Вайбкодинг по Chess’ноку. 1. e4

От вайбкодинга к профессиональной ИИ-разработке на примере LanChess: 3300 промптов, 832 коммита, 100 тыс. строк кода и путь от POC к продакшен-сервису.

Поздний вечер, я смотрю в терминал. Celery worker на восьмиядерном сервере перемалывает 67 партий блица на Lichess одного из пользователей. Через минуту этот человек получит персонализированную аналитику и упражнения от сервиса, аналогов которого в России найти пока не удалось. Я же сижу и думаю, стоит ли выводить этот сервис из закрытого режима по инвайтам.

Менее чем за 3 месяца я написал 100 тыс. строк кода и ни одной — своими руками. Мне пришлось стать оператором персональных данных. РКН порекомендовал мне убрать авторизацию от Google. А ВК не давал мне подключить свою авторизацию, пока я не стал самозанятым.

Зато теперь у меня есть свой сервис, на примере которого без всяких NDA я могу открыто рассказывать о том, чем отличается вайбкодинг от профессиональной ИИ-разработки. Могу смело поделиться статистикой продуктивности. Могу, не таясь, рассказать о сложностях, ошибках и успехах, с которыми сталкиваются инженеры, использующие самые современные инструменты искусственного интеллекта ^[1] для разработки программного обеспечения. С помощью ИИ я работал над разными проектами за последние годы. Но только о своём я могу рассказать всё.

Бог даст, это будет серия статей. И первый ход сделан — 1. e4. Отгадайте, какую партию будем разыгрывать.

От сказки до реальности

Мне не очень нравится термин вайбкодинг. Но мне нравится сама идея, когда ты только подумал, а ИИ-шечка тебе построила красивый замок и полное внутреннее убранство. Я верю, что так оно скоро и будет: волшебная палочка, скатерть-самобранка и трое из ларца одновременно. Но пока это не так.

Сегодня можно создавать проекты с нуля, заменяя все роли в проекте ИИ-агентами (некоторые всё ещё и в это не верят). Но это не вайбкодинг, а тяжёлая профессиональная ИИ-разработка. И я прямо сейчас покажу это на цифрах.

Я использовал три инструмента для работы над своим проектом: Claude Code и Codex для кодинга, ChatGPT для дополнительных обсуждений и глубоких исследований.

Первая сессия по проекту состоялась 5 января, а первый коммит — 6 января. Сначала в проекте использовался только Codex. Потом одного Codex стало не хватать, и 30 января я подключил Claude Code. Можно очень продуктивно использовать Claude Code и Codex в связке. Но сейчас не об этом.

В таблице представлена статистика для двух основных инструментов. О ChatGPT, которого нет в таблице, достаточно знать, что он также активно использовался. За это время по этому проекту в ChatGPT было создано 112 чатов — это примерно 560 промптов. Все цифры брались из логов, чтобы не допустить никакой путаницы с другими проектами.

С учётом ChatGPT получается, что я отправил ~3 300 промптов за 81 день, ~41 промпт в день.

И если вы всё ещё считаете, что это какой-то вайбкодинг на чиле, то вам надо знать, что на каждый мой 1 промпт приходит 4 в ответ, которые приходится читать. А ещё создаётся много документации, которая также должна быть прочитана. Если измерять в книгах по 250 страниц A4, то за 3 месяца я прочитал 16 таких книг из ответных промптов и документации. Такова плата за работу в команде ИИ-агентов с широкой специализацией.

Для полноты картины стоит добавить, что это не единственный проект, над которым я работал в эти 3 месяца. И в особо напряжённые периоды приходилось вставать по ночам, чтобы оптимально использовать лимиты, которые делятся на 5-часовые и недельные сессии. Можно использовать кредиты, купленные про запас, но скорость их расходования очень высокая, поэтому они — на крайний случай.

Результат этих 3 300 промптов — 832 коммита в Git, ~10 коммитов в день.
На каждый коммит — ~3,3 промпта в среднем.

Получается примерно такая схема:
– 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.

Если всё это перевести в рубли, то сумма в 12 тыс. рублей за 3 месяца будет близка к истине. И тогда каждые 100 строк кода обошлись мне в 12 рублей.

О проекте

Мы уже мои деньги считаем, а о проекте я так ничего и не рассказал. Пора.

LanChess (lanchess.ru ^[2]) — это сервис персональной шахматной аналитики и тренировок, который превращает ваши собственные партии в понятную картину игры, находит повторяющиеся слабости и помогает расти с помощью анализа, упражнений и рекомендаций от ИИ.

LanChess создан в помощь:
– игрокам всех уровней и возрастов;
– шахматным тренерам;
– родителям юных шахматных гениев.

