Хабр Курсы для всех
РЕКЛАМА
Большая витрина: от крупнейших школ до частных авторов. Сравнивайте по цене, длительности, формату и выбирайте самый подходящий курс!
Поток AI и ML доступен 24/7 благодаря поддержке друзей Хабра
Комментарии 13
LLM пишет ровно то что вы попросите ее писать и решает ровно те проблемы, которые вы попросите ее решить.
Не подумали о SEO, логах, масштабировании, референс дизайне - нейросеть не подумает о них тоже. Подумали об описанных пробелмах - нейронка все сделает согласно реквесту.
Сейчас в обществе и у бизнеса складывается мнение, что навайбкодить продукт не составляет труда и в целом это может сделать даже не профессионал в этой области. В статье я лишь хотел верхнеуровнево подсветить с какими неожиданностями можно столкнуться когда пытаешься сделать продукт без понимания того как устроена разработка в целом. Разумеется это верхушка айсберга, я не разбираю техдолг и прочие вещи что несет нейронка, лишь подсветил области на которые обязательно надо обращать внимание, делая даже самый простой продукт
Сейчас в обществе и у бизнеса складывается мнение, что навайбкодить продукт не составляет труда и в целом это может сделать даже не профессионал в этой области.
С этим согласен, глаз резануло что
Ядро проекта нейросеть пишет быстро, обвязку не пишет вообще.
Обвзяку пишет если сказать ей писать.
Впрочем вы ниже поправляетесь что
ИИ решает задачу так, как её сформулировали.
и я по сути повторил этот тезис. Но у меня после прочтения статьи сложилось впечатление что первый процитированный тезис вы в том или ином виде педалируете гораздо сильней и общий настрой - "иишщка вам насочиняет", имха это не совсем так.
Тут вопрос скорее в метриках.
Когда ты вайбкодишь отдельную фичу, ты можешь понять насколько хороша она выполнена чисто визуально. Лагает интерфейс или выполняется долго запрос и ты понимаешь, что здесь и здесь можно переделать.
А что делать с СЕО? Вот я, как разработчик, или просто знающий человек сказал ИИшке сделай СЕО, вот она его сделала, но не учла ld+json разметку. А если я не знал о ней, я просто пропустил бы этот нюанс, да и все. Как я в моменте пойму плохо она сделала СЕО оптимизацию или нет? Да никак, надо смотреть, проверять в вебмастере, читать статьи. Поэтому, не смотря на то, что задачу я сформулировал верно, ии выполнила ее не до конца. Оба тезиса вполне верны и тут я разногласий не вижу. Используй ИИ, но оставайся спецом, чтобы можно было более полно ее проверять
именно так! я придумал и описал программу, мне ChatGPT создал промт и описание этой программы на 40к текстом.. ну думаю, сейчас посмотрим, что будет.. потом, нашел не дорогого агента и в 16 итераций он мне все это создал за 2 реальных часа работы и много раз еще спрашивал что да как по ходу работы.. и да.. программа получилась =) но.. я потом 4 часа разбирался как она работает и правки вносил в интерфейс, потом еще начал удивляться с логики работы и странностей..
теперь буду хирургически ее разбирать по частям и проверять как и что тут работает.. мне все не нравится.. НО. продукт работает и запускается =) но. когда я залез в базу данных, через Бобра.. понял.. тут рефакторить очень долго еще =) и я уже боюсь добавлять новые фичи в продукт, хотя, тестами так все покрыто, этих тестов столько что страшно и когда агент их только успел написать
короче, если что-то простое, то да, раз и готово, если что-то поэтапно делать и разрабатывать, тут надо очень хорошо проектировать ядро и всю архитектуру продукта, вот просто железно все описывать до начала разработки
Тезис «нейросеть не знает, чего вы не знаете» объясняет всё, что описал автор: не сказали про Docker — получили логи в файл, не сказали про SEO — получили SPA без индексации, не сказали про безопасность и тесты — получили дырявый код, который страшно трогать. Автор перечислил дизайн, SEO, логирование и мониторинг как «обвязку», но забыл, что безопасность и тестирование — тоже обвязка, которая не входит в промпт «сделай сервис»
У нас на игровом проекте похожая история была. С ИИ быстро набросали механики и мелкие скрипты — уже можно было запустить и поиграть. Но чтобы всё нормально работало вместе, пришлось ещё долго дорабатывать, потому что одна правка ломала другую.
