Женя, расскажи про AI

Да, чо вообще происходит...

Почему Anthropic вдруг выпустили топовую модель и сделали её в 5 раз дешевле, чем их предыдущий Opus... я ещё даже не успел дописать статью про Gemini 3 Pro... АААААА

Чувствую себя буквально как на картинке. Но, да, идите попробуйте Claude 4.5 Opus. Она в моих тестах порвала как GPT-5.1 Codex Max, так и Gemini 3 Pro. А я пока пойду глубже разбираться с новой моделькой.

Я уже даже не знаю, что тут ещё сказать:)
Кажется, что где-то в Калифорнии разбился грузовик с классными большими языковыми моделями)

Забавно, что ещё до всех анонсов репозиторию поставил звёздочку один из core-мэйнтейнеров Summernote — редактора, из-за которого и появился Blok.

Ещё до того, как я попал в Додо, ребята затащили в Базу знаний Summernote, и он настолько не подходил для создания сложных статей для Базы знаний, что первое же, что мы сделали при планировании обновления Базы знаний, — начали искать новую основу для редактора.

Чудеса:)

Знакомьтесь, Blok!

Blok — это блочный, визуальный open-source редактор типа Notion.

В основу Blok лёг Editor.js — прекрасный визуальный редактор, который в своём развитии остановился где-то в 2018-м году, где было приемлемо иметь средненький UX, плохую документацию и решение не поддерживающее современные фреймворки.

Blok призван решить все эти проблемы и стать тем самым визуальным редактором, который вы искали.

Уже сейчас в Blok, в отличие от Editor.js, исправлены многие баги и проблемы безопасности, повышена стабильность и тестируемость редактора, а также появилась возможность перетаскивать блоки с помощью drag&drop!

В ближайших обновлениях Blok станет React-first для максимально удобной интеграции с вашими приложениями.

Blok доступен бесплатно прямо сейчас!

Эволюция запуска E2E-тестов в нашем проекте

Пора признаться: в нашем проекте есть проблема — мы не успеваем писать E2E-тесты... так как мы не успеваем писать E2E-тесты, за нас их пишут LLM, и они справляются лучше человека!

Также у нас в проекте используется Editor.js, и если вы знаете, то знаете: тестировать Editor.js — боль. Большинство элементов просто не имеют селекторов, их приходится находить по CSS классам, а при запуске в Playwright эти самые элементы ведут самым непредсказуемым образом, отлично от того, как они ведут себя в браузере: могут не появиться, либо появиться с большой задержкой, либо появиться, но Playwright почему-то не будет в упор видеть их и подобных проблем огромное количество. Благо можно дать задачу LLM по-умнее и она за тебя сделает всю грязную работу: потыкает, найдёт почему не работает и исправит (само собой обычных возможностей LLM будет недостаточно, нужно подключать Playwright MCP, чтобы моделька творила свои непотребства в браузере самостоятельно — если нужно раскрыть эту тему подробнее, дайте знать).

Но до выхода Gemini 3 Pro LLM не могли решить одну нашу проблему: корректно написать локальный запуск E2E-тестов с поднятием всех необходимых зависимостей. Да, чего уж греха таить, мы и сами не могли справиться с этой задачей из-за сложности системы и ограниченного количества времени. Теоретически, если бы мы потратили целый спринт на эту задачу, то мы бы с ней разобрались, но в ситуации, где бизнес ожидает от вас продукт ещё вчера эта, ситуация только и остаётся теоретической.

Как мы писали запуск E2E-тестов в хронологическом порядке:
— Разработчик и тестировщик (февраль 2025): научились запускать тесты, но только в CI/CD, а данные для запуска тестов подтягивалсь с прода т.е. отследить баг, который возник при разработке можно было только ретроспективно, из-за чего тесты во многом теряли свой смысл;
— Claude Sonnet 4 (июнь 2025): LLM дала нам несколько подсказок (но не решение), которое помогло самим реализовать подтягивание данных не с прода, а с конкретного рана в CI/CD. Тесты стали полезнее, но до сих пор оставалась фрустрация в связи с тем, что для написания тестов приходилось постоянно пушить коммиты в ветку;
— GPT-5 (8 августа 2025): она позволила создать нам отдельный скрипт, который в свою очередь позволил запускать тесты локально. Да, работало оно криво-косо, руками ничего не поправить, так как в файле было спагетти, но локальный запуск тестов позволил нам сильно увеличить количество покрытых сценариев, а также избавить от фрустрирующих пушей в ветки для запуска тестов;
— Gemini 3 Pro (ноябрь 2025): к этому моменту в целом всё уже стабильно работало. Было всего пару претензий: невозможно что-то исправить в скрипте для запуска, так как 100% что-то поломаешь, сам запуск был долгим, а также тесты запускались только в UI-оболочке т.е. LLM не могли нормально их гонять из терминала. Со всем этим можно было жить и мы так бы и жили, но Gemini 3 Pro перевернула игру и всего за один промпт решила все три проблемы. Запуск стал мгновенным, от костыльного скрипта не осталось и следа, а сама конфигурация расползлась по нужным файлам, где изначально и должна была жить.

Мне очень нравится вся эта ситуация, так как она наглядно показывает как то, насколько модели продвинулись за столь короткий промежуток времени, так и то, где LLM показывают себя лучше всего: на стыке, где человек знает, что ему нужно и как это сделать, но при этом задача всё равно никогда не была бы закрыта из-за внешних факторов.

Также потестил Nano Banana Pro для генерации графики для моего доклада и это тоже просто нечто!

Что уже понял:
— Модель очень чётко следует твоим инструкциям (возможно даже слишком чётко, поэтому порой приходится говорить, чтобы модель проявила немного воображения);
— Сильно улучшилась генерация текста. Пока не заметил ни одного артефакта, даже если просишь Nano Banana переделать изображение, где много различного текста;
— Изображения на выходе совсем не выглядят сгенерированными;
— Модель работает не моментально, но в разы быстрее какой-нибудь генерации в ChatGPT;

Модель уже сейчас доступна как на сайте Google Gemini, так и в Google AI Studio (там требуют API ключ).

В комментариях накидаю что ещё получилось (всё в одном стиле, так как готовлю графиук для доклада).

Gemini 3 Pro наконец пофиксили!

Она стабильно работает в Cursor, Windsurf и Antigravity (возможно ещё в Copilot, но мне пока ещё не раскатили доступ): запросы почти не падают из-за нагрузки на сервера Google, также стало меньше внутренних ошибок, они ещё присутствуют, но уже юзабельно.

Если не хотите натыкаться на ошибки, то лучше подождать ещё недельку, а всем остальным советую заценить уже сейчас)

Буквально только что у меня закончились лимиты на Gemini 3 Pro в Antigravity... во время выполнения первого промпта 😂

Это всё ещё те самые Google, которые обещали щедрые лимиты внутри их IDE?

Видимо AI-революция с нами пока не в одной комнате

Пока пишу полноценный обзор на Gemini 3 Pro (там всё оказалось сложнее, чем хотелось бы) столкнулся с двумя вещами:
• Gemini 3 Pro просто отвратительно работает в Cursor/Windsurf, а в Copilot мне пока не раскатили доступ;
• Google Antigravity очень сложно воспользоваться на территории РФ — нужно подтвердить, что ты живёшь не в России, Беларуси, Китае и так далее.

Собственно, есть способ убить двух зайцев сразу. Для этого нужно всего лишь... получить нигерийский аккаунт 😧

В общем, заходим сюда, покупаем аккаунт, логинимся с европейским/американским VPN, сразу меняем данные аккаунта и уже с этими данными логинимся в Antigravity. Вуаля, у вас есть доступ!

Для тех, кто находится на разрешенных территориях, но в Antigravity всё равно не пускает — можно просто сменить регион аккаунта здесь

По первым ощущениям Gemini 3 Pro в Antigravity работает стабильнее, но есть ощущение, что сервера Google всё равно не выдерживают такой нагрузки и запросы каждые пару минут стабильно падают с ошибкой и приходится промптить модель, чтобы она продолжала работать

Gemini 3 Pro уже на этой неделе!!1!!

