нужен там, где код должен выдерживать проверку на крайних случаях, а не только на тестовых данных.
На чем выигрывает: на задачах, где нужно укрепить алгоритмическую логику и убрать слабые места в архитектуре скрипта.
Ограничения: не самый экономичный вариант для постоянных массовых прогонов простых задач.
DeepSeek
- помогает развернуть решение в прямые и понятные алгоритмические шаги без лишней абстракции;
- хорошо подходит для технических задач, где важна ясность логики, а не декоративность кода;
- дает сильную рабочую основу, если нужно быстро собрать правильно структурированный черновик.
Когда его брать: когда нужна четкая алгоритмическая логика и нормальный темп работы без дорогого входа.
Ограничения: если задача очень длинная и многослойная, могут быть более сильные варианты.
Qwen
- хорош, когда архитектура строится на большом описании задачи, а не на коротком запросе;
- помогает сначала разложить задачу на компоненты, а уже потом собирать код по блокам;
- удобен как доступный вариант для алгоритмической проработки перед финальной сборкой.
Где дает лучший результат: когда логика скрипта должна опираться на длинное описание и большое число условий.
Ограничения: финальная реализация может потребовать отдельной проверки и оптимизации.
Сильные ИИ-связки для написания макросов
Одной модели часто хватает для простого скрипта, но на сложных задачах лучше работают связки, где роли разделены по этапам.
Связка 1: Разбор задачи + финальный скрипт
Связка: Kimi + Claude или ChatGPT
Когда полезна: нужно написать макрос на основе большого технического описания, длинной инструкции или объемного набора требований.
Шаг 1: Kimi разбирает большой вход, вытаскивает ключевые требования, условия и крайние случаи.
Шаг 2: Claude или ChatGPT получают уже структурированное ТЗ и пишут финальный скрипт.
Результат: меньше потерь по требованиям, меньше ручной склейки, более надежный код на выходе.
Связка 2: Бюджетный черновик + алгоритмическая проверка
Связка: DeepSeek + Claude
Когда полезна: нужно быстро и недорого собрать основу скрипта, а потом проверить ее логику и архитектуру.
Шаг 1: DeepSeek делает черновой вариант макроса по описанию задачи.
Шаг 2: Claude получает задачу разобрать код на слабые места в логике, крайние случаи и архитектурные проблемы.
Результат: хороший баланс между экономичностью и качеством финального решения.
Связка 3: Актуальная документация + готовый скрипт
Связка: Perplexity + ChatGPT или DeepSeek
Когда полезна: нужно написать макрос с использованием конкретного API, библиотеки или метода, актуальность которых важно проверить.
Шаг 1: Perplexity проверяет актуальный синтаксис, документацию и совместимость метода с нужной версией платформы.
Шаг 2: ChatGPT или DeepSeek используют эту фактуру для написания рабочего скрипта.
Результат: код опирается на актуальную документацию, а не на устаревший синтаксис из обучающих данных.
Связка 4: Основной скрипт + критический разбор
Связка: Claude + DeepSeek
Когда полезна: макрос важный, и перед запуском нужно проверить его на прочность.
Шаг 1: Claude пишет первую полную версию скрипта с учетом всех требований.
Шаг 2: DeepSeek получает задачу разобрать код на слабые места: ненадежная обработка данных, лишние операции, возможные сбои на крайних случаях.
Результат: скрипт проходит внутреннюю проверку до запуска в работу.
Если нужен быстрый выбор
- Если нужен один основной ИИ для написания макросов – ChatGPT
- Если важнее структура, логика и длинный контекст – Claude
- Если нужен лучший бюджетный вариант без VPN – DeepSeek
- Если макрос большой или многомодульный – Claude, Qwen или Kimi
- Если скрипт строится по подробному шаблону и сильному промпту – Claude, Qwen или ChatGPT
- Если нужно разобрать ошибку и понять ее причину – Claude или DeepSeek
- Если нужна проверка актуального синтаксиса или документации – Perplexity как вспомогательный слой
- Если нужен быстрый черновик без лишних затрат – DeepSeek, Qwen или YandexGPT
Список лучших ИИ для написания макросов из этой статьи
| Модель | Адрес | VPN из РФ | Бесплатный доступ | Комментарий |
| ChatGPT | chatgpt.com | Да | Мало | Универсальный, итерации, варианты |
| Claude | claude.ai | Да | Мало | Длинный контекст, логика, отладка |
| DeepSeek | chat.deepseek.com | Нет | Много | Черновики, отладка, бюджетно |
| Qwen | chat.qwen.ai | Нет | Много | Длинный вход, промпты, масштабирование |
| Kimi | kimi.com | Нет* | Много | Разбор больших скриптов, промежуточный слой |
| YandexGPT | ya.ru/ai | Нет | Много | Быстрый черновик, простые задачи |
| Perplexity | perplexity.ai | Нет* | Средне | Актуальная документация, проверка API |
| Gemini | gemini.google.com | Да* | Средне | Варианты реализации, поиск подходов |
*Стоит проверить актуальность (данные меняются в обе стороны)
Практические советы перед работой с нейросетью по написанию макросов
Как не получить шаблонный результат
- Не начинайте с запроса "напиши макрос" без указания платформы, задачи и формата данных – почти всегда получится слишком общий или нерабочий скрипт.
- Сразу указывайте платформу: Excel VBA, Google Sheets Apps Script, LibreOffice Basic или другое – синтаксис принципиально разный.
- Описывайте входные данные конкретно: откуда берутся, какой диапазон, какой формат, что может быть пустым или некорректным.
- Добавляйте ограничения: что нельзя использовать, какие функции запрещены, какой стиль кода нужен.
- Просите не один вариант, а минимум два: основное решение и альтернативный подход – это помогает выбрать более надежный.
Как строить работу по шагам
- Не просите сразу финальный скрипт, если задача сложная: сначала декомпозиция и алгоритм, потом каркас функций, потом полная реализация, потом обработка ошибок.
- На первом проходе полезно просить не код, а логику: как разбить задачу, какие функции нужны, какие зависимости между ними.
- Если исходников много – сначала структурируйте требования через Kimi или Qwen, а уже потом передавайте в Claude или ChatGPT.
- Не смешивайте в одном запросе написание кода, разбор ошибок, оптимизацию и документацию – это разные задачи для разных проходов.
- Для сложных скриптов сначала пишите и тестируйте каждый модуль отдельно, а уже потом собирайте целиком.
Что обязательно перепроверять
- Обработку крайних случаев: пустые ячейки, некорректные типы данных, нулевые значения, пустые диапазоны – именно там чаще всего возникают сбои в работе.
- Все названия функций, методов и свойств: ИИ может использовать устаревший или несуществующий синтаксис, особенно для специфических платформ.
- Логику ветвления: проверяйте, что условия If/Else и циклы покрывают все реальные сценарии, а не только тестовый пример.
- Область видимости переменных и их инициализацию: необъявленные или неинициализированные переменные – частый источник ошибок в сгенерированном коде.
- Производительность на реальном объеме данных: скрипт, который работает на 10 строках, может зависать на 10 000 – проверяйте заранее.
