Прототипирование фронтенда за вечер: аналитик собрал кликабельный макет без дизайнера
Прототипирование фронтенда перестало требовать навыков дизайнера или верстальщика: системный аналитик с опытом работы в Figma показал, как за один вечер собрать кликабельный прототип интерфейса при помощи ИИ и трёх базовых веб-технологий.

Раньше путь от идеи до согласованного макета шёл через Figma, дизайнера и несколько итераций правок. Теперь аналитик может сам сгенерировать рабочий прототип фронтенда, показать его заказчику и внести правки за минуты, а не дни.
Системный аналитик, работавший с Figma и Balsamiq на реальных продуктовых проектах, описал эволюцию своего рабочего процесса. Раньше он собирал требования, строил макет из готовых компонентов дизайн-системы, описывал каждое поле и отправлял результат на согласование руководству, затем дизайнерам, и только потом фронтенд-разработчикам. Процесс работал, но каждая итерация правок стоила времени всей цепочке.
С появлением генеративного ИИ (LLM, большая языковая модель, по сути продвинутый генератор текста и кода) аналитик перешёл к так называемому вайбкодингу, когда задачу описываешь словами, а нейросеть генерирует готовый код. Для прототипирования фронтенда это означает: вместо перетаскивания компонентов в графическом редакторе вы получаете рабочую HTML-страницу с кнопками, полями и переходами.
Зачем аналитику кликабельный прототип?
Прототип не заменяет дизайнера и не претендует на готовую реализацию. Это способ сформулировать требования так, чтобы их можно было потрогать руками.
С рабочим прототипом проще:
- согласовать решение с руководством и стейкхолдерами (заинтересованными лицами, от которых зависит судьба фичи)
- показать пользовательские сценарии вживую, а не на словах
- обнаружить ошибки до начала полноценной разработки
- обсуждать спорные моменты, тыкая пальцем в экран, а не в текст ТЗ
Фронтенд-разработчику потом передаётся не готовый код, а наглядный референс: как выглядит интерфейс и как он себя ведёт. Встраивать в архитектуру, подключать API (программный интерфейс для обмена данными между системами), писать тесты он будет сам.
Что понадобится
- Любой текстовый редактор или IDE (среда разработки): VS Code, Cursor или даже блокнот
- Доступ к ИИ-ассистенту, который умеет генерировать код: ChatGPT, Claude, YandexGPT или GigaChat для тех, кто работает в РФ
- Базовое понимание трёх технологий: HTML (разметка страницы), CSS (стили и внешний вид), JavaScript (поведение и интерактив)
- Текст задачи: описание фичи, список полей, типы данных, ограничения
- Время: первый прототип занимает от 30 минут до пары часов в зависимости от сложности
Автор рекомендует именно связку HTML, CSS и JavaScript, а не фреймворки вроде React или Vue. Причина практическая: чем проще стек, тем меньше шансов, что ИИ сгенерирует что-то, в чём вы не разберётесь.
Пошаговая инструкция
-
Соберите требования к фиче. Запишите: какая информация выводится, откуда берётся, какие типы данных, обязательные и необязательные поля, ограничения по длине, поведение при ошибке. Это тот же процесс, который вы делали бы для Figma-макета.
-
Сформулируйте промпт (текстовое задание для нейросети). Опишите задачу так, будто объясняете стажёру: что за страница, какие элементы на ней, как они расположены, что происходит при нажатии.
Создай HTML-страницу с формой добавления товара.
Поля: название (обязательное, до 100 символов),
цена (число, обязательное),
описание (необязательное, до 500 символов),
категория (выпадающий список: электроника, одежда, еда).
При отправке показывай сообщение об успехе.
При ошибке валидации подсвечивай поле красным
и показывай текст ошибки под полем.
Стиль: минималистичный, светлая тема, без внешних библиотек.
-
Отправьте промпт ИИ-ассистенту. Получите файлы HTML, CSS и JavaScript (иногда всё в одном HTML-файле).
-
Откройте результат в браузере. Просто дважды кликните по HTML-файлу. Никакой сборки, серверов и установки пакетов не нужно.
-
Проверьте каждое поле и сценарий. Заполните форму правильно, затем неправильно. Убедитесь, что валидация работает, сообщения показываются, кнопки реагируют.
-
Передайте правки обратно ИИ. Не нужно отправлять замечания дизайнеру и ждать. Просто напишите:
В форме товара добавь поле «артикул» (обязательное, только цифры, 8 символов).
