Персональные нейросети как хобби: Java-разработчик собрал рабочий дашборд за вечера с ИИ

Разработчик, который более 15 лет писал код профессионально и как хобби, столкнулся с тем, что языковые модели радикально ускоряют прототипирование. Вместо того чтобы бороться с «кладбищем заброшенных проектов», он направил подписку на Claude Code (агентный CLI-инструмент от Anthropic для работы с кодом через командную строку) на решение собственной ежедневной боли. Результат: Java-оркестратор с веб-дашбордом, который автоматизирует цикл «взял задачу, сделал, отправил на ревью, задеплоил». Источник: авторский разбор на Хабре.

Что понадобится?

• Подписка на агентный CLI. В оригинале использовался Claude Code. Из доступных в РФ вариантов подойдут GigaCode от Сбера или локальные агенты на открытых моделях.
• Базовое окружение: macOS или Linux, Git, терминал (автор перешёл с Warp на Kitty из-за лагов), Java 25 или другой язык, на котором удобно писать «каркас».
• MCP-серверы (Model Context Protocol, протокол, через который ИИ-агент подключается к внешним инструментам: репозиторию, документации, логам, доске задач).
• Мультиплексор терминала (tmux), чтобы держать несколько сессий в одном окне.
• Время: автор собирал дашборд итерациями в свободное от основной работы время, каждая итерация занимала вечер или выходной.

Пошаговая инструкция: от идеи до рабочего дашборда

1. Сформулируйте свою «боль». Не абстрактную («хочу попробовать ИИ»), а конкретную задачу, которую вы решаете руками каждый день. У автора это был цикл: задача, ветка, код, ревью, деплой.

2. Опишите оркестратор словами. Что он должен делать? Автор хотел: создать связку git worktree (изолированная рабочая копия репозитория) и CLI-сессии, канал общения с моделью, merge request (запрос на слияние кода).

3. Запустите первую сессию агента с минимальным промптом (текстовой инструкцией для модели):

Создай Java-проект, который:

- принимает ID задачи из Jira
- создаёт git worktree для этой задачи
- открывает CLI-сессию с контекстом репозитория
- выводит статус в терминал

1. Подключите MCP-серверы к агентной сессии: репозиторий, документация, борда задач, логи. Это даёт модели доступ к реальным данным вместо галлюцинаций (когда ИИ уверенно выдумывает несуществующее).

2. Перерастите CLI. Автор быстро понял, что текстового интерфейса мало: захотелось ссылок на задачу и merge request, цветных индикаторов, кликабельных элементов. Добавьте веб-дашборд.

3. Не пытайтесь ревьюить весь сгенерированный код. Автор прямо пишет: «быстро понял, что я слабое звено и ревью кода бесполезно, кода слишком много». Вместо этого вложитесь в тесты.

4. Займитесь архитектурой, когда баги начнут повторяться. Автор сначала понадеялся, что короткие юнит-тесты (тесты отдельных функций) автоматически приведут к декомпозиции. Не привели. Пришлось самому разбить проект по зонам ответственности и интерфейсам. Цитата: «И это помогло, чувствовать себя нужным оказалось приятно».

5. Добавьте end-to-end тесты (проверка всей цепочки от начала до конца). Автор подключил MCP chrome-devtools, и агентная сессия стала открывать реальную страницу дашборда и править CSS прямо в браузере.

6. Оптимизируйте запуск. Обвешенная навыками и MCP-серверами сессия медленно поднималась. Для простых задач автор добавил возможность запуска «слабой» модели с минимальным набором MCP.

7. Напишите «скиллы» (инструкции для модели по конкретным задачам: как комментировать, как логировать, как писать тесты). Без них модель генерирует «комментарии размером с "Войну и мир"».

Что с этого вам прямо сейчас?

Автору Дзена и копирайтеру. Персональные нейросети работают не только для кода. Тот же принцип применим к контенту: опишите свою ежедневную рутину (сбор фактуры, структурирование статьи, оформление), настройте агента через системный промпт (базовую инструкцию, которая задаёт поведение модели) и автоматизируйте повторяющиеся шаги.

Маркетологу. Подход «автоматизируй собственную боль» переносится на отчётность, парсинг конкурентов, генерацию черновиков рассылок. Ключевой вывод автора: не пытайтесь контролировать каждую строку, контролируйте архитектуру процесса и проверяйте результат.

Предпринимателю в РФ. Claude Code в России доступен с ограничениями. Но сам паттерн, «оркестратор плюс агентная сессия плюс MCP», воспроизводим на открытых моделях (модели с доступными весами, которые можно запустить локально). YandexGPT и GigaChat пока не предлагают полноценных CLI-агентов, но локальные решения на базе опенсорса уже работают.

Начните не с фреймворка и не с выбора модели. Начните с одной конкретной задачи, которую вы делаете руками каждый день и которая вас раздражает. Опишите её агенту. Как сказал автор: «Решать собственные проблемы может быть весьма интересно даже в неспокойное время».