От вайбкодинга к профессиональной ИИ-разработке на примере LanChess: 3300 промптов, 832 коммита, 100 тысяч строк кода и путь от POC к продакшен-сервису.
Поздний вечер. Я смотрю в терминал. Celery-воркер на восьмиядерном сервере обрабатывает 67 блиц-партий с Lichess одного из пользователей. Через минуту этот человек получит персонализированную аналитику и упражнения от сервиса, аналогов которому в России пока нет. А я размышляю: стоит ли выводить сервис из закрытого режима по инвайтам?
Менее чем за три месяца я написал 100 тысяч строк кода — и ни одной вручную. Пришлось стать оператором персональных данных. РКН посоветовал отказаться от авторизации через Google. А ВК не подключил OAuth, пока я не стал самозанятым.
Зато теперь у меня есть собственный сервис. На его примере — без NDA, открыто — я могу показать, чем вайбкодинг отличается от профессиональной ИИ-разработки. Поделиться статистикой продуктивности. Рассказать о сложностях, ошибках и успехах, с которыми сталкиваются инженеры, использующие современные ИИ-инструменты. За последние годы я работал с ИИ над разными проектами. Но только о своём — о LanChess — могу рассказать всё.
Бог даст, это будет серия. Первый ход сделан — 1. e4. Отгадайте, какую партию будем разыгрывать.
От сказки до реальности
Термин «вайбкодинг» мне не очень нравится. Но сама идея — когда ты только подумал, а ИИ уже построил красивый замок с полной отделкой — мне близка. Я верю, что скоро так и будет: волшебная палочка, скатерть-самобранка и трое из ларца. Но пока это не так.
Сегодня можно создавать проекты с нуля, заменяя все роли в команде ИИ-агентами. Некоторые до сих пор в это не верят. Но это уже не вайбкодинг — это тяжёлая профессиональная ИИ-разработка. И я покажу это на цифрах.
Для проекта я использовал три инструмента: Claude Code и Codex — для генерации кода, ChatGPT — для обсуждений и исследований.
Первая сессия — 5 января. Первый коммит — 6 января. Сначала использовал только Codex. Но 30 января подключил Claude Code. Их связка оказалась очень продуктивной.
В таблице — статистика по двум основным инструментам. ChatGPT в ней нет, но он тоже активно работал: за это время было создано 112 чатов — около 560 промптов. Все данные взяты из логов, чтобы исключить путаницу с другими проектами.
С учётом ChatGPT получилось около 3 300 промптов за 81 день — в среднем 41 промпт в день.
Если вы думаете, что это «чилл» и вайбкодинг — знайте: на каждый мой промпт приходит четыре ответа, которые нужно прочитать. Плюс генерируется много документации. Если измерять в книгах по 250 страниц формата A4, то за три месяца я прочитал 16 таких книг — из ответов и документации. Такова цена работы в команде узкоспециализированных ИИ-агентов.
Это был не единственный проект. В напряжённые периоды приходилось вставать по ночам, чтобы эффективно использовать лимиты — 5-часовые и недельные. Кредиты можно купить, но расходуются они быстро. Их — на крайний случай.
Результат 3 300 промптов — 832 коммита в Git, около 10 коммитов в день. На каждый коммит — в среднем 3,3 промпта.
Схема работы выглядела так:
- три сообщения: задача, уточнение, подтверждение — и одно осмысленное изменение в коде;
- или один промпт — и цепочка автономной работы агента;
- или несколько промптов в сложном диалоге.
В деньгах: около 12 тысяч рублей за три месяца. Получается, каждые 100 строк кода обошлись в 12 рублей.
А теперь — о самом проекте.
LanChess (lanchess.ru) — сервис персональной шахматной аналитики и тренировок. Он превращает ваши партии в понятную картину игры, находит повторяющиеся слабости и помогает расти через анализ, упражнения и ИИ-рекомендации.
LanChess создан для:
- игроков всех уровней и возрастов;
- шахматных тренеров;
- родителей юных шахматных гениев.
