Предыстория
Всем привет! Меня зовут Николай и в течение последних лет у меня существовала идея-фикс создать свой стартап/продукт/SaaS, называйте как хотите, смысл от этого сильно не меняется.
И перепробовав (разумеется, неудачно) себя в различных бизнес-доменах, я понял, что на старте нужно делать то, что получается и "знается" лучше всего.
Именно так и пришла идея платформы для фаундеров стартапов, которая позволяла бы ускорять проектирование архитектуры запускаемых продуктов, в условиях, когда пользователь не обладает достаточными техническими навыками для того, чтобы самостоятельно создать прототип или доходчиво объяснить свое продуктовое видение нанятым разработчикам.
По статистике 9 из 10 IT-продуктов умирают ещё до релиза MVP.
Основная причина - это разрыв между идеей и сложностью ее реализации. Время и деньги уходят на неструктурированное планирование и бесконечные итерации доработок.
Существующие AI-редакторы кода типа Cursor не решают эту проблему полностью - они могут написать код, но при всех вышеперечисленных вводных не могут спроектировать консистентную и масштабируемую архитектуру без необходимости дополнять промпт техническими выкладками или возвращать начавшую галлюцинировать LLM на нужный путь.
И именно здесь родилась идея Rebreaker - как продуктового AI-архитектора, призванного ускорить реализацию прототипов IT-продуктов.
Далее в статье будет обзор возможностей платформы.
А мне будет очень приятно получить любой фидбэк по работе сервиса. Стоимость токенов по платной подписке - пока что без наценки, исключительно себестоимость + ресурсы облачного хостинга. Если будут баги - заранее прошу прощения, пилил я SaaS в соло по вечерам/ночам после основной работы, что заняло около 4 месяцев.
По всем вопросам можно обращаться ко мне в личные сообщения https://t.me/matteroftrust, буду стараться оперативно отвечать.
Обзор платформы
Как работает платформа?
Вы пишете свою идею (бизнес-кейс) простыми словами - Rebreaker автоматически генерирует:
User Stories и Use Cases
Схемы баз данных в формате DBML
Микросервисную архитектуру и интеграционные взаимодействия
OpenAPI спецификации для REST API
Описание пользовательского интерфейса
Также есть возможность создания архитектуры AI-агентов на LangGraph опять же лишь только по описанию бизнес-кейса, включающая в себя проектирование следующих элементов:
Граф состояний агента (states, nodes, edges)
Инструменты (tools) для агента
Интеграции с внешними системами
Требования к данным и RAG
Workflow и логику принятия решений
Вместо того чтобы тратить долго время на проектирование и попытки объяснить разработчикам свое видение, фаундер получает готовую техническую документацию, понятную любому разработчику.
Решение можно экспортировать как готовый промпт для любой IDE типа Cursor для того, чтобы самостоятельно собрать MVP-решение с ее помощью.
Обзор доступной функциональности платформы
В настоящий момент функционируют 8 специализированных AI-агентов, каждый из которых решает определенную задачу:
1. System Design Agent - самый мощный агент, создающий полный дизайн системы, начиная от Use Cases, заканчивая структурой БД, архитектурой, структурой экранов интерфейса и описанием интеграций.
2-7. Специализированные агенты:
Simple User Story Agent - генерирует пользовательские истории
Simple Use Case Agent - создает детальные сценарии использования
UI Design Agent - проектирует пользовательский интерфейс с экранами и навигацией
Simple Database Structure Agent - генерирует DBML схему базы данных
Deep Research Architecture Agent - создает микросервисную архитектуру с валидацией каждой интеграции между микросервисами
Simple OpenAPI Agent - создает API документацию
8. AI Integration агенты:
AI-Agent Design - проектирует архитектуру агента на LangGraph
Полный обзор каждого агента
Для работы с агентами необходимо войти в систему. После регистрации вы получите стартовый баланс токенов для тестирования базовых возможностей платформы.
По нажатию на кнопку Agent вы попадаете в раздел с историей чатов.
Для создания нового чата необходимо нажать "New Chat" в правом углу.
Каждый чат можно просмотреть, удалить или сделать расшаренным по нажатию на кнопку (Share), чтобы поделиться приватной ссылкой на решение с человеком, который не авторизован в Rebreaker.
System Design Agent
Самый мощный агент, создающий полный дизайн системы, начиная от User Stories & Use Cases, заканчивая структурой БД, архитектурой, структурой экранов интерфейса и описанием интеграций.
При генерации User Stories, на основании которых будет создаваться архитектура системы, агент работает итеративно, позволяя улучшать результаты генерации на основе вашей обратной связи, а также подсказок по улучшению пользовательских сценариев.