...говорят уже несколько месяцев. Но судя по тому как то тут, то там люди последние полторы недели «случайно» получают доступ к превью Gemini 3 Pro, который затем обрубают через пару часов, то чувствую, что модель действительно скоро выйдет.

Цифры на скриншоте, конечно, поражают воображение, но как показывает практика они ничего не значат. Согласно некоторым метрикам Claude 4.5 Sonnet и Kimi K2 обгоняют GPT-5 в задаче написания кода, что настолько же близко к правде как то, что до луны можно добраться пешком.

В любом случае очень жду этот релиз, хотя бы чтобы проверить насколько Google близки к OpenAI. Правда, судя по тем же циферкам со скриншота модель дешевой не будет...

Composer 1 — SOTA для поиска по коду

Последние пару недель я активно использую Composer 1. За это время я дропнул из своего арсенала Grok 4 Fast, так как Composer 1 делает всё тоже самое, но лучше и сильно быстрее.

И Composer 1 просто летает! Ответ генерируется за считанные секунды и за этим так приятно наблюдать после 30-40 минутных ранов GPT-5 (оно всё ещё того стоит, особенно когда GPT-5 думает минут 20 и потом исправляет всего одну строчку в коде, которая ломало абсолютно всё).

И вот что интересное я заметил для себя: Composer 1 в задаче поиска кода обгоняет вообще всё, что представлено на рынке. Для одного из проектов (о котором расскажу в одном из следующих постов) мне нужно было написать много, много, оооочень много тестов (более 2 тысяч тест кейсов). Но вот проблема: я не знаю какие файлы не протестированы, какие протестированы но не полностью, для каких нужны юнит-тесты, а для каких не обойтись без E2E.

И так как я активно пользуюсь Composer 1 она и стала моим поисковым движком. Я буквально спрашивал её: «а вот этот файл протестирован? а вот этот? а вон тот?!». И каждый божий раз она мне за секунды выдавала максимально точную информацию по каждому из файлов. Ни одного ложного срабатывания или галлюцинации. Это ощущалось как если бы тулы, которые проверяют покрытие кода тестами были бы реально полезными.

Я стал использовать её для всех операций поиска по коду и она до сих пор не выдала мне ни единой ошибки: всё в точку.

Но с Composer 1 есть другая проблема: она плоха примерно во всём остальном. Я её использую только для мелких, предсказуемых задач по типу исправления небольших ошибок линта или тайпскрипта, и как сказал выше — поиска по коду.

Поэтому, когда передо мной встала задача глобального поиска с аналитикой по всем файлам я всё-таки решил обратиться к GPT-5.1 Codex... И она успешно провалила задачу: переусложнила поиск (я запускал его дважды) и придумала кучу несуществующих фактов о покрытии кода тестами.

Я уже было подумал, что с этой задачей мне придётся возиться вручную, но закинул тот же самый промпт в Composer 1 и оно сработало! Причём сильно лучше, чем я того ожидал.

В общем, я в глобальном шоке от того, насколько Composer 1 рвёт всех остальных в поиске. Безумно интересно узнать как ребята из Cursor добились этого.

Кстати, в Cursor пофиксили встроенный браузер. Во всяком случае те баги, что я ловил раньше больше не воспроизводятся. Можно пользоваться!

Почти час бился над багом. И так его покрутил, и сяк. Во все возможные LLM его засунул, сам голову сломал что там не так. Потратил $5 на запросы. В конце концов дошло, что просто залагал ESLint и нужно было перезагрузить редактор 🤦‍♂️

Такая пятница 🤷‍♂️
А завтра ещё рабочий день 🫠

Cursor 2.0

Немного потыкал обновление, пока ничего революционного не заметил. Немного страшно наблюдать за тем, как Cursor с каждым обновлением из «IDE с чатиком» превращается в монструозный комбайн, в котором уже сложно ориентироваться.