Что умеет LanChess (неполный список):
- работает на любых устройствах (светлая и тёмная тема, адаптивная вёрстка);
- загружает партии с Lichess и Chess.com;
- анализирует от нескольких до сотен партий за раз;
- строит подробную аналитику: дебюты, ошибки, цейтнот, сила соперников, динамика игры;
- создаёт персональные упражнения из ваших ошибок — с тренажёрами на сайте;
- ИИ-тренер даёт разбор и рекомендации на основе всей картины;
- можно делиться статистикой и задачами в соцсетях.
LanChess — это не просто анализ партий. Это понимание своей игры. Не «посмотрел, вздохнул, пошёл дальше», а ответ на вопрос: что я играю на дистанции и где у меня снова и снова ломается игра?
Как это работает для пользователя? Вы указываете аккаунт на Lichess или Chess.com, выбираете период. Сервис забирает партии — информация открыта. Дальше начинается не просто «разбор движком», а полноценная диагностика: LanChess прогоняет партии через Stockfish, собирает статистику, выявляет повторяющиеся ошибки, группирует их в паттерны. Из этого получается не только аналитика, но и практика — ИИ создаёт индивидуальный план тренировок, а тренажёры помогают отрабатывать слабые места.
Немного внутренней статистики:
- 286 полей в моделях данных;
- 43 миграции PostgreSQL;
- 11 типов классификации ошибок;
- 10 измерений кластеризации позиции;
- 8 сохраняемых параметров на каждый ход;
- 6 аналитических разделов;
- 4 уровня серьёзности ошибок;
- 4 тренировочных инструмента;
- 3 типа контроля времени;
- 2 шахматные платформы.
Вся эта статистика превращается в интерактивный аналитико-тренировочный дашборд с графиками, таблицами и визуализациями.
POC за 3 дня
Вайбкодинг у меня был. Как же без него? Помните «Рататую»? Вайбкодить может каждый!
Перед LanChess я сделал POC — консольную утилиту chess-coach-ai. Без веба, без фронтенда, без авторизаций, без очередей, без продакшна. Только Python, Stockfish, командная строка и идея: можно ли взять партии игрока, проанализировать их, найти повторяющиеся ошибки, сгенерировать отчёт, упражнения и ИИ-рекомендации?
Оказалось — можно. И очень быстро. Первая рабочая версия собралась за пару дней. Вот тогда действительно было ощущение магии: подумал, поставил задачу, докрутил — получил результат. Это и был настоящий вайбкодинг.
Первый запрос в Codex — 5 января в 18:28. Через 28 часов — первый коммит: сразу 5500 строк. Ещё через сутки, 8 января, я уже рассылал знакомым первую версию. Они запускали её на своих компьютерах, смотрели графики, статистику, ИИ-разбор с рекомендациями и упражнения с доской.
Но POC — это не продукт. Это доказательство концепции. Это как дверь без ручки и петель, неотшкуренная, незашпаклёванная, неокрашенная. Косяк и дом для неё ещё не построены.
POC становится сервисом, когда появляются: Django, Next.js, Celery, PostgreSQL, Docker, OAuth, миграции, домен, почта, сервер, мониторинг, логи, пользователи, шаринг, ограничения платформ, работа с персональными данными — и прочие радости взрослой жизни.
Примерно здесь вайбкодинг и заканчивается.
Не потому что ИИ стал хуже писать код. Он по-прежнему быстр и продуктивен. Но теперь мало просто «собрать что-то работающее». Нужно, чтобы система не ломалась при первом же пользователе. Чтобы фоновые задачи доезжали. Чтобы данные не терялись. Чтобы сервис можно было развивать, а не просто один раз показать.
Обычно POC живёт недолго. К этапу MVP от него остаётся мало. До полноценного продукта доезжает редко. В моём случае — исключение.
От POC перешло в LanChess 94% кода — около 12 600 строк Python. Я сам в шоке. Git подтверждает: именно столько кода из chess-coach-ai попало в lanchess/packages/coach/.
По файлам:
- 19 — не изменились (графики, конфиги, кэш движка, нормализация PGN);
- 20 — выросли за счёт добавлений (retry-логика, windowed sync, прогресс);
- 1 файл удалён, 4 новых добавлены.
Вайбкодинг дал сильный старт — и, как оказалось, качественный. Но дальше на нём ехать было нельзя. Вокруг ядра должен был вырасти серьёзный инженерный слой. А это уже другой уровень разработки.
