Непрошенный и брошеный совет Ботик из предыдущего поста, хоть и с серьезной задержкой, но добрался до бета-тестеров. Спасибо всем, кто откликнулся на запрос о тестировании. А еще большее спасибо тем, кто по результатам прислал развернутый фидбэк. По итогам обратной связи этот микропроект решил закопать. Пивотить там почти нечего, но маленькие рыбки из этого проекта еще пригодятся в следующем ките. Пока живы эмоции от процесса, опишу, как выглядел мой путь к этому проекту от предпосылок и гипотезы до запуска и решения о закрытии. Пару месяцев назад я перешел на парт-тайм занятость в Mailganer и появилось немного пространства в голове для своих проектов и изучения чего-то нового. После недолгих раздумий я погрузился в изучение современных ИИ моделей, инструментов и возможностей. Первые пара недель ушли на то, чтобы изучить что появилось нового среди и внутри массовых продуктов: Chat GPT, Claude Chat, Gemini Chat, Le Chat, Deepseek, Qwen, Perplexity. Дальше посмотрел инструменты вайб-кодинга (это когда ты вроде программист, но вместо кода с умным видом пишешь промпты и жмакаешь далее-далее). Их я бы условно разделил на несколько групп: 1. IDE («текстовые редакторы для кода»): GitHub Copilot, Cursor, Windsurf, Kiro и много других. 2. Облачные сервисы «под ключ»: v0.dev, Lovable AI, Replit AI. 3. Родные инструменты в формате prompt your app: Artifacts от Anthropic, Canvas от OpenAI, Canvas от Google. 4. CLI-first (консольные утилиты): Claude Code, Codex CLI, Gemini Code Assist. Большинство перечисленных инструментов вайб-кодинга не только и не столько про написание кода. Пример использования подобных инструментов от Севы Устинова → Дальше настало время изучать API и пробовать прикрутить AI модели к какому-нибудь проекту. В качестве микропроектов для тестирования появилось две идеи: «Консультационный совет», описанный в прошлом посте, и «Augmented Brain», про который возможно расскажу позже. Была надежда, что всё за меня сможет сделать ИИ. И сервер настроит и код напишет. И почти получилось. Ручного кода я писал минимум, даже сервер почти полностью настроил скриптом от ChatGPT. Однако, если не включать критическое мышление и не подвергать сомнению предлагаемый код, то очень быстро можно получить имитацию бурной деятельности с бесконечными попытками от ИИ исправить ошибки, сгенерированные им же на прошлом шаге. Пока бизнес-логика простая, все выглядит как гребаная техномагия. Но когда проект перестает умещаться в контекст модели, а точнее достигает какого-то критического предела (от 50 до 70% от максимального контекстного окна), модель начинает откровенно тупить и ломать всё, что было построено раньше. Кажется, что вокруг борьбы с этим «сумашествием моделей» идет основная борьба между производителями разных утилит. На текущий момент лучше всего с этим справились в Anthropic с их Claude Code. Но это и один из самых дорогих инструментов на текущий момент. При активной работе в течение дня параллельно с парой сложных проектов, можно достаточно быстро упереться в лимиты даже на тарифе за $200 в месяц. Всё, что я вайбкодил и пытался потом исправлять в Cursor в течение недели, получилось довести до продакшена за пару часов с использованием Claude Code. Но это не спасло Джона Кофи проект. Реальным пользователям ценность предлагаемого совета не очень понятна, а результаты часто получаются слишком размытыми. С дешевыми моделями страдает качество, а если использовать дорогие модели, то экономика проекта не сходится. Получился пример проекта, который решает слишком узкую проблему и делает это хорошо. Но для одного пользователя. Лично для себя продолжу использовать подход под конкретные этапы работы с идеями, но коммерческого продукта там пока не видно. Результатом проекта я доволен: — получил опыт работы с API моделей как напрямую, так и через посредников в виде Openrouter; — научился работать с лимитами и несколькими моделями в рамках одной задачи; — изучил несколько новых инструментов, которым нашлось применение за предела