Шаг 1: Выбор агента
После регистрации необходимо нажать на кнопку "Agent".
Создать новый чат по нажатию на кнопку "New Chat"
Кликнуть на вкладку "Full-Stack Applications"
Выбрать карточку агента "System Design Agent"
Шаг 2: Формирование запроса
Теперь опишем видение нашего продукта. Я использую стандартный пример: система мониторинга доступности веб-сайтов с уведомлениями �� личным кабинетом. Язык документации будет определяться автоматически с помощью LLM на основании языка запроса пользователя.
Запрос: Я хочу систему, которая мониторила бы доступность вебсайтов пользователей и если они недоступны, то посылала бы уведомление пользователю через телеграм и смс. Для этого у пользователя должен быть личный кабинет, в котором он мог бы настраивать способы уведомлений и включать/отключать их.
Максимальная длина запроса - 5000 символов.
Шаг 3: Отправка запроса и мониторинг прогресса
Нажимаем кнопку 'Run Agent' и запускаем генерацию. Система создает фоновую задачу и показывает прогресс в реальном времени.
Шаг 4: Просмотр User Stories и вопросов для их улучшения
Агент сгенерировал начальные User Stories и вопросы для их улучшения.
В левой части экрана мы видим список User Stories:
Каждая история имеет ID (US001, US002...)
Заголовок описывает функционал
Приоритет (High, Medium, Low)
Story Points для оценки трудоемкости
Теги для категоризации
Важная функция: можно исключить ненужные User Stories, кликнув на чекбокс с зеленой галочкой. Исключенные истории помечаются красным крестиком.
Ниже находятся вопросы для улучшения в качестве подсказки для пользователя и счетчик количества доступных итераций улучшения
Шаг 5: Улучшение сгенерированных User Stories
Теперь предоставим обратную связь для улучшения User Stories. В поле 'Enter request to impove User Stories' можно описать, что нужно изменить, добавить или уточнить. Например:
Запрос: Хочу, чтобы в личном кабинете у пользователя была возможность оплатить подписку на данный продукт через Т-Банк
Нажимаем "Submit". Агент учтет эту обратную связь и сгенерирует улучшенные User Stories.
Шаг 6: Финальный запуск агента
После улучшения User Stories наступает финальный этап - запуск полного пайплайна. Перед запуском можно выбрать дополнительные опции:
Include Event-Driven Architecture - добавить event-driven паттерны (на усмотрение агента)
Include gRPC - использовать gRPC для м��жсервисного взаимодействия (на усмотрение агента)
Эти опции влияют на архитектуру генерируемой системы.
После этого нажимаем 'Run Agent' и запускаем финальную генерацию. Это может занять 20-30 минут в зависимости от сложности решения, так как агент создает полную архитектуру системы.
Шаг 7: Просмотр результатов
Агент завершил работу и сгенерировал полное решение. Справа есть возможность экспортировать решение как JSON или как промпт для любой IDE с LLM.
Результаты работы агента отображаются в 5 вкладках ниже. Давайте рассмотрим каждую из них.
User Stories & Use Cases
Здесь представлены финальные пользовательские истории и детальные сценарии использования системы.
User Stories сгруппированы по эпикам (Epic). Каждая история содержит критерии приемки, зависимости и оценку трудоемкости и ниже содержит Use Cases для нее.
Каждый Use Cases описывает детальные сценарии:
Actors (акторы)
Preconditions (предусловия)
Main Scenario (основной сценарий с шагами)
Alternative Scenarios (альтернативы)
Postconditions (постусловия)
Exceptions (обработка исключений)
Use Case для истории
Database Schema (Схема БД)
Вторая вкладка - Database Schema. Это структура базы данных в формате DBML, нормализованная до 3 нормальной формы.
По нажатию на вкладку Database Schema ниже мы увидим:
Все таблицы системы (users, websites, notifications, subscriptions, payments...)
Поля с типами данных и ограничениями
Индексы для оптимизации запросов
Связи между таблицами (references)
Комментарии к каждому полю
Эту DBML спецификаци�� можно:
Скопировать в буфер обмена
Экспортировать в dbdiagram.io для визуализации
Использовать для генерации SQL-миграций
Microservices & API (Микросервисы и их API)
Третья вкладка - Microservices & API. Здесь находится сгенерированная документация на фронтенд-сервис с экранами и на бэкенд-сервисы с OpenAPI спецификациями.
Frontend Services со списком экранов и исходящими интеграциями:
Исходящие REST-интеграции (Integrations - Outgoing)
Реалтайм-интеграции (Websocket)
Список экранов (UI Screens)
Каждый экран содержит описание компонентов каждого экрана, навигационные связи, кнопки, формы и поля ввода с интеграциями, вызываемыми по каждому из взаимодействий с фронтендом.
