Будем исправляться... Последнее время я довольно плотно копаю тему вайбкодинга и AI.
Но в данном вопросе хотелось бы избежать "давайте просто потестим новую тулзу". Гораздо интереснее проверять все на живой задаче, где есть реальная боль, ограничения и понятный результат.
Немного контекста
У меня в окружении много людей с мигренями и сильными головными болями. И некоторых из них озвучивали одну и ту же жалобу — текущие приложения не закрывают потребности пациента из РФ.
Надо не просто просто помнить, когда и как болело, но еще и что принимал из лекарств.
И вот здесь начинаются проблемы, текущие трекеры далеки от того, что реально принимают в РФ.
Это была первая и самая очевидная боль. Но не единственная 😅
Параллельно всплывали и другие проблемы:
— Не везде есть темная тема. А где есть, акцентный цвет такой что в момент приступа хочется просто закрыть приложение.
— Запись текущего приступа устроена так, будто человек в этот момент бодр и собран. На практике это, мягко говоря, не всегда так.
Вот тут родилась мысль что было бы прикольно попробовать совместить полезное с полезным: с одной стороны, хотя бы частично закрыть боль, с которой сталкиваются мои близкие, а с другой — проверить вайбкодинг не на прототипе или ограниченной таске, а на живом продуктовом цикле от и до.
При этом я довольно скептично смотрю на позицию "AI сам все сделает". Мне ближе подход, в котором AI — часть нормально выстроенного пайплайна.
Поэтому первый шаг вообще не про “открыть клод и попросить сделать красиво".
Сначала были проблемные интервью, фиксация болей, гипотезы, документация и бэклог...
На каждом этапе AI уже работал как вполне прикладной инструмент:
— расшифровывал и помогал структурировать проблемные интервью,
— помогал собирать PRD по всем канонам,
— буквально за руку проводил меня по тем местам system design, где у меня есть пробелы в техничке,
— и даже помог красиво завести весь бэклог в Linear.
В пайплайне в разное время были Codex, Claude и Antigravity. Где-то упирался в лимиты, где-то одна модель справлялась лучше другой.
Первый практический кейс
Когда вся эта рамка начала собираться, вылезла первая зависимость — получение нормального списка препаратов, которые доступны в РФ. И вот тут как раз началась самая прикладная часть.
Быстро выяснилось, что "скачать готовую базу” не получится. Существующие дампы слишком старые, настолько, что в них нет актуальных препаратов. Например, показательна та же Эксенза. В старом дампе за 2017 ее нет, хотя препарат активно применяют.
Дальше выяснилось, что сами данные конечно открытые, но доступ к ним устроен так себе и в какой-то степени защищен от дефолтного парсинга.
В итоге я пришел к промежуточному решению, которое буквально по кускам собирает данные из открытых источников, приводит их к единой структуре, чистит и нормализует.
30-40 мин описания того какие данные и откуда мне нужны, в какую структуру их положить и как оптимизировать процесс поиска + 2-3 часа на доработку, рефакторинг и полировку решения под финальные требования.
В итоге у меня получилась локальная база почти на 80 тысяч зарегистрированных в РФ препаратов с нужными мне метаданными.
И что здесь было круто — опрос заинтересованной ЦА показал, что тут есть препараты, которые они реально применяют. Так получилась не красивая техническая заготовка ради заготовки, а штука, которая закрыла первую критическую зависимость продукта.
Дальше уже можно было двигаться от инфраструктуры данных к самому продукту.
Но тут, как обычно, самое интересное только начиналось.
Дальше хочу рассказать о том, как AI помогал мне уже на этапе дискавери, юзабилити тестов, разборе отзывов, проектировании фронтенда и почему без нормального продуктового мышления и хотя бы базового технического бэкграунда весь вайбкодинг очень быстро начинает буксовать.
В первом комментарии докину скриншотов и видео что уже получается.
На самом деле затягивающее занятие, вспомнил удовольствие которое испытывал когда писал какие-то пет проекты на питоне или js и все получалось как задумывалось)