Запилил за последние дни в antigraviti два проекта на абсолютно разном стеке: плагин для анки на python (о нем выше, но с тех пор я сильно его улучшил - скоро релизну ссылку на репу), идея которого лежала в заметках больше года), и еще один проектик, который помогает мне вести канал с дайджестом по Go - @digest_golang.

Вывод простой: LLM на текущем этапе открывают перед нами очень интересное окно возможностей, которым странно будет не воспользоваться.

Сейчас модели работают так, что их возможностей хватает для построения прототипов, но работают они еще не настолько хорошо и требуют от того, кто пишет в нее промпты каких-то знаний: за ней нужно убираться, нужно проверять архитектуру, которую она напилила.

Долго ли эти знания модели будут нужны? Может быть всегда, а может быть через год-два модели станут писать код лучше человека.

Но пока это не так - у нас есть отличная возможность быстро запускать продукты (из последнего - посмотрите на пример https://x.com/softwarevlogger
и его Summit AI Notes, который был запилен агентами от и до - https://x.com/softwarevlogger/status/1988703390302630159) и монетизировать их, чем я и решил активно заниматься ближайший год 🤨

Но чтобы не забыть на этом фоне как писать код - фоном для себя начал разрабатывать вещи, в которых давно хотел разобраться, сейчас вот пишу свой очень урезанный аналог sqlite - https://github.com/vpoltora/poltoradb
Пока тут только парсер, и тот без AST, но я его обязательно перепишу, как разберусь с транзакциями, индексами, WAL и разными приколами из реляционной алгебры.
И знаете, писать что-то для себя, потому что ты в целом любишь писать код - куда веселее, чем писать что-то, что написать нужно. А вот с тем, что нужно будут как раз помогать LLM 😎

dev notes | golang digest