Так что ускорение есть, но нужно понимать, что ИИ написал и как это проверить. Если сам шаришь в разработке, экономишь время. Если нет — надолго застреваешь на исправлениях.
Отличная иллюстрация, почему “промпт в пару подходов” ≠ production. Особенно ценно про то, что LLM не держит контекст окружения (Docker, SEO, мониторинг) — это надо явно закладывать в промпты и пайпланы. Полезно было увидеть, как вы компенсировали пробелы: референс, ручная палитра, Vector + VictoriaLogs. Спасибо за хороший разбор.
Всё просто. Автор мог потратить пару вечеров на изучение принципов работы нейросетей, чтобы потом не удивляться. Но поленился. Решил - "нажму кнопку и она всё сделает сама".
Полностью согласен. ИИ ускоряет то, что ты и так умеешь, но не закрывает то, чего не знаешь. Спасибо за честный кейс. Сервису удачи, обязательно попробую.
ИИ позволяет быстро проверять идеи. А если еще правильно ему указывать как делать (четкие требование, что и как вы хотите, архитектурные выкладки, сценарии пользователей, и т.д.), то ИИшка прям очень хорошо сделает и добавит улучшений из лучших практик, о которых вы сразу не додумались. Без собственной экспертизы "слабать на коленке" что-то более-менее серьёзное не получится. Но при таком подходе надо понимать, что мы попадаем от ИИ в зависимость. Контекст разработки у ИИ не сравнится с контекстом разработчика, даже самого крутого. ИИ свободно манипулирует тысячами подходов и умеет составить любую интеграцию подобрав нужные компоненты за короткое время. В итоге мы получаем черный ящик, который вроде работает, но даже с ящиком водки ни один разработчик сходу не разберётся как это работает. И вот эта зависимость, когда мы вновь и вновь просим ИИ чинить/дорабатывать/обновлять. В один "прекрасный" день меняется политика партии и доступ к ИИ пропадает, и "здрасьте, приехали".
Есть некие шансы сохранить управляемость, если максимально дробить на модули, раскладывать все по полкам в git и там же собирать, максимально все документировать, обвязать все что можно мониторами, чтобы прямо в реалтайме видеть, что меняется и что происходит. В этом случае некие шансы, кому-то разобраться в этом болоте, есть. Вот только не ждите, что желающие выстроятся в очередь. Там ведь чёрт ногу сломит.
Кстати, не удивлюсь, если на горизонте появятся специалисты, которые будут заточены на разбор проектов из вайбкодинга. И они будут весьма востребованы.
Контроль и должнн оставаться за человеком. Вот сегодня пример - агент накодил самый обычный ентити. И вроде все ок, а смотришь - тут аннотация лишняя, там обязательное поле может быть null. Вррде мелочи, правятся руками быстро, но ведь надо их найти, проверить все, что сгенерировано. Я бы сказал так, генерирует быстро-теперь больше занимает проверка сгенерированного. Это что касается области, где я сам разбираюсь. Я тут на выходных начал один сервис небольшой писать, и так как я бэк, фронт делал агент. И вроде что то там работает, Json туда сюда бегают, но все равно, как то страшно от того, что там на фронте, как данные хранятся и обрабатываются, что там с каким файлами и хранилищем, какие функции могут выдать ошибку, если что то пошло не так, как потом эту ошибку править, кроме как новые итерации-новые ошибки?
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Завайбкодили за два вечера, доводили полгода: что отделяет ИИ‑прототип от production