Backend Services со списком входящих/исходящих интеграций, интеграций с внешними системами и спецификацией OpenAPI
Документация каждого микросервиса содержит:
Назначение каждого сервиса и список входящих эндпоинтов (Integrations - API endpoints - Incoming):
Cписок исходящих интеграций внутри системы (Integrations - API endpoints - Outgoing) и список исходящих интеграций во внешние системы (Integrations - API endpoints - External Requests):
Реалтайм интеграции (Websocket) и OpenAPI спецификация для сервиса
Для каждого эндпоинта внутри спецификации содержатся шаги бизнес-логики, которые должны выполниться при получении запроса в данный эндпоинт.
Architecture Schema (Solution-архитектура системы)
Четвертая вкладка - Architecture Schema. Это схема микросервисной архитектуры решения в формате Mermaid.
На диаграмме показаны:
Все микросервисы системы
Фронтенд и бэкенд компоненты
Потоки данных между компонентами
Базы данных и кэш
Внешние интеграции (Email Service, Telegram API итд)
Event-driven communication (если опция была выбрана)
gRPC connections (если опция была выбрана)
Детальный вид Architecture Schema
Эта схема помогает разработчикам понять состав системы, зависимости и интеграции между ее компонентами.
Схему можно отредактировать (Edit), скопировать mermaid-код (Copy Mermaid Code), экспортировать в формате PNG или SVG, а также открыть на весь экран и приблизить, кликнув по схеме.
UI Screens Navigation Schema (Схема экранов)
Пятая вкладка - UI Screens Navigation Schema. Это схема навигации пользовательского интерфейса, также в формате Mermaid.
На диаграмме показаны:
Все экраны приложения
Навигационные переходы между экранами
Формы и поля ввода на каждом экране
Кнопки и действия
Детальный вид UI Screens Navigation Schema
Эта схема помогает дизайнерам и разработчикам понять flow пользователя через приложение.
Схему можно отредактировать (Edit), скопировать mermaid-код (Copy Mermaid Code), экспортировать в формате PNG или SVG, а также открыть на весь экран и приблизить, кликнув по схеме.
Backend Services & UI - Специализированные агенты
Теперь рассмотрим специализированные агенты для Backend Services & UI. Эти агенты решают отдельные задачи: создание Use Cases, структуры БД, OpenAPI документации и User Stories. Они работают быстрее System Design Agent (1-5 минут) и подходят, когда нужен только один конкретный артефакт.
Каждый из этих агентов самостоятелен, и является вызываемой частью System Design агента. Их вывод аналогичен выводу каждой из вкладок рассмотренных выше.
Simple User Story Agent - генерирует пользовательские истории в формате "Я как [роль], хочу [функциональность], чтобы [цель]". Это стандартный формат для Agile-разработки.
Simple Use Case Agent - создает детальные сценарии использования. Это классический инструмент бизнес-анализа, описывающий, как пользователи взаимодействуют с системой.
UI Design Agent - создает детальный дизайн пользовательского интерфейса: экраны, компоненты, формы, кнопки и навигационную логику. Это не графический дизайн, а структурное описание UI для разработчиков
Simple Database Structure Agent - генерирует схему базы данных, нормализованную до 3 нормальной формы в формате DBML - Database Markup Language, один из стандартов для документирования баз данных. Его можно экспортировать в dbdiagram.io - это онлайн-инструмент для визуализации баз данных
Deep Research Architecture Agent - создает микросервисную архитектуру с валидацией каждой интеграции между микросервисами.
Simple OpenAPI Agent - создает OpenAPI 3.0 спецификацию - стандарт документирования REST API, совместимый с Swagger UI, Postman и другими инструментами.
AI Integration - Агент для проектирования AI-агентов
Переходим к следующему разделу - AI Integration. Здесь в настоящий момент работает один агент, который проектирует архитектуру AI-агентов на LangGraph.
AI-Agent Design (LangGraph Agent Design)
Шаг 1: Выбор агента
AI-Agent Design - это агент, который проектирует архитектуру другого AI-агента на фреймворке LangGraph. LangGraph - это библиотека для создания stateful AI-агентов с графом состояний.
