Помню вдохновился Андреем Карпаты, бывшим ученым OpenAI, кто шарит, тот поймет, конкретно итеративными практиками, что и использую сейчас, например, @labpics/motion, самой производительной motion-библиотеке по метрикам в мире

Возможно, вам станет полезно, как такое получается, и это интересно

Реализация простая: измеримый таргет + ограничитель. То есть берется модель, для нее ставится цель, скажем, сделать сайт быстрее x10, или библиотеку анимаций как одно сообщение в Твиттер. Закрепили, и таким образом, чтоб это было непоколебимо

Затем ставится ограничитель — и это важно! Нам не нужно, чтобы от сайта осталась сверх-производительная пустая страница, а от движка — то, что не может анимировать

Затем ставится ограничитель шагов. Иначе зачем нам попытка, которая длится вечность и ничего не доказывает? Попытка вошла в 10 шагов и не улучшила — строго удаляется. Вышла за 10 шагов — сразу же удаляется и начинается новая. Получилось — сохраняется, каким бы то ни было и закрепляется тестом, и обязательно документируется как о неудачном, так и о удачном. И дальше

Это неприлично дорого, но неприлично амбициозно. Модели не остается выбора кроме гениальности. Мне повезло в удачное время построить корректный шлюз и обрести ИИ-поставщиков, что позволяют мне работать над проектами круглосуточно уже полгода, это единственный нюанс, кроме сотен часов работы над самим харнессом, ведь современные модели определенно попытаются "сбежать", "открыть 10 научных законов", "взломать Hugging Face" и так далее (бред, но доносит суть, понимаете)

И это круто, пожалуй, потому что помимо всего прочего, опенсорс достается бесплатно, сколько бы на то ни уходило ресурсов, чтобы было чему остаться после меня