Что интересного в обнове?
• В Cursor теперь есть встроенный браузер! Через него можно буквально указывать, в какой части интерфейса нужно сделать правки. Круто! Правда, он какой-то порезанный и не смог справиться с первой же задачей, которую я ему поставил... ну, будем надеяться, что в будущем поправят.
• Code Review от Cursor. Ребята выкатили свой ответ CodeRabbit, но получился скорее ответ ревью от GitHub Copilot, потому что для диффа на 1000+ строк он не оставил ни одного комментария. Опять есть ощущение довольно сырой фичи, за которую, само собой, тоже просят плату.
• Новая модель «Composer 1». Пока рано делать выводы, но моделька классная, когда нужно что-то очень простое, очень быстро сделать. По скорости обгоняет даже Grok 4 Fast и стоит примерно столько же, так что для самых элементарных задач сейчас использую её.

После обновления в моём пуле активно используемых моделей произошли подвижки:
1. Что-то очень мелкое и предсказуемое уходит в Composer 1. По ощущениям, работает она раза в 3 быстрее Grok 4 Fast, а это, между прочим, дофига быстро!
2. Большинство задач по-прежнему отдаю Grok 4 Fast (и он с ними прекрасно справляется);
3. Тяжеловесные задачи или просто те, с которыми не справился Grok, отдаю GPT-5 Codex.

Вообще интересно наблюдать за тем, как со временем я всё меньше и меньше пишу код ручками. Я всё ещё высокоуровнево представляю код у себя в голове, но теперь не перевожу его в конкретные команды, а отдаю высокоуровневую задачу дешёвой модельке, что на одной-двух задачах может показаться незначительным, но в долгосрочной перспективе значительно экономит время.

Использование AI замедляет разработку

Я недоумеваю каждый раз, когда слышу этот тейк. В этот четверг на нашем внутреннем митапе в Додо, во время обсуждения доклада, я в очередной раз услышал эту мысль — от тех же людей и с той же аргументацией, что и раньше. И если раньше я пытался «бороться» с этим, показать им красоту и эффективность такого подхода, то сейчас я уже просто принял это.

Сначала я искренне полагал, что дело в тулах — типа технологии ещё не настолько продвинуты, чтобы угодить запросам некоторых людей. И я их прекрасно понимал, пока state-of-the-art моделями были дорогие и непослушные Claude.

Правда, после выхода GPT-5 ничего не поменялось: те, кто успешно применял AI в разработке, продолжили применять его, а те, кто не использовал — продолжили бухтеть, только теперь уже на GPT-5.

Почему так? Почему одни трубят о том, что AI-assisted разработка ускоряет их, а другие либо утверждают, что с таким подходом невозможно решить ни одну задачу, либо говорят, что код на выходе неподдерживаемый, либо же ссылаются на «те самые исследования», в которых говорится, что подобная разработка на самом деле снижает производительность разработчиков?

Лично я пришёл к выводу, что это просто skill issue конкретных людей. Если даже Линус Торвальдс согласен принимать код, сгенерированный AI, то оправдания насчёт качества такого кода кажутся мне абсолютно неуместными (и нет, это не значит, что любой сгенерированный код можно не глядя пушить в прод). А что касается «тех самых исследований» — у меня ещё запланирован большой пост на эту тему. А если бы AI действительно не был способен решать задачи, мы бы с вами вообще не собрались здесь.

Причём я считаю, что самое важное преимущество использования AI — это даже не усиление уже имеющихся навыков, а то, что он позволяет тебе стать:
немного девопсом,
немного бэкендером,
немного фронтендером,
немного дизайнером,
немного менеджером,
немного (подставь своё).

Мне сложно даже перечислить, сколько улучшений AI принёс в мой Developer Experience: позволил локально запускать E2E-тесты, помог перевезти легаси-фронтенд написанный Angular (с которым я знаком только благодаря поддержке этого самого проекта) на современный стек (речь об обновлении 50+ зависимостей, некоторые из которых перестали существовать, пока проект не поддерживали, и семи мажорных версий Angular), а также улучшить имеющиеся и создать новые GitHub-джобы.

