Шахматный движок онлайн: где Claude написал рабочий код, а где повёл по ложному следу

Разработчик собственного шахматного движка описал полный цикл работы: от ночных матчей против программ-конкурентов на Chess.com до построения визуального дашборда для анализа тысяч партий, и честно разобрал, где Claude справился, а где навредил.

Проект интересен не столько шахматами, сколько методом. Автор столкнулся с типичной проблемой: ИИ-чат (в данном случае Claude) при анализе данных упускал детали, выдвигал необоснованные предположения и советовал неэффективные решения. Зато тот же Claude отлично написал скрипты автоматизации, которые работают без обращения к ИИ и без интернета.

Что Claude сделал хорошо, а что провалил?

• Скрипты автоматизации удались. Claude написал код, который управляет программами-конкурентами: выбирает уровень противника, распознаёт позицию и последний ход, считывает время на часах, определяет окончание партии. Скрипты работают локально, без токенов (токен, это единица текста, за обработку которой ИИ-сервис берёт деньги).
• Анализ данных провалился. При разборе записей партий Claude упускал важные детали, давал необоснованные советы. Работа замедлялась и шла «по ложному следу», как пишет автор.
• UX-дизайн дашборда потребовал ручного вмешательства. Автор попросил Claude Design «сделать в стиле современных модных дашбордов». Результат он оценил как «настолько плохой UX, что объяснять и исправлять бесполезно». Пришлось рисовать набросок в Figma и писать подробное текстовое техзадание. После двухдневной сессии с Claude Design дашборд заработал как нужно.

Как устроен дашборд для калибровки?

Архитектура проекта выглядит так: Claude мониторит партии, собирает статистику и записывает CSV-файлы в директорию runs. Сервер на PHP читает эти файлы и передаёт данные фронтенду на HTML/CSS с минимумом JavaScript.

Статистика включает не только счёт партий, но и внутренние переменные движка: расход стека, процент предугаданных ходов противника, оценку позиции, вероятность нахождения позиции в кэше (временном хранилище уже просчитанных вариантов), глубину просмотра, количество оценённых позиций. Из внешних данных фиксируются среднее и максимальное время на ход и остаток на часах.

Для статистической значимости матчи состояли из 10 до 60 партий. Движок играл попеременно белыми и чёрными на одном уровне сложности против одного противника.

Два типа графиков, которые решают задачу

Автор отдельно подчёркивает: «универсальных дашбордов» не существует, каждый проект требует своего способа отображения. Для шахматного движка онлайн он придумал два формата.

Линейные графики показывают изменение сложности по всем партиям матча. Полупрозрачные линии заполняют поле и выявляют тенденцию. Конец партии обозначен резким обрывом линии вниз, что позволяет выделить курсором конкретную партию. Именно эта визуализация помогла найти и решить проблемы проигрыша по времени и падения качества игры при нехватке времени.

Круговая диаграмма показывает бюджет уровня (максимальное количество позиций, которые движку разрешено просматривать). Серый диск обозначает 100% бюджета, диаграммы разных уровней нормированы до одинакового диаметра для удобства сравнения.

Дашборд отображает 7 уровней сложности слева направо: на первом уровне движок думает поверхностно, на седьмом размышления достигают максимальной глубины. Наведение на индикатор партии подсвечивает данные в других блоках.

Как попробовать?

1. Изучите описанный стек: PHP-сервер для чтения CSV, фронтенд на HTML/CSS/JavaScript. Если вы работаете с любым шахматным движком онлайн, архитектура адаптируема.
2. Для автоматизации матчей используйте Claude (или другой ИИ-ассистент) для написания скриптов управления, но не доверяйте ему анализ результатов.
3. Визуализацию стройте под свою задачу: автор начал с Apple Numbers (аналог Microsoft Excel), затем перешёл к собственному дашборду, когда таблиц стало слишком много для ручного сравнения.

Есть ли аналоги в России?

Прямого российского аналога этого проекта нет, это личная разработка. Но подход применим с доступными в РФ инструментами.

Для написания скриптов автоматизации YandexGPT и GigaChat справятся с аналогичными задачами. Для анализа шахматных данных, как показал сам автор, ИИ-чаты пока ненадёжны независимо от провайдера.

Частые вопросы

Нужно ли разбираться в программировании, чтобы повторить подход?

Базовые навыки нужны: проект использует PHP, HTML/CSS и JavaScript. Но скрипты автоматизации автор писал не сам, а с помощью Claude, то есть ИИ-ассистент взял на себя основную часть кода. Если вы умеете сформулировать задачу текстом и запустить скрипт в терминале (командная строка компьютера), попробовать можно.

Почему ИИ плохо анализирует шахматные данные, но хорошо пишет скрипты?

Написание скрипта по техзаданию это задача с чёткими рамками: «нажми сюда, прочитай оттуда, запиши туда». Анализ аномалий в партиях требует понимания контекста, который модель не имеет. Автор прямо пишет: Claude «упускает важные детали, выдвигает необоснованные предположения». Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в анализе данных опаснее, чем в генерации кода, потому что ложный вывод труднее заметить.

Можно ли использовать этот дашборд для своего шахматного движка онлайн?

Автор не опубликовал код в открытом доступе. Но архитектура описана подробно: CSV-файлы со статистикой, PHP-сервер, фронтенд с графиками. При наличии собственных данных о партиях воссоздать подобный дашборд с помощью ИИ-ассистента реально за несколько сессий.