Искусственный интеллект заменил программирование: за 40 минут и 5 центов собрали веб-приложение

Российский разработчик Алекс Гусев описал на Хабре подробный кейс создания и развития веб-приложения «Mindstream» при помощи ИИ-агентов, почти не читая сгенерированный код. Публикация вышла в июне 2025 года и вызвала дискуссию: насколько реально передать кодирование машине, если вы не программист, а «владелец продукта».

Суть эксперимента: приложение «Mindstream» с базой данных на PostgreSQL было полностью сгенерировано codex-агентом (ИИ-агент, который пишет код по текстовым указаниям) ещё в феврале 2025 года по методологии ADSM. Автор сознательно не вмешивался в код, а вместо этого писал контекстную документацию, формулируя задачи так, чтобы агент сам выбирал реализацию. Искусственный интеллект в программировании здесь выступил не помощником, а основным исполнителем.

Что автор сделал за один сеанс?

• Анализ документации. Агент проверил, насколько контекстная документация проекта отстала от текущего состояния, и реструктурировал её без потери смысла.
• Приведение кода к единому стилю. Агент переформатировал исходники под авторские соглашения о стиле кодирования (coding conventions, набор правил, как оформлять код).
• Обновление зависимостей. При обновлении npm-пакетов (менеджер библиотек для JavaScript) проект сломался из-за устаревшей библиотеки. Агент сам переписал все исходники и тесты под новый формат.
• Добавление новой функции. «Цветовая дифференциация» публикаций по интересам читателя была реализована и выкачена в рабочую версию.

Весь этот объём уложился в 40 минут реального времени автора и пятичасовой лимит подписки OpenAI Plus. После исчерпания лимита автор переключился на opencode и DeepSeek V4 Flash, потратил ещё 10 от 15 минут и 5 центов, и проект заработал. Код, написанный одним агентом, без проблем подхватил другой.

Почему автор не читал код?

Гусев за весь сеанс заглянул в код один раз. Это не беспечность, а осознанный подход: методология ADSM (Agent-Driven Software Methodology, методология разработки, где агент ведёт проект, а человек задаёт рамки) предполагает, что разработчик выступает «владельцем продукта». Вместо написания кода он формулирует требования в контекстной документации, генерируя её тоже с помощью агента.

По словам автора, ИИ-агенту безразлично, насколько популярна библиотека: можно «скармливать любую дичь», и агент разберётся. Но некоторые языки программирования и библиотеки более «дружелюбны» к агентскому кодированию, некоторые нет. Искусственный интеллект в программировании пока лучше справляется с экосистемами, где много открытых обучающих данных (training data, тексты и код, на которых модель училась).

Гусев честно отмечает ограничение: подход «не заглядывать в код» применим далеко не везде. Критичные области вроде железнодорожных систем по-прежнему требуют человеческого контроля. Ниша агентного кодирования сегодня: «одноразовые программы» и «программы для друзей», где цена ошибки невысока, а скорость важнее.

Как попробовать самому?

1. Сформулируйте задачу текстом. Опишите, что должно делать приложение, какие данные хранить, как выглядеть. Не пишите код, пишите требования.
2. Выберите агента. Codex от OpenAI (доступен по подписке Plus), opencode с DeepSeek V4 Flash (стоимость от нескольких центов за сеанс). Оба работают с JavaScript и PostgreSQL.
3. Создайте контекстную документацию. Расскажите агенту правила проекта: какой стек использовать, какие библиотеки подключать, какой стиль кода соблюдать.
4. Тестируйте как пользователь, а не как программист. Запускайте приложение и проверяйте, работает ли оно так, как вы описали. Код читать не обязательно.

Сравнение с российскими инструментами

Для тех, кто не имеет доступа к OpenAI Plus: в России доступны YandexGPT и GigaChat. Обе модели умеют генерировать код, но по состоянию на июнь 2025 года ни одна из них не предлагает агентный режим, сравнимый с Codex по автономности. YandexGPT и GigaChat подходят для генерации отдельных фрагментов кода и объяснения чужого кода, но вести целый проект от документации до деплоя (выкатки в рабочую версию) пока не могут. Для агентной разработки из доступных альтернатив: opencode + DeepSeek, который работает без VPN и стоит копейки.

Частые вопросы

На каком языке программирования лучше работать с ИИ-агентами?

Автор использовал JavaScript и PostgreSQL. По его наблюдению, агенты лучше справляются с языками и библиотеками, для которых в открытом доступе много примеров кода. JavaScript, Python, TypeScript: наиболее «дружелюбные» к агентному кодированию экосистемы. Редкие или проприетарные (закрытые) стеки могут вызвать больше галлюцинаций (hallucination, когда ИИ уверенно выдумывает то, чего не было).

Сколько это стоит?

В описанном кейсе автор потратил пятичасовой лимит подписки OpenAI Plus (20 долларов в месяц за всю подписку) и 5 центов на DeepSeek V4 Flash. Для «одноразовых программ» и личных инструментов это копейки по сравнению с наймом фрилансера.

Можно ли так делать серьёзные проекты?

Автор прямо говорит: нет, пока нельзя. Критичные системы, работа с чужими данными, финансовые операции требуют человеческого контроля кода. Но для прототипов, личных утилит и проверки идей подход уже рабочий.

Главный вывод из этого кейса для нетехнарей: программист как посредник между вашей идеей и продуктом перестаёт быть обязательным звеном, если вы готовы взять на себя роль «владельца продукта» и научиться разговаривать с агентом на его языке, через структурированную документацию и чёткие требования.