Недавно, размышляя над тем, как можно ещё больше оптимизировать процесс разработки с использованием ИИ, меня осенила интересная идея. Что если создать систему, которая работает как Trello, но специально заточенная под совместную работу с моделями искусственного интеллекта?
Проблема современного подхода
Сейчас мы часто полагаемся на то, что ИИ сам решит, как лучше реализовать фичу. Это как Tesla с автопилотом — вроде бы всё автоматически, но иногда хочется взять управление в свои руки. А что если добавить к этому автопилоту “ручную коробку передач”?
Концепция Trello для ИИ-кодинга
Представьте себе такую архитектуру:
1. Захват проекта
Trello-система полностью забирает приложение в себя — все файлы, структура, зависимости. Больше никаких “а у меня локально работает”.
2. Микро-изменения
Каждый запрос к ИИ должен вносить максимально маленькие изменения. Забудьте про “сделай мне весь компонент”. Вместо этого: “добавь валидацию email”, “создай интерфейс для User”, “добавь обработку ошибок”.
3. Планирование через декомпозицию
ИИ составляет план добавления новой фичи и разбивает его на последовательные микро-задачи. Каждая задача = отдельная карточка в Trello. Каждая карточка = новое задание для модели.
4. Автоматическое тестирование
Микро-задача выполнена? Карточка автоматически перемещается в колонку “Тестирование”. Происходит пуш изменений в файловую систему, среда разработки подхватывает изменения и перезапускается.
5. Обратная связь и итерации
Ошибка? Логи складываются в карточку, которая возвращается в колонку “К доработке”. При следующей попытке ИИ получает полную историю ошибок и предыдущих попыток.
Почему это работает лучше
Контроль процесса
Оркестрация не зависит от того, как ИИ хотел бы решить задачу автономно. Мы задаём правила игры, а модель работает в рамках нашей методологии.
Прозрачность
Каждое изменение видно и понятно. Никаких чёрных ящиков — только последовательные, логичные шаги.
Отказоустойчивость
Ошибка в одной микро-задаче не ломает весь процесс. Система учится на ошибках и становится лучше с каждой итерацией.
Предсказуемость
Результат более предсказуем, чем при работе с большими автономными запросами к ИИ.
Техническая реализация
На самом деле, это не такая уж сложная задача:
-
NEXT.JS
-
GitHub Api
-
Vercel
Я использую стек Next.js для развитие своего основного opensource проекта, потому что он позволяет одновременно реализовать и визуальный интерфейс в стиле Trello, и полноценный сервер, который может взаимодействовать с файловой системой локального ПК или работать через GitHub. Если вносимые изменения небольшие и стабильные, их можно сразу отправлять в репозиторий — тогда автоматически запускается сборка через CI/CD или, например, на платформе Vercel, где этот процесс уже встроен. Также Vercel контролирует, чтобы ошибочные решения не попадали в продакшн, и оперативно оповещает по электронной почте, если сборка не удалась. В итоге, всю разработку можно вести не только в основной ветке, но и в параллельных, что делает процесс более гибким и безопасным.
Философский вопрос
Да, это может показаться извращением — добавлять ручное управление к автоматизированному процессу. Но вспомните: даже у Tesla есть руль и педали. Иногда контроль важнее автономности.
Что дальше?
Планирую реализовать эту концепцию и выложить starter с открытым исходным кодом. Следите за обновлениями в моём Telegram-канале — там я делюсь размышлениями вслух и экспериментами с новыми подходами к разработке.
А как вы видите будущее совместной работы с ИИ в разработке? Больше автономности или больше контроля?
Этот пост — результат размышлений вслух о том, как можно улучшить процесс разработки. Возможно, кому-то покажется спорным, но именно такие эксперименты двигают индустрию вперёд. А возможно, вы как обычно, поможете мне увидеть в нем какие-то новые грани. В любом случае спасибо
Автор: bolshiyanov
