Эксперимент: вместо традиционного разработчика мы «наняли» AI-агента

За две недели бесплатный AI-агент написал нам два работающих сервиса: оптимизатор маршрутов до ближайших АЗС с учетом ограниченного запаса хода Tankly и аналитический дашборд tnt: Detector. Рассказываем, как мы «наняли» джинна и что из этого вышло

Как все началось

Все началось с банальной жизненной ситуации. Мы ехали по трассе, загорелась лампочка уровня топлива, а до заправки неизвестно сколько километров пути. Возникла простая мысль: было бы здорово, чтобы сервис построил маршрут до ближайших АЗС с учетом запаса хода, посетил по пути как можно больше заправок и гарантированно добрался в точку назначения

Так родилась идея Tankly

И тут встал главный вопрос: а кто будет это писать?

Эксперимент: «найм» AI-джинна

Классический путь - искать разработчика, обсуждать ТЗ, сроки, оплату. Мы пошли другим путем: решили провести эксперимент и «нанять» AI-джинна - бесплатную модель Big Pickle от OpenCode

Условия эксперимента были простые:

- Стоимость найма: ноль рублей, модель полностью бесплатная - Срок: две недели - Цель: два работающих сервиса, а не прототипы на коленке

Результат превзошел ожидания. За две недели «джинн» выдал код двух полноценных сервисов, которые работают на проде

Первый сервис Tankly - оптимизатор маршрута до ближайших АЗС с учетом ограниченного запаса хода

- посещает максимум заправок на пути и минимизирует лишний пробег - гарантирует возможность добраться в точку назначения - показывает заправки на карте и умеет открывать маршрут в навигаторе

Второй сервис tnt: Detector - и тут началось самое интересное

На проде мы хотели видеть, кто и откуда заходит на сервис. Сначала это была простая HTML-таблица, без какого-либо дизайна:

- порядковый номер - IP с ссылкой на внешний IP-lookup - тип устройства - время визита - URI и User-Agent

Сотни строк однотипных данных, серые рамки, никакой аналитики. Никаких графиков, никаких сводок

Было - стало: что джинн сделал с детектором

В рамках тех же двух недель «джинн» взял и превратил эту примитивную таблицу в полноценный аналитический дашборд:

- 4 карточки сводки - всего запросов, уникальных IP, уникальных URI и период данных - 6 интерактивных диаграмм - активность по дням, разбивка по ОС, типам устройств, браузерам, ботам и странам - таблица Top URIs - самые посещаемые страницы - карта IP - география посетителей на карте - живая таблица последних визитов с пагинацией - выбор периода и темная тема

И все это - те же записи MongoDB, но теперь их можно читать и понимать, а не скроллить тысячу строк

Что внутри (коротко о технологиях)

Для тех, кому интересен стек:

- Django MongoDB Backend - бэкенд и хранение данных - Quasar (Vue) - фронтенд - device_detector - определение типа устройства - ip2location.io API - геолокация по IP и флаги стран

Вся аналитика пишется прозрачным middleware: каждый HTTP-запрос логируется в Mongo с IP, device, URI и User-Agent, а потом разворачивается в графики

Вывод: наш лучший найм - это AI-джинн

Почему мы считаем этот эксперимент удачным?

1. Ноль затрат. Бесплатная модель заменила нам на старте целого разработчика. Для микропроекта это честная экономия

2. Скорость. Два сервиса за две недели - включая дашборд с графиками и картами. С классическим наймом мы бы потратили больше времени на собеседования

3. Итеративность. Одна и та же «таблица-заглушка» превратилась в полноценный продукт - джинн дорабатывал ее по ходу, как хороший сотрудник

Разумеется, это не значит, что AI-агент заменит всех разработчиков. Но для старта, MVP или микросервиса AI-джинн - это лучший найм, который вы сделаете сегодня. Потому что он работает бесплатно, не спорит по ТЗ и выдает результат, который можно запустить в прод за две недели

Попробуйте сами:

Tankly - оптимизатор маршрута до ближайших АЗС с учетом ограниченного запаса хода

tnt: Detector - аналитика трафика

А если сервисы будут вам полезны - угостите джинна виртуальным кофе, уверены, он это заслужил :)