Вайб-кодинг для НЕпрограммистов!

Недавно пытаясь подсмотреть что в интернете говорят о вайб-программировании, я почитал несколько статей. Они были написаны профессионалами для профессионалов. Я решил написать свою - эта статья о том, как вайб-кодинг и автоматизация задач с помощью ИИ становятся доступными даже тем, кто не программист!

В этой статье я поделюсь своим опытом, как будучи абсолютно далеким от кода и программирования человеком, я смог построить целый проект с десятком автоматизаций, базой данных, веб-интерфейсами, пользой для коллег. Так, новичок в программировании не должен бояться технологий - простая автоматизация на Python - для бизнеса решает типовые задачи быстрее, чем любой человек! Помните только, что вайб-кодинг лишь приподнимет завесу, вы не станете гарантированным программистом после этого)

Опытные кодеры и специалисты, которые умеют сами написать код так, чтоб он хотя бы работал могут не читать этот труд, он не для вас! Я пишу это для тех, кто все еще игнорирует возможности ИИ или думает “да у меня не получится, я не разбираюсь в этом”.

Я Игорь Кононов, и я тоже в этом не разбираюсь! Я - бизнес-аналитик, руководитель проектов и последние четыре года управляю IT проектами по разработке и внедрению :) Последние 4 года в нашу жизнь резко и сильно вошли ИИ, наверняка вы игрались с DeepSeek, Qwen, ChatGPT. Так, в один день мне надоел ВПР в Excel (так уж сложилось - применяли много и часто), и я спросил Квена как это автоматизировать? И вырос у меня целый проект.

Сначала инструменты вайб-кодинга показались сложными - IDE, библиотеки, команды в терминале... Я чуть не отказался,я не умею программировать, я не хочу разбираться в терминале. Но цель для меня была важной, регулярные ВПРы отнимали много времени.

Я обратился к Qwen с простым вопросом: как объединить два и более файла в одной папке? Он предложил использовать Python и объяснил всё пошагово. Оказалось, это проще, чем я думал. Не нужно писать код самому — достаточно следовать инструкциям ИИ. У нас начал складываться первый pet-проект - универсальный инструмент для решения рутинных задач через автоматизацию без навыков программирования.

Мы начали с базовых шагов (без них никак):

ИИ всегда дает инструкции: куда вводить команды, как создавать файлы и что делать дальше. Если не дает - спросите в лоб! Буквально за полтора часа я навсегда избавил себя от необходимости тратить по часу в день на ВПРы десятков однотипных файлов, нужных для работы! Кидал файлы в папку, запускал скрипт и они сами пересобирались в нужное. Позже я и от необходимости кидать файлы избавился.

Попробуйте первый шаг сделать сами, проверьте как это просто.

Многие говорят, что ИИ надо давать четкую инструкцию - промпт, но я почти никогда не пользуюсь ими (промпты - такая вводная инструкция к каждому вашему запросу в чате с ИИ, которая сразу задает ему тон, правила игры и потом наше задание) - я просто общался с ИИ как в обычном чате с человеком - описывал “Дано” и какой результат хочу получить.

Однако чем больше задач я решал, тем сложнее становилось управлять проектом. За три дня я создал 12 скриптов, каждый из которых выполнял свою задачу. Запускать их вручную стало неудобно, особенно когда возникали ошибки. Иногда ИИ "терял" части кода, особенно при доработке старых скриптов. Чтобы не потерять рабочие версии, я делал копии файлов (позже я узнал про Git).

Очередной запрос к ИИ - что делать если мне нужно большую часть скриптов регулярно запускать и я запутался какие - и вот мы перешли к запуску скриптов по расписанию автоматически. Для этого только надо было создать еще один управляющий скрипт, который уже будет постоянно включен и будет исполнять нужные скрипты по так называемому Крону (cron) - специальному коду для среды программирования, эдакий будильник для системы - “пора запускать файл!”.

Постепенно рос опыт и понимание где, что, зачем делается. Неизменно приходилось больше погружаться в знания - то есть в процессе так или иначе учишься и повышаешь кругозор. Уже где-то здесь стало понятно - если не обложить себя правилами - проект очень быстро превратится в помойку. Я пока ещё соображал какие они эти правила и продолжал неспешно наполнять проект.

Некоторые скрипты всё ещё нужно было запускать вручную, а проект разросся до множества папок и файлов. Разбираться в этом становилось всё сложнее. Я спросил у ИИ, можно ли создать веб-интерфейс с кнопками для запуска скриптов и он предложил использовать Flask — библиотеку для создания интерфейса для новичка. По сути, это готовый набор функций, который позволяет Python работать с интерфейсами (это не единственный вариант реализации веб-страниц, просто ИИ так сказал, а я так сделал).

На старте мы создали только одну простую страницу с кнопками - каждая запускала определённый скрипт. Кнопки можно было именовать и располагать как угодно, ИИ снова выдал подробные инструкции, и через несколько шагов у нас появилась локальная страница с примитивным дизайном.

Если Вы ещё не делали этого, мне не передать тот кайф, который ловишь когда дело летит, кнопку нажал и в терминале PyCharm исполняется последовательность действий - успешно! Однако с добавлением Flask в проект появилось ещё пять файлов. Я окончательно запутался, как скрипты зависят друг от друга и зачем мы создали тот или иной файл.

Например, в какой-то момент пришло понимание, что у меня три разных скрипта выполняют одну логику - добывают данные из внешней системы (одинаковые). Но каждый из них фильтрует одни и те же данные по разным правилам. После консультации с ИИ, мы переписали скрипты. Один стал добывать базовые данные и сохранять! В остальных изменили логику - при запуске скрипта он больше не мучил внешнюю систему, а обращался к сохраненным данным и фильтровал на лету для исполнения своей функции.

Когда проект разросся до десятков файлов, я понял, что больше не могу держать всё в голове. На тот момент я общался с ChatGPT, Qwen и DeepSeek одновременно, все три модели сошлись на одном: нужно писать документацию. Это проще, чем кажется, и помогает организовать работу.

Вот в чем удалось разобраться и внедрить:

Чтобы справиться с растущим проектом, я попросил ИИ помочь составить документацию. Он предложил использовать возможности IDE для анализа структуры проекта. Мы добавили комментарии в каждый файл, создали Markdown-документацию и систематизировали описание функций. Интересно, что ИИ добавлял комментарии в код ещё до того, как я попросил - потому что это стандарт, коих много!

Этот процесс я назвал "причёсыванием". Теперь я лучше понимал свой проект, хотя осознал, что знаю лишь малую часть стандартов и подходов в программировании. Однако главное — код работал, скрипты выполнялись, а рутинные задачи решались нажатием кнопки. Минус был один: проект продолжал расти, и контролировать его все ещё было сложно, в основном из-за того, что возникало много зависимостей, дублей, ошибок.

На старте сразу подумайте о правилах!

Так как ИИ часто ломал код, я подумал, что пора обратиться к версионированию. По работе я итак имел представление что такое Git и для чего он полезен, но сам ничего с ним никогда не делал и не сталкивался. Он казался мне чем-то сложным.

По существу - Git фиксирует каждое изменение: написали строку кода, сообщили об этом Git (через commit), и он сохранил его. При необходимости можно одним кликом вернуться к любой версии. Особенно Git полезен, если вы работаете с разных устройств: дома внесли изменения, отправили их в репозиторий (push), а на работе загрузили актуальную версию (pull).

На освоение Git ушло несколько дней. Особенно сложным оказалось понимание веток. Однажды ИИ "убил" мой файл, пытаясь улучшить его: он удалил большой кусок кода, и страница на Flask перестала запускаться. Пришлось научиться просить ИИ создавать отдельные ветки для изменений. Новая ветка — это как черновик: вы тестируете изменения, и если всё работает, объединяете ветку с основной версией (merge to main). Так можно проверить результат, не рискуя сломать проект. Чтобы не запутаться в версиях, я начал использовать теги. Git хранит все изменения, но важно помечать стабильные версии. Например:

Версии обычно записываются как MAJOR.MINOR.PATCH (например, 1.4.5). Для частного проекта достаточно помечать стабильные версии словом "stable". Это поможет быстро вернуться к рабочей версии, если что-то пойдёт не так.

Всего пара дней проб и ошибок с Гитом и я понял, что это прям реальный прорыв! Для себя выработал следующий алгоритм действий:

Важное - когда будете создавать репозиторий, например на github.com - обязательно сделайте его Приватным, иначе любой участник гитхаба при желании сможет его посмотреть. Второе - обязательно попросите ИИ инструкцию как подключить свой проект PyCharm к гиту и НАСТРОИТЬ файл .gitignore. Этот файл сообщает программе, что некоторые чувствительные данные не нужно отправлять в репозиторий Гитхаба. Например такой файл как .env, часто содержащий логины и пароли - не должен выгружаться в Гит.

Когда проект стал достаточно функциональным, я решил поделиться им с коллегами. Поскольку проект был локальным (доступным только внутри нашей сети), основной задачей было "спрятать" часть логики и настроить доступ через индивидуальные учётные записи.

ИИ буквально через небольшой кусок кода и новый файл легко с этим справился - порекомендовал простую вещь, и да, у нас не уровень Oauth-протокола - мы просто развели доступ к веб-странице через простую форму ввода логина-пароля при запросе страницы, но локальная сеть доступна только коллегам и никому из внешнего мира - поэтому проблемы я не видел. Если у вас не так - озаботьтесь сначала ограничениями доступа к локальному хранилищу. Для определения доступа были созданы файлы permissions - кто и что имеет право видеть и запускать, и файл auth - для создания профилей пользователей с логинами и паролями.

Позже мы значительно улучшили систему управления, даже научились хэшировать пароли, но даже базовый файл permissions отлично справлялся с задачей. Коллеги оценили удобство, и я добавил на веб-интерфейс статистику использования скриптов. Теперь я мог видеть, кто и как часто пользуется тем или иным инструментом.

Заметьте, что все это делается на локальной машине - моем рабочем компе. Я не поднимал и не арендовал серверов, не трачу ни копейки на создание всего этого (ну кроме своего времени и подписки на Perplexity). Мы и без сервера уже сделали шикарный инструмент для командной автоматизации, с разделенным доступом для бизнес-юнитов на коленочном pet-проекте с нейросетью.

Недавно я познакомился с браузером Comet и его моделью ИИ Perplexity. Сначала они мне не понравились, но преимущества быстро стали очевидны: ИИ работает без VPN, отлично разбирается в коде и имеет коннекторы к Git, Gmail и Notion. Я подключил Perplexity к Git своего проекта и попросил проанализировать его. Модель предложила улучшить стили страницы со скриптами, как одно из улучшений. Я согласился, ожидая, что она как прежние ИИ - выдаст код в чат и приготовился вносить изменения. Однако Comet удивила: она вычитала проект в Гите, определила что и куда ей надо вносить (сама) меня только спросила, нужно ли создать новую ветку, загрузить файлы и внести изменения?! Да! После моего подтверждения она всё сделала сама!

То есть Perplexity через коннектор в Git сама отправляет коммиты и изменения в проект! Мне остаётся только проверять их в локальной сборке. Это ускорило процесс в десятки раз. Правда, модель иногда "глючит", но ветки и версии в Git всегда спасают ситуацию. За полчаса мы значительно улучшили внешний вид проекта. Я вдохновился результатами и за пару часов создали с Perplexity дашборды, страницы управления пользователями и табличного отображения базы данных. Вот тут глаза прям пылали жаром! Я сформировал пожелания на разработку из 28 пунктов, факультативное дело реально помогает, в большинстве случаев снимает с меня или коллег ручную нагрузку! Потратив 1-2 часа на скрипты разово, освобождаешь 6-8 часов в неделю на другие заботы регулярно!

Я поделился опытом, который показывает, что автоматизация и программирование — это не только для тех, кто с рождения дышит кодом. Если вы готовы учиться, пробовать и ошибаться, то ИИ станет вашим надежным помощником. Начните с малого - найдите то, что Вам мешает жить, попросите ИИ решить эту конкретную задачу, сделайте быстрый MVP с AI. Шаг за шагом вы поймете, как всё устроено, и сможете масштабировать свои проекты.

Я все ещё не программист, но я уже не боюсь в код сам лезть и сложные требования к своему пет-проекту выкатывать! Есть задачи, которые я мог бы переложить на разработку и крутые системы, но это ресурсы, которые не всегда нам доступны, а буквально за пару часов я могу собрать с помощью ИИ серьезную логику локально и это будет дешево и сердито.

Мои скрипты по API забирают много информации из внешних сервисов, систематизируют информацию в БД, выводят мне нужные результаты на страницы моего проекта на Flask. Действия по расписанию позволили мне уже и большинство кнопок убрать со страниц. С 18 кнопок ранее, сейчас осталось только 6, которыми я принудительно обновляю инфу для страниц (например обновить дашборд).

Попробуйте сами и поделитесь в комментариях о своем опыте и как вы применяете вайб-кодинг в своей жизни - с удовольствием почерпну Ваши идеи!

Ещё добавлю из личного опыта рейтинг разных ИИ для этих целей: