← На главную | ← Назад к блогу

Разработка программ с помощью AI: реальные подводные камни и личный опыт

Разработка программ с помощью AI: реальные подводные камни и личный опыт

Решила в этой статье поднять очень спорный вопрос. Кто-то всеми руками за нейросети, а кто-то считает, что это всё от лукавого и ничего хорошего из этого не выйдет. Я тоже решила высказаться — тем более своё мнение и определённый опыт у меня в этом вопросе есть. Как всегда начну с начала: мне кажется, так понятнее, когда я постепенно рассказываю о своём опыте и о том, как пришла к определённым выводам.

Первое знакомство: статья на Хабре, которая изменила всё

Когда-то я, как и все, писала код сама. Где не знала, как писать, искала подсказки в документациях и на форумах. Но всё изменилось в начале 2024 года благодаря одной статье на Хабре. Там системный аналитик рассказывал, как он с товарищем — тоже не программистом — написал довольно сложное приложение с базой данных, кэшированием и интеграциями со сторонними системами. Писали при помощи Яндекс GPT: сначала продумали архитектуру, затем перешли к коду. И всё получилось!

Меня тогда это просто поразило. На тот момент мой опыт работы с нейросетями ограничивался парой сообщений в GPT-чате. А тут — целая программа. Просто новый мир! Но как к нему подступиться, я пока не знала. Зато понимала: без теоретических основ IT-инфраструктуры и более глубокого знания языков программирования я и с AI программу не напишу.

Copilot и GigaCode: первые шаги с AI-ассистентами в VS Code

Прошёл год. Я прошла курсы по Laravel — решила, что знание самого популярного PHP-фреймворка мне не помешает. Подписалась на канал ведущего курсов, который как раз начинал работу с Claude и выкладывал курс по нему. Курс с удовольствием посмотрела, но до платной версии Claude дело тогда не дошло. Зато с этой подачи начала использовать в работе Copilot и GigaCode — оба установлены в VS Code.

Я описывала задачу — ассистенты давали инструкции и готовый код. Код в большинстве случаев работал. А вот инструкции по устранению ошибок — в основном нет. Поэтому продолжала гуглить ошибки и способы их устранения. Всем этим бы и ограничилось, если бы я не взялась писать программу для сопоставления номенклатуры.

Разработка программы для сопоставления номенклатуры: неожиданный вызов

Для меня это был совершенно неожиданный опыт: раньше я писала только сайты, а тут — программа на Python, которого я не знала. Сама тема была мне знакома: в 1С есть сопоставление номенклатуры, но оно далеко не такое умное, как требовалось клиенту. Для этой задачи идеально подходил именно Python: готовые библиотеки для задач сопоставления и возможность создания веб-интерфейса.

Чтобы сделать то, что я хочу, но пока не умею, я написала Claude. Описала задачу, попросила дать рекомендации. Он сразу набросал архитектуру на Python, указал, какие библиотеки установить, и написал код программы. Я всё собрала воедино — и у меня заработал простейший десктопный прототип. Пока он ушёл недалеко от встроенного аналога в 1С, но для меня это был настоящий прорыв!

Claude Code: когда AI начинает работать прямо в терминале

Писать программу через веб-интерфейс бесплатной версии Claude оказалось очень трудоёмко, и я купила платную версию с Claude Code. Тут дело пошло! Claude начал работать в терминале на моём компьютере: сам писал код в файлах, устанавливал необходимые библиотеки и выполнял команды. Я была в восторге! Мы с Claude прикрутили базу данных, разместили программу в Docker для лёгкой установки на любом устройстве, сделали веб-версию.

Но были и сложности:

Но при этом я писала на языке, которым раньше не владела, и подключала сторонние сервисы без многочасового изучения API. Клод делал всё за меня.

GPT, промты и тонкости работы с номенклатурой

В итоге я прикрутила к системе GPT-чат для выбора нужной позиции. Кидать ему каждый раз 7 000 позиций номенклатуры клиента означало затормозить работу: 100 позиций из типичного заказа сопоставлялись бы около 30 минут. Поэтому имело смысл отправлять по 10 позиций за раз — и моей задачей было обеспечить, чтобы в эти 10 попадал правильный вариант. В этом помогла гибкая система фильтрации, которую впоследствии я вынесла в пользовательские настройки.

В типичных случаях для такой задачи используются embeddings — семантические векторы для более точного поиска совпадений. Но в моём случае позиции всё равно выбирались неправильно, а система очень долго думала. Поэтому от embeddings пришлось отказаться.

Ещё одна сложность: заказ мог прийти в совершенно любом формате, поэтому разбирал его тоже AI. Ну и промты — как много от них зависело! Они переписывались десятки раз, чтобы помочь GPT освоить особенности работы с номенклатурой клиента. Работа над программой растянулась на месяцы. Но результат того стоил: теперь практически каждая позиция, как бы она ни была указана клиентом, правильно сопоставляется.

AI-разработка сайтов: час вместо нескольких дней

Параллельно я начала использовать Claude Code при разработке сайтов. В итоге за час получала готовый сайт с административной панелью — без покупки CMS, с быстрой работой и без долгой настройки. Косяков, конечно, хватало, и все их приходилось исправлять. Но это всё равно было в разы быстрее, чем разрабатывать всё вручную, даже с CMS.

Выводы: что даёт AI-разработка и кому она подходит

Для меня AI — это совершенно новые горизонты разработки и возможности, которые раньше были недоступны. Я чувствую, что теперь могу решить практически любую задачу и больше не ограничена собственными знаниями.

При работе с AI важно помнить:

Кстати, теперь некоторые руководства по программам заканчиваются предложением скормить их своему AI-агенту. Времена меняются!

Об услуге Разработка сайтов на Битрикс
Об услуге AI автоматизация

Комментарии

Комментариев пока нет. Будьте первым!

Оставить комментарий

← Вернуться к списку статей