И ни одно из этих улучшений не было бы возможно, если бы я занимался ими самостоятельно. Одни — потому что я не знал, как это сделать, а обучение заняло бы кучу времени. Другие — потому что они просто требовали бы слишком много времени на реализацию. В продуктовой разработке зачастую просто не хватает ресурсов, чтобы закрывать такие задачи (хотя менее важными они от этого не становятся).

Если подводить итог:
1. Да, использовать AI нужно уметь. Это полноценный отдельный скилл, и качество ответов напрямую зависит от уровня вашего понимания LLM.
2. Да, со временем ситуация будет улучшаться: LLM будут становиться умнее, а значит — будут выдавать более толковые ответы, вне зависимости от вашего уровня владения LLM. Но есть проблемы, которые в ближайшее время решены не будут, и главная из них — проблема контекста (речь как об обогащении запроса контекстом, так и о размере контекстного окна, а также о росте количества галлюцинаций с увеличением контекста в рамках чата).

Проблемы работы с контекстом сейчас полностью лежат на пользователе. И умение работать с контекстом — это базовый минимум, которому нужно обучиться, чтобы успешно использовать AI для решения своих задач.

Две проблемы с Grok 4 Fast

Прежде всего, модель действительно топовая, но GPT-5 меня испортил приучил к хорошему, поэтому о проблемах Grok 4 Fast

1. Модель любит делать то, что ты её не просишь.

GPT-5 это как твой личный помощник, который внимает каждому твоему слову, нежно записывает это всё в «тетрадочку», а потом слово в слово следует твоим указаниям, помня что ты его попросил (ведь всё записано в тетрадочке, всегда есть куда подсмотреть).

Grok 4 Fast в этом плане обычная модель. Такая же как и все остальные, типа Claude 4.1 Opus или Gemini 2.5 Pro. Его можно сравнить с помощником-стажером: он тебя послушает, но потом сделает немного по-своему. Заказал латте на кокосовом? Он принесёт тебе латте на кокосовом с веточкой ванили. Разница особенно заметна, когда ты просишь его сделать большие изменения. С другой стороны, в этих изменениях зачастую он не делает ничего плохого, частенько даже полезное, но, когда ты хочешь свой латте на кокосовом, эта веточка ванили может не входить в твои планы.

2. Модель не даёт информацию о размышлениях

Да, и если честно, то вообще никакую информацию о промежуточных шагах, только саммари в конце, поэтому не понятно а в каком направлении сейчас вообще идёт работа, сложно отловить когда нужно вернуть её обратно на рельсы. Вероятно, это эффект стелс-модели и на полноценном релизе она будет делиться размышлениями, но пока как есть.

В противовес GPT-5 даёт тебе, наверное, слишком много информации о размышлениях, но лучше так, чем совсем ничего.

При этом модель всё ещё огонь! Токены генерирует как бешенная. За три дня, что я её использую она сожгла токенов больше, чем GPT-5 за 3 недели использования.

Удивительно, но плохие стороны модели значительно меньше заметны, учитывая насколько быстро она работает.

Плохой ответ? Да, пофиг. Дополнил контекст, закинул новый запрос, через минуту получил новый ответ.

В то время как с GPT-5 ты пишешь в параллель несколько запросов, потому что пока выполняется один, ты можешь сделать второй, написать код для решения третьей задачи самостоятельно и ещё попить кофе с друзьями. Тем не менее GPT-5 всё ещё огромный прорыв, пускай и медленный.

Никогда не думал, что напишу что-то подобное... но попробуйте новый Grok 4 Fast!

Эта модель по сути GPT-5 на спидах. И это огромный комплимент для любой модели, но для Grok... это даже не комплимент, а просто что-то невообразимое.
Кто ещё полтора месяца назад, когда вышла GPT-5, мог подумать, что именно xAI сделают следующий прорыв в этой области, по сути выпустив скоростную и очень дешевую GPT-5? Точно не я. Тем не менее имеем, что имеем.

Модель прямо сейчас доступна на официальном сайте, а также во всех AI IDE под именем code-supernova. Модель настолько дешевая, что по сути бесплатная, а в AI IDE прямо сейчас, ограниченное время, реально бесплатная.

И всё-таки немного оговорюсь:
— Модель почти такая же умная как GPT-5, но учитывая насколько она быстрая и дешевая, этот небольшой разрыв в интеллекте с лихвой окупается;
— Также нигде не подтверждено, что code-supernova это именно Grok 4 Fast, но по совокупности факторов я на 99% уверен, что это она.

История о том, как НЕ стоит делать свои продукты

Всего пару постов назад я делился расширением PrettyPrompt, которое позволяет улучшать промпты по клику. И казалось бы: ну, поделился и поделился, чё бухтеть тут. И бухтеть было бы не о чем, если бы ребята, которые создают это расширение не были бы мамкиными стартаперами. Я думаю, что это было понятно уже из того факта, что они за своё расширение просят $12. Но как оказалось, это только вершина айсберга...

Почему я изначально поделился этим расширением?
Да, потому что оно тупо удобное! Я прекрасно знаю, что тоже самое можно сделать в любой LLM, но... я просто ленивый, а это расширение просто удобное — у нас произошел мэтч!

Собственно, поэтому я оформил 3-х дневную пробную подписку на PrettyPrompt с неограниченным количеством улучшений промптов. Всё шло классно: промпты улучшались, задачи решались.

Правда, позже оказалось, что ребята прикрутили Stripe, сделали лендинг, сделали пространство в Slack с десятком каналов и модерацией, записали видосики на YouTube, интегрировали расширение прямо в интерфейс популярных LLM, да и ещё кучу всего «полезного», но как-то забыли о кнопке «отписаться»...

И когда с меня списали $12 прекрасным субботним утром мой гнев было не остановить. Я тут же написал ребятам на почту о том, какие они «молодцы», что забыли добавить эту кнопку, а также оставил им гневный комментарий в магазине расширений.

Не прошло и трёх минут, как на моей карте снова оказались родные $12, на почте был ответ, а в магазине приложений был произведён дэмэдж-контрол с упоминанием того, что всё уже решено, а отписаться можно написав им на почту. Отдаю должное — отвечают ребята супер-быстро.

Ну, я не гордый, извинился за то, что вспылил, удалил гневный отзыв с магазина расширений и даже предложил поболтать в формате интервью с CEO этой доморощенной компашки. И помимо этого напрямую сказал, что их продукт слишком дорогой, и что я был бы не против купить подписку за $5 в месяц.

В своём ответном письме CEO мне сказал, что готов пообщаться и будет рад предоставить мне промокод на скидку 25% на 6 месяцев.

Стоп. Что? ПРОМОКОД?! Ещё раз: у вас нет кнопки отписаться, но вы реализовали даже промокоды?!

Здесь я уже не выдержал и пошёл писать своё расширение, идентичное по функционалу PrettyPrompt.

Так чуть меньше чем за два дня и $10.60 (которые пошли на комиссию Chrome Web Store и оплату OpenAI API) появилась Looma ✨.

Looma решает ту же задачу, что и PrettyPrompt, но использует для этого более продвинутую модель — gpt-5-mini, а также абсолютна бесплатна!

Кстати, думаю вам интересно сколько запросов могут проглотить $12, которые авторы PrettyPrompt просят за свой сервис. Так вот, за эти деньги можно сделать 12 000 обращений к gpt-5-mini. Это просто безумное число запросов, которое почти нереально потратить за месяц...
И даже при всём при этом ребята под капотом используют какую-то дешевую модель без thinking. Выводы делайте сами)

А Looma доступна для установки прямо сейчас! 😉

Channel photo updated

Вышло продолжение одного из самых интересных сериалов про AI!

Если не смотрели «прошлые серии» — ничего страшного, можете начать прямо здесь, автор кратко пересказывает что происходило в «сериале» последние несколько лет.

Если коротко, то это видеоэссе о том, как человек обучает AI побеждать других человеков в старой гоночной игре. Не звучит захватывающе, да? Я тоже так думал два года назад, когда мне его порекомендовали, но всё-таки решил дать ему шанс и это стало толчком к более глубокому погружению в AI — настолько оно мне понравилось! Это же видео ещё лучше))

Кстати, интересно наблюдать как навыки сторителлинга автора развиваются, хоть он и выпускает видео всего раз в полгода.