Перенеси кнопку «Отправить» под все поля.
Сделай заголовок крупнее.
-
Покажите результат заказчику. Кликабельный прототип в браузере убеждает сильнее, чем статичный макет или текстовое ТЗ.
-
Передайте папку с файлами фронтенд-разработчику как визуальный референс поведения интерфейса.
Аналитик получает задачу: добавить новую страницу для вывода информации о заказах. Раньше он открывал Figma, брал компоненты из дизайн-системы, расставлял поля, описывал каждое (тип данных, обязательность, длина, поведение при ошибке), отправлял макет руководству, потом дизайнерам для доработки отступов и UX-рекомендаций, и только после этого передавал фронтенду.
Теперь он пишет промпт с теми же требованиями, получает рабочую страницу за 10 минут, проверяет в браузере, вносит две правки через следующий промпт и идёт на согласование с готовым кликабельным прототипом. Дизайнер подключается позже, для финальной полировки, а не для создания макета с нуля.
- Передавать прототип как готовый код. Это референс, не реализация. Фронтенд-разработчику придётся встроить решение в архитектуру, подключить настоящие данные, добавить адаптивность и доступность. Если отдать «как есть», получите технический долг.
- Игнорировать описание полей. Если в промпте не указать типы данных, обязательность и ограничения, ИИ додумает сам, и додумает неправильно. Галлюцинация (когда ИИ уверенно генерирует то, чего вы не просили) в коде так же опасна, как в тексте.
- Использовать сложный стек. React, Vue и TypeScript в промпте увеличивают количество файлов и зависимостей. Для прототипа, который живёт два дня до согласования, это лишнее.
- Не проверять результат руками. ИИ может сгенерировать форму, где кнопка «Отправить» ничего не делает или валидация пропускает пустые поля. Каждый сценарий нужно прокликать.
Что с этого вам?
Системным аналитикам и продуктовым менеджерам. Прототипирование фронтенда через ИИ сокращает цикл «идея, согласование, передача в разработку». Вы перестаёте зависеть от загрузки дизайнера для промежуточных макетов. Инструменты доступны на русском языке: YandexGPT и GigaChat понимают промпты на русском и генерируют код.
Авторам Дзена и контент-маркетологам. Тот же подход работает для лендингов, интерактивных демо и визуальных примеров в статьях. Вместо скриншота можно встроить рабочий прототип.
Предпринимателям в РФ и СНГ. Если у вас нет штатного дизайнера, а задачу нужно показать подрядчику или инвестору, кликабельный прототип за вечер стоит ноль рублей и объясняет идею лучше презентации.
Подход, описанный автором, по моим наблюдениям, реально экономит от одного до трёх дней на каждой итерации согласования. Но я бы добавил честную оговорку: качество промпта определяет качество прототипа. Если вы привыкли писать требования размыто («сделай красиво»), ИИ выдаст что-то среднее. Зато если вы годами описывали поля в Figma-макетах, как автор оригинала, ваши промпты уже готовы, просто перенесите структуру описания в текстовый запрос. Навык системного аналитика никуда не делся, он просто переехал из графического редактора в текстовое окно.
Попробуйте сегодня: возьмите последнюю фичу, которую вы описывали в документации, и превратите её в промпт для любого доступного ИИ-ассистента. Первый рабочий прототип в браузере убедит вас лучше любой статьи.
Научитесь писать промпты, которые работают
В dzen.guru мы разбираем приёмы промпт-инжиниринга для авторов, аналитиков и маркетологов на практических примерах
Попробовать бесплатно
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Бот QuotaRadar отслеживает сброс API лимитов Codex и Claude Code через Telegram
Почему это важно Русскоязычные разработчики, работающие с Codex и Claude Code, теперь могут узнавать о сбросе API лимитов через Telegram, а не вручную…

95% ИИ-пилотов не окупаются: платформы генеративного ИИ решают проблему «зоопарка»
Компании по всему миру тестируют генеративный ИИ, но 95% пилотных проектов так и не выходят на окупаемость, и главная причина не в технологиях, а в архитектуре…

LLM költségek в продакшене: как JobPath сократил счёт с $2000 до $29 в месяц
Пост-обработка вакансий в продакшене обходится командам дорого, и реальный кейс JobPath показывает, как перейти с дорогой модели на дешёвую без потери…
Комментарии