Рост проекта в 10 раз выдвигает новые требования. Выполнить их на уровне примитивного вайбкодинга, без традиционных регламентов и в условиях постоянных галлюцинаций ИИ — невозможно. Поэтому я взял опыт из классической IT-разработки и сделал всё, как делал бы в обычном проекте. Только вместо команды — ИИ-агенты. И вуаля — едем дальше.
Я не предлагаю заменять команду на ИИ-агентов. Но когда у вас нет ни команды, ни денег, а есть возможность с их помощью создать полезную ценность — этим надо пользоваться.
За гранью будущего
Каким стал проект — видно из блок-схемы.
Снаружи LanChess выглядит привычно: сайт, графики, доски, отчёты, тренажёры, рекомендации. Но внутри — уже взрослая архитектура: Nginx, фронтенд на Next.js, бэкенд на Django, очередь RabbitMQ, Celery-воркеры, PostgreSQL, Redis и отдельный слой файловых артефактов с SQLite-кэшами, который до сих пор сопровождает аналитический пайплайн.
Кнопка «создать анализ» — это не просто запуск скрипта. Это целая цепочка: бэкенд принимает запрос, ставит задачу в очередь. Один воркер делает быстрый предпросмотр. Два других — полный анализ через Stockfish. Отдельный воркер генерирует текстовый коучинг через LLM. Всё это должно сохраниться, не сломаться, корректно отобразиться на фронтенде и не повредить другие части системы.
Сколько кода понадобилось? Через Git прошло около 163 тысяч добавленных строк и 23 тысячи удалённых. Итоговая кодовая база — это лишь часть написанного. Многое переписывалось, уточнялось, удалялось или собиралось заново. Это важный момент.
Абсолютные цифры впечатляют. Но не потому что я хвастаюсь. А потому что это может сделать каждый при определённой подготовке.
Даже с учётом того, что ИИ всё ещё глюковат, прогресс впечатляет. Сравнивая до-ИИ и пост-ИИ периоды: сегодня один человек с ИИ-агентами может за тот же срок довести до продакшена в 16 раз больше кода, чем раньше. Если учитывать дизайнеров, тестировщиков, аналитиков — эффективность ещё выше. Такой спред позволяет заложить и застраховать почти любые риски. И разработка с ИИ остаётся сверхвыгодной.
Требования к разработчику растут. С одной стороны, промпт может написать кто угодно — не нужно одинаково хорошо знать фронтенд и бэкенд. С другой — отсутствие узкой специализации требует развития компетенций вширь, а не вглубь. К этому готовы не все. Эпоха уверенного сидения на одном стуле заканчивается.
Секрет: при ИИ-разработке код — не главное. Если ИИ пишет в десятки раз быстрее, вы не можете проверять всё вручную — иначе теряется весь смысл. Главное — управление проектом.
Два ключевых фактора:
- документация;
- тестирование.
Посмотрите на кодовую базу: документация в файлах .md занимает 41 600 строк. Эта цифра важнее всех остальных. Потому что в проекте с ИИ-агентами документация — не финальная полировка. Это часть производственного процесса. Если вы не фиксируете решения, границы ответственности и смысл изменений, вы быстро теряете контроль над кодовой базой. ИИ будет генерировать фичи, а проект — расползаться на глазах.
Вы уже не просто разработчик. Вы — диспетчер, редактор, архитектор, контролёр качества и менеджер странной команды: быстрых, полезных и иногда опасных агентов. Один пишет код. Другой предлагает рефакторинг. Третий сочиняет документацию. Четвёртый уверенно ведёт не туда — потому что «так тоже вроде работает». И вся эта команда требует непрерывного управления.
Подводя промежуточный итог
Один человек уже сегодня может создавать сложные приложения — те, что раньше требовали целой команды. Но это не магия. Это новая, тяжёлая форма разработки: меньше ручного кодинга, больше управления, ответственности и инженерной дисциплины.
ИИ не снимает с человека ответственность за архитектуру, качество, проверки и результат. Он лишь убирает часть ручного труда и резко повышает темп. Поэтому будущее — не за вайбкодингом, а за теми, кто научится управлять этой скоростью.
Первый ход сделан: 1. e4. И, похоже, оппонент уже ответил: ...e5.
Не прощаюсь.