Сделал приложение с ИИ за $40 в месяц: самым сложным оказался не код, а путь в Google Play

Разработчик-одиночка из России описал полный путь от идеи до публикации в Google Play. Он вёл тренировки в Notion (сервис для заметок и таблиц), но записывать вес и повторы в таблицу посреди зала было неудобно. Тогда он решил собрать собственное приложение, используя вайбкодинг (создание кода через текстовые описания на естественном языке, когда ИИ пишет программу по вашим словам). Источник: личный отчёт автора проекта Setlane.

Что получилось собрать за $40 в месяц?

• Трекер тренировок с офлайн-режимом. Приложение полностью работает без интернета и синхронизирует данные, когда связь появляется. Для зала, где связь часто пропадает, это было обязательным условием.

• Личные рекорды, таймер отдыха, каталог упражнений, история и статистика прогресса. Функции добавлялись постепенно, по мере того как автор сам пользовался приложением несколько месяцев.

• MCP-интеграция с ChatGPT и Claude. MCP (Model Context Protocol, протокол, через который ИИ-модель может запрашивать данные из приложения и работать с ними) позволяет написать ChatGPT или Claude: «Посмотри мои тренировки за четыре недели, где прогресс, а где нет». Модель сама запрашивает нужные данные. Пользователь подключает интеграцию сам, данные никуда не уходят без его ведома.

• Запись и чтение через ИИ. После релиза автор добавил возможность не только читать данные, но и записывать тренировки через ChatGPT.

Четыре инструмента и их роли

Автор менял инструменты по мере роста задач, и это показательно для тех, кто думает, что вайбкодинг ограничивается одним сервисом.

Lovable использовался на старте. Автор описывал приложение текстом, получал первый рабочий прототип (MVP). Проблема: маленькие лимиты, сильная привязка к платформе, невозможность нормально редактировать код через другие инструменты.

Cursor с расширением GPT стал основной средой после переноса проекта на GitHub (хранилище кода). Появилась нормальная кодовая база, возможность видеть изменения, откатывать их и работать с несколькими файлами.

Claude Design за $20 в месяц решил проблему интерфейса. Автор отмечает странную особенность: обычный Claude Code предлагал посредственный дизайн, а Claude Design выдавал заметно лучший результат, но съедал лимиты гораздо быстрее.

GPT-5.6 Sol справился с MCP-интеграцией за 30 минут. Автор обсудил с моделью, какие данные отдавать, какие инструменты нужны, как работает авторизация. Модель составила план и написала рабочий код почти с первой попытки.

Самым сложным оказался не код

Это центральный вывод всей истории. Автор был уверен, что главная трудность окажется технической. На деле:

• Дизайн потребовал нескольких итераций и отдельной подписки. Без Claude Design приложение «выглядело страшно».
• Google требует 14-дневное закрытое тестирование с 14 тестерами. У автора столько знакомых с Android не нашлось, пришлось заплатить $14 за платный сервис тестеров.
• Офлайн-режим занял целую неделю отдельной работы.
• Несколько месяцев автор вообще забросил разработку и просто пользовался приложением. Этот перерыв оказался полезным: стало понятно, что реально нужно, а что добавлялось «просто потому, что можно».

Код при этом писался быстро. MCP-интеграция, которую автор мысленно откладывал как сложную архитектурную задачу, заняла полчаса.

Как попробовать собрать своё?

1. Опишите задачу, которую решаете сами. Автор не придумывал продукт для рынка, он автоматизировал собственную рутину с Notion. Начните с того, что вы уже делаете неудобно.

2. Соберите MVP в Lovable или аналогичном конструкторе. Первая версия будет «страшной», это нормально. Задача: проверить, работает ли идея вообще.

3. Перенесите код в Cursor или другую среду, где можно редактировать файлы и откатывать изменения. Привязка к одному сервису ограничивает.

4. Попользуйтесь своим продуктом хотя бы месяц перед тем, как показывать другим. Автор пользовался несколько месяцев и убрал лишнее.

Российские аналоги: что доступно здесь?

Lovable и Cursor работают из России. Подписка Claude доступна с ограничениями (нужна иностранная карта). ChatGPT доступен с теми же ограничениями.

Из российских инструментов для вайбкодинга пока нет прямого аналога Lovable или Cursor с встроенным ИИ. YandexGPT и GigaChat умеют генерировать код, но не встроены в среду разработки с контекстом проекта. Для простых задач можно использовать YandexGPT для обсуждения архитектуры и написания отдельных функций, но полный цикл «от промпта до приложения» на российских инструментах пока выглядит сложнее.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Сам формат «я сделал продукт с нуля» отлично работает как контент. Опишите свой путь сборки инструмента: подписчикам интересен процесс, а не результат. Если ведёте контент-план в таблицах, попробуйте перевести его в простое приложение через Lovable.

Маркетологу. MCP-интеграция, когда ИИ может читать и записывать данные вашего продукта, меняет логику работы с пользователем. Вместо встроенного чат-бота пользователь подключает ваш сервис к своему любимому ИИ. Это другой тип удержания.

Предпринимателю в РФ. Lovable и Cursor доступны из России, подписки Claude и ChatGPT требуют иностранной карты. Если карты нет, начните с бесплатных лимитов Lovable и Cursor, этого хватит на MVP.

Частые вопросы

Нужно ли уметь программировать, чтобы повторить такой путь?

Автор Setlane не программист. Он описывал задачи текстом, а ИИ писал код. Но «не нужно уметь программировать» не значит «не нужно разбираться»: автор учился работать с GitHub, понимать структуру файлов, откатывать изменения. Это ближе к роли редактора кода, чем к классическому программированию.

Почему $40, а не бесплатно?

Бесплатные лимиты Lovable и Cursor быстро заканчиваются. Автор платил $20 за Claude и $20 за ChatGPT, плюс $14 за сервис тестирования для Google Play. На бесплатных тарифах можно собрать прототип, но довести до публикации без подписки не получится.

Что такое MCP и зачем он в фитнес-трекере?

MCP (Model Context Protocol) позволяет подключить приложение к ChatGPT или Claude так, чтобы ИИ мог запрашивать ваши данные и отвечать на вопросы по ним. Вместо встроенного «ИИ-тренера» с ограниченными ответами вы получаете доступ к мощной модели, которая видит вашу реальную статистику. Данные при этом остаются у вас: модель запрашивает только то, что нужно для конкретного вопроса.