Разработчики реализовали автоматизированный конвейер для создания 29 программных репозиториев за 29 дней с помощью ИИ. Эксперимент показал, что основная сложность масштабирования разработки заключается не в написании кода, а в управлении контекстом, интеграции внешних API и поддержании консистентности архитектуры при высокой скорости генерации, что требует пересмотра подходов к проектированию систем.
В ходе проекта использовался подход, где ИИ-агенты отвечали за генерацию структуры проектов, написание тестов и документации. Основным препятствием стали не ошибки в синтаксисе, а «галлюцинации» моделей при работе с устаревающими библиотеками и сложность отладки цепочек вызовов, когда одна ошибка в начале пайплайна приводила к каскадному сбою во всех последующих модулях.
Результаты подчеркивают важность создания жестких ограничений для ИИ-агентов. Вместо попыток автоматизировать всё «с нуля», эффективнее использовать модульные шаблоны и строгие схемы валидации данных на каждом этапе. Это позволяет минимизировать ручную доработку и сфокусировать усилия на архитектурном надзоре, а не на исправлении мелких багов, генерируемых нейросетями.
Ключевые факты
- Проект охватил создание 29 полноценных репозиториев за 29-дневный цикл.
- Главной проблемой стали не ошибки кода, а несовместимость версий зависимостей и деградация контекста при длительных цепочках запросов.
- Использование ИИ-пайплайнов требует внедрения автоматизированных тестов на каждом этапе генерации для предотвращения накопления ошибок.
- Успех автоматизации напрямую зависит от качества исходных шаблонов и строгости заданных ограничений для моделей.