Агент анализирует требования и создает:
Граф состояний агента (states, nodes, edges)
Инструменты (tools) для агента
Интеграции с внешними системами
Требования к данным и RAG
Workflow и логику принятия решений
Шаг 2: Настройка чекпоинтов агента
Перед запуском необходимо настроить чекпоинты - это ключевые параметры будущего агента:
Where should the agent receive requests from (откуда агент должен получить запрос):
Requests from user - запрос от пользователя, как правило на естественном языке
External services (third-party APIs) - вызов агента другим сервисом (агентом) по API
Autonomy Level (уровень автономности агента)
Sequential - агент использует линейную логику с вызовами инструментов/интеграций
Auto - агент использует нелинейную логику, определяемую с помощью LLM (LLM-decision making)
Output Format (формат вывода агента)
Text response - текстовый ответ, как правило на естественном языке
File (document) - сгенерированный файл
Structured data - структурированный ответ (JSON, XML итд)
System action - действие (вызов интеграции, тулза итд)
Will the agent use a knowledge base (должен ли агент использовать RAG)
Шаг 3. Ввод запроса.
Запрос: Я хочу агента, который бы анализировал новостные сводки в Интернете и формировал прогноз стоимости акций
Выберем в качестве входных параметров External services (допустим наш агент будет вызываться по расписанию с помощью API), Sequential логику, так как не требуется принятие решение с помощью LLM, Structured data в формате вывода (допустим, что удобнее результат прогноза получать в формате JSON), и выберем наличие RAG для возможности использования доменных знаний.
Шаг 4: Просмотр сгенерированного решения
Результат проектирования - полная архитектура LangGraph-агента. Давайте посмотрим, что создано.
Workflow
Это воркфлоу агента. Он состоит из
Entry Point - точка входа в агента и ее тип (в нашем случае External API). Если это внешнее апи, то точкой входа будет являться REST-эндпоинт (сейчас это захардкожено в логике Rebreaker), и для нее будет сгенерирована OpenAPI спецификация.
Entry Point Workflow Steps - шаги графа, с описанием точек входа в состояние на данном шаге (STATE), параметров входа (Input), параметров выхода (Output), а также описанием вызовов тулзов (Tools в нижней части блока, Integrations - интеграции, используемые тулзом) или внуренних интеграций с другими частями системы (выделены в блоке желтого цвета - БД, микросервисы итд).
Workflow Steps Exit Point - точка выхода из агента, результат его работы. Содержит спецификацию данных в необходимом формате. Так как у нас был выбран структурированный вывод, то это будет Json-Schema с примером.
Exit Point Architecture Schema - схема архитектуры агента в формате Mermaid: граф и используемые интеграции.
Architecture Schema
RAG
Это описание используемого векторного хранилища для RAG. Оно содержит перечень таблиц с описание данных, которые предлагается в нем хранить.
Tools
Это описание используемых тулзов и интеграций.
Для внешних интеграций (api_call) здесь перечислено только их предназначение (purpose), для интеграций с LLM (computation) генерируется формат запроса и ответа в виде Json-Schema.
Integrations
Это вкладка с описанием внешних интеграций. Каждая интеграций содержит назначение, направление (READ/WRITE - получаем мы данные или отправляем), а также предлагаемые форматы запрос и ответа в виде Json-Schema.
Storage
Эта вкладка содержит описание БД, используемых для хранения данных во время работы агента.
Состоит из описания таблиц реляционных (Structured) и нереляционных (Unstructured) БД, предлагаемых к использованию. Предлагается описание структуры данных таблиц в виде DBML-схемы.
Результаты работы агента также доступны для экспорта как в формате JSON, так и в формате готового промпта для любой AI IDE.
Дополнительная информация
В профиле пользователя отображается баланс токенов и история использования. Токены - это внутренняя валюта платформы, которая расходуется на запросы к AI-агентам.
Разные агенты требуют разное количество токенов:
Простые агенты (Use Case, Database, OpenAPI, User Story): от 10,000 до 50,000 токенов
Средние агенты (AI-Agent Design): 100,000 токенов
Сложные агенты (System Design, Deep Architecture, UI Design): 1,000,000+ токенов
Когда токены заканчиваются, можно пополнить баланс на странице Pricing. Доступно несколько тарифных планов:
Starter - для тестирования сервиса (2 000 000 токенов за 250 ₽)
Founder - оптимальный для создания MVP (10 000 000 токенов за 900 ₽)
Pro - для активных пользователей (30 000 000 токенов за 2500 ₽)
Оплата производится через онлайн-эквайринг. После успешной оплаты токены автоматически зачисляются вам на аккаунт.
С демо-режимом работы каждого агента можно ознакомиться по ссылке: https://rebreaker.com/demo
Заключение
Мы рассмотрели все возможности платформы Rebreaker на текущий момент.
Наше видение будущего: стать стандартом молниеносного перехода от идеи к MVP в стартап-экосистеме, а также превратиться в полноценного AI-архитектора и системного аналитика.
С ближайшими планами по развитию продукта можно ознакомиться в дорожной карте на странице https://rebreaker.com/roadmap
Все новости о продукте публикую в телеграм канал https://t.me/rebreaker
Спасибо за внимание!