Как хакатон поменял мой взгляд на продуктовую разработку

С 4 по 5-е сентября у нас в Додо проходил хакатон. По сути, это такое соревнование, в котором вы меряетесь письками продуктами, которые создали с нуля за отведенный промежуток времени.

Наш хакатон длился 24 часа... в ленивые дни за такой промежуток времени я успеваю написать небольшой компонент, а в очень продуктивный день я сверстаю целую страницу, либо проведу основательный рефакторинг. По меркам индустрии это считается крутой скоростью, и меня часто хвалят за то, как быстро я работаю, но, как я выяснил на хакатоне, — это медленно, а я сломан продуктовой разработкой.

Моя сверстанная страница за "продуктивный" день работы на хакатоне никого не удивит, потому что другие команды за это время успеют построить звездолёт. Ребята, у которых нет опыта в разработке и которым ты сам же поставил задачу несколько часов назад...

Давайте же разберемся, почему так произошло. Во время хакатона я старался сделать не MVP, а продукт. Ключевое различие между ними в том, что первое ты делаешь, чтобы проверить теорию, а второе — чтобы им пользовались люди. На хакатоне никто не ждёт от тебя, что ты сделаешь продукт, от тебя ждут MVP. И в этом смысле продуктовая разработка меня сломала: я уже не могу «бац-бац и в продакшен», что-то навайбкодить, вообще не смотреть на то, что получилось, и просить AI исправить что-то за меня, не трогая код ручками.

Я знаю, насколько сложно поддерживать спагетти-код.
Я знаю, насколько сложно добавлять в него фичи.
Я знаю, что по мере роста кодовой базы, проект может стать неподдерживаемым.

Ребята в моей команде не знали.
И буквально произошла история: «я не знал, что так нельзя, поэтому сделал это».

Так получилось, что мы параллельно писали два приложения: одно — я, другое — Саша, которая никогда не писала код.

И к тому времени, когда у меня было готово относительно красивое приложение только с базовым функционалом, в котором я продумал UX и к которому я планировал прикрутить ещё пару базовых фичей...

...у Саши уже был готов звездолёт: приложение со всеми фичами, которые мы обсуждали (даже с теми, что не собирались реализовывать в связи с жёстким дедлайном), с прикрученным бекендом, с интересным визуалом, с авторизацией, с интеграцией AI в двух разных частях приложения!!! Вау!

Не буду скрывать. Когда я это увидел, у меня отвисла челюсть. В последний раз я был так сильно удивлён, когда вышла GPT-5. На короткий период я даже словил приступ синдрома самозванца — настолько увиденное было круто!

Когда Саша скинула мне ссылку на репозиторий, я тоже был сильно удивлён, но уже тем, что там было жуткое спаггети, в котором ориентироваться мог только ранее упомянутый GPT-5.

И в этот момент меня осенило во второй раз: я слишком сильно зациклился на реализации, пытался довести код до совершенства там, где это вообще не требовалось. Я, как и 100% разработчиков, попал в «ловушку хорошей реализации» и забыл прикладную истину: «всем похер чо под капотом, покуда едет». Честно говоря, я думал, что уже давно не страдаю этим и могу легко смещать фокус с качества на скорость там, где это требуется, но когда я увидел, что в проекте Саши буквально каждый файл был красным от ошибок, а без AI в нём невозможно было ориентироваться (хотя AI на удивление хорошо понимал проект и то, что я просил его сделать), и что при этом всё прекрасно работало, выдавало требуемый результат и всё это происходило без ошибок для пользователей. В этот момент я пересмотрел свою картину мира, и задумался о том, как я могу использовать себе на пользу.

В общем, хакатон реально приоткрыл мне глаза и мне самому не терпится узнать, во что это выльется в будущем!

Спасибо моей команде и ребятам из IT-бренда за организацию этой движухи ❤️