Кодогенератор за 30 минут. Разбор полетов прошлого поста.

Мой вчерашний пост вызвал отличную дискуссию в комментариях, за что отдельное спасибо всем участникам, была часть набросов, которые мне нечем парировать, с ними пришлось согласиться. Главный посыл был, что я слишком резко рассудил, не зная деталей. Чтобы не быть голословным, я решил доказать свою позицию кодом. (Результат выложил на GitHub, ссылка будет в конце)

Моя главная претензия была не к конкретным технологиям (Python, Angular), а к их несоответствию задаче в 2025 году. Разработка AI-агента для генерации кода — это не классический веб-проект. Здесь действуют другие правила.

Ключевые ошибки в предложенном подходе:

  • Игнорирование AI-фреймворков. Зачем писать с нуля то, для чего уже есть мощные фреймворки вроде LlamaIndex, LangGraph или CrewAI? Это как копать фундамент под дом без экскаватора (да, тема стройки меня не отпускает, отдельная боль), с одной лопатой.
  • Выбор фронтенда. Для AI-интерфейсов экосистема React (и Next.js) сейчас намного более развита. Есть готовые библиотеки и стандарты, которые экономят недели разработки.
  • Выбор LLM. Для окологос компании в РФ делать ставку на американские API (Gemini, Claude) — это огромный стратегический риск (санкции, безопасность, цена). Нужно смотреть в сторону локальных или open-source моделей.

Итог: Я потратил 30 минут, чтобы собрать на Next.js и LlamaIndex рабочего AI-агента с канвасом и запуском результата в рантайме, который генерирует код и умеет работать с файлами в формате RAG. Интерфейс сгенерил с одной попытки без правок. Бекенд работает на Node. По дефолту используется openai. Но из коробки есть поддержка пары десятков моделей и возможность подцеплять локальные.

А теперь главный вопрос: сколько времени заняла бы разработка подобного с нуля у команды из 7+ человек на предложенном стеке? Месяцы? Полгода? Это и есть главная мысль. В AI домене побеждает не тот, у кого больше бюджет и штат, а тот, кто лучше проводит ресерч и выбирает правильные инструменты.

Кому интересно покопаться в коде — вот репозиторий и прикладываю демо-видео. https://github.com/frostygood/autodode