Что умеет LanChess (неполный список):
– работает на любых устройствах (есть светлая и тёмная тема, адаптивная вёрстка);
– загружает партии с Lichess и Chess.com;
– анализирует от нескольких партий до сотен за раз;
– строит подробную аналитику: дебюты, ошибки ^[3], цейтнот, сила соперников, динамика качества игры;
– создаёт персональные упражнения из собственных ошибок игрока — и тренажёры прямо на сайте;
– ИИ-тренер пишет разбор и рекомендации на основе всей картины;
– по вашему желанию делится страницей сводной статистики и отдельными задачами с вашими друзьями в соцсетях.

LanChess — это сервис не просто для анализа шахматных партий, а для понимания собственной игры. Не «посмотрел одну партию, вздохнул и пошёл дальше», а именно для ответа на неприятный, но полезный вопрос: что я играю на дистанции и где у меня ломается игра снова и снова.

Как это выглядит для пользователя?
Вы указываете аккаунт на Lichess или Chess.com, выбираете период, и сервис сам забирает партии игрока, чей аккаунт вы указали (информация о партиях на Lichess и Chess.com открыта для всех). Дальше начинается уже не обычный «разбор партии движком», а полноценная диагностика: LanChess прогоняет партии через Stockfish, собирает статистику по ходам, выявляет повторяющиеся ошибки, группирует их в паттерны и превращает это не только в персональную аналитику, но и в практику — ИИ составляет для вас индивидуальный план тренировок, а тренажёры помогают регулярно отрабатывать именно ваши собственные 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 шахматных платформы.

Масса статистической информации превращается в богатый интерактивный аналитико-тренировочный дашборд со множеством красивых графиков, таблиц и визуализаций.

Посмотреть сервис можно, зайдя на сайт lanchess.ru ^[2] и запросив доступ.

POC за 3 дня

На самом деле вайбкодинг у меня был. А как же без него? Помните мультфильм «Рататуй»? Как там было? Вайбкодить может каждый!

Перед LanChess я сделал POC (proof of concept, доказательство концепции) — консольную утилиту «chess-coach-ai». Без веба, без фронтенда, без авторизаций, без очередей, без продакшна. Просто Python, Stockfish, командная строка и идея: а можно ли вообще взять партии человека, прогнать их через анализ, найти повторяющиеся ошибки, собрать отчёт, упражнения и ИИ-рекомендации?

Оказалось — можно. Причём очень быстро. Первая рабочая версия собралась буквально за пару дней. Вот там действительно было ощущение магии. Подумал, поставил задачу, докрутил, получил результат. Это был тот самый вайбкодинг, за который все и полюбили новую реальность.

Первый запрос в Codex я сделал 5 января в 18:28, а уже через 28 часов делал первый коммит — и сразу на 5500 строк. И ещё через сутки, 8 января, я рассылал своим знакомым первую версию с аналитикой по их шахматным аккаунтам, которую можно было запустить на любом компе, посмотреть графики, статистику, подробный обзор от ИИ с рекомендациями, а также большой набор упражнений с доской и фигурами.

Но POC — это не продукт, не сервис. Это всего лишь демонстрация того, что идея как-то может быть реализована. Это как дверь, но без ручки и без петель, не отшкурена, не зашпаклёвана, не покрашена, и даже косяк с дверным проёмом для неё не найден в доме, который ещё не построен.

POC становится сервисом, когда появляются: Django, Next.js, Celery, PostgreSQL, Docker, OAuth, миграции, домен, почта, сервер, мониторинг, логи, пользователи, шаринг, ограничения платформ, персональные данные и прочие радости взрослой жизни.

Примерно здесь, с завершением POC, вайбкодинг и заканчивается.

Не потому, что ИИ стал хуже писать код. Нет. Он по-прежнему пишет быстро и много. Но теперь мало просто «собрать работающую штуку». Нужно, чтобы всё это не развалилось, когда в систему придёт живой пользователь. Нужно, чтобы одно не ломало другое. Нужно, чтобы фоновые задачи доезжали. Чтобы отчёты строились. Чтобы вход работал. Чтобы данные не терялись. Чтобы сервис вообще можно было развивать, а не только один раз красиво показать.

Обычно POC создаётся, чтобы прожить короткую, но яркую жизнь. Уже на этапе MVP (minimum viable product — минимально жизнеспособный продукт) от него мало что остаётся, а до полноценного продукта или сервиса обычно не доезжает даже MVP. Хотя всё это относительно.

В моём случае от POC осталось примерно 94% кода (12 600 строк Python). Именно столько от chess-coach-ai перешло в lanchess/packages/coach/. Чему я очень сильно удивлён. Но анализ кода через Git утверждает именно это.

А если смотреть по файлам:
– 19 файлов — не изменились вообще (графики, конфиг, кэш движка, нормализация PGN);
– 20 файлов — выросли за счёт добавлений (retry-логика, windowed sync, прогресс);
– 1 файл удалён, 4 новых добавлены.

То есть вайбкодинг дал свои результаты, позволив стартовать быстро и, как оказалось, качественно. Но дальше на нём ехать было уже нельзя. Вокруг ядра должен был вырасти большой инженерный слой, требующий другого уровня сложности разработки.

Рост проекта в 10 раз выдвигает иные требования. И выполнить их на уровне примитивного вайбкодинга без традиционных регламентов, да ещё и в условиях постоянного галлюцинирования ИИ, невозможно. Поэтому берём свой опыт ^[4] из классической IT-разработки и делаем всё то же самое, как делали бы в обычном проекте, но с заменой всех членов команды на ИИ-агентов. И вуаля. Едем дальше!

Важное примечание

Я не предлагаю заменять членов команды на ИИ-агентов. Но когда у вас ни команды, ни денег на команду, но есть возможность с помощью ИИ-агентов попробовать создать полезную обществу ценность, этим надо пользоваться.

За гранью будущего

Каким проект стал в итоге, вы можете увидеть на блок-схеме.

Сколько кода потребовалось для реализации этой схемы? Через Git за историю проекта прошло примерно 163 тысячи добавленных строк и 23 тысячи удалённых. То есть итоговая кодовая база — это далеко не всё, что было написано. Очень много вещей потом переписывалось, уточнялось, удалялось или собиралось заново. И это, кстати, тоже важный момент

Знаете, абсолютные числа впечатляют. Я не хвалюсь, нет. И вы сейчас это поймёте. Ещё больше впечатляет то, что это может сделать каждый при некотором уровне подготовки.

Даже при том, что современный ИИ всё ещё туповат и глюковат, прогресс впечатляющий. Я посмотрел цифры проектов, которые вёл в до-ИИ-шную эпоху. Если сравнивать объём кода и ресурсы, которые для этого требуются, то сегодня один человек за тот же период времени с помощью ИИ-агентов способен доводить до продакшена в 16 раз больше кода, чем раньше. Если это считать эффективностью, то с учётом тестировщиков, дизайнеров, аналитиков она ещё больше. Такой спред позволяет сюда заложить и застраховать почти любые риски, и разработка с помощью ИИ всё ещё останется сверхвыгодной.

Конечно, требования к разработчику растут. С одной стороны, промпт может вбить кто угодно, и ему не надо одинаково хорошо разбираться во фронтенде и в бекенде. А с другой стороны, отсутствие специализации требует от вас развития компетенций не вглубь, а вширь. К этому готовы не все современные разработчики. Узкая специализация имеет свои неоспоримые преимущества. Но время уверенного сидения на одном стуле заканчивается.

Я открою секрет. При ИИ-разработке код не главное. Если ИИ программирует в десятки раз быстрее программистов, вы не в состоянии проверять код вручную, иначе ИИ-разработка теряет смысл. Главным становится управление проектом.

Я бы выделил два самых важных фактора в управлении:
– документация;
– тестирование.

И если вы внимательно посмотрите на кодовую базу в таблице ниже, то увидите, что документация в файлах .md занимает 41 600 строк. Пожалуй, эта цифра важнее всех остальных. Потому что документация в проекте с ИИ-агентами — это не красивая финальная полировка. Это часть производственного процесса. Если вы не фиксируете решения, границы ответственности и смысл уже сделанных изменений, то очень быстро перестаёте управлять собственной кодовой базой. ИИ будет продолжать бодро генерировать фичи, но проект начнёт расползаться прямо у вас на глазах.

Вы уже не просто разработчик в классическом смысле. Вы диспетчер, редактор, архитектор, контролёр качества и менеджер странной команды, состоящей из очень быстрых, очень полезных и временами очень опасных агентов. Один пишет код. Другой предлагает рефакторинг. Третий бодро сочиняет документацию. Четвёртый уверенно тащит тебя не туда, потому что «так тоже вроде работает». И вся эта компания требует непрерывного управления.

Подводя промежуточный итог

Один человек уже сейчас может делать по-настоящему сложные приложения, выполняя работу, для которой раньше почти неизбежно требовалась целая команда. Но это не магия и не кнопка «сделать хорошо». Это новая тяжёлая форма разработки, где меньше ручного кодинга, но больше управления, ответственности и инженерной дисциплины.

ИИ не снимает с человека ответственность за архитектуру, качество, проверки и конечный результат. Он лишь убирает часть ручного труда и резко повышает темп. Именно 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.

Эдуард Ланчев
март — апрель 2026

Запросить доступ к LanChess: lanchess.ru ^[2]
Для предложений о работе и сотрудничестве: @Eduard_Lanchev ^[5]
Блог автора в Telegram: Ланчев PRO ИИ ^[6]