30 дней по 12 часов с ChatGPT: как я собрал мульти-ИИ сервис с помощью вайбкодинга и к каким выводам пришел
Сегодня разработка перестала быть привилегией тех, кто 5 лет учил синтаксис Python или JavaScript.
Вайбкодинг (vibe coding) — подход, когда ты общаешься с LLM на естественном языке и пошагово собираешь архитектуру — полностью стирает технический барьер.
На любой затык, ошибку в консоли или архитектурный тупик у ChatGPT или Claude есть готовое решение. Если есть дисциплина и готовность впахивать по 12 часов в день месяц подряд — рабочее приложение у вас появится. Я проверил это на собственном опыте.
Но пройдя этот путь, я понял главное: сложно не написать код. Сложно решить, ЧТО именно сделать и какую реальную проблему это решит.
Анализ боли: почему я решил делать «всё в одном»
Когда наблюдаешь за тем, как люди используют нейросети в работе, замечаешь хаос из закладок:
- Для текста — одна вкладка.
- Для работы с PDF и документами — вторая.
- Для генерации визуала — третья.
- Для специфических задач (вроде адаптации резюме под вакансию) — отдельные утилиты.
В итоге пользователь тонет в десятках закладок, постоянном копипасте контекста и куче мелких подписок.
Так появилась гипотеза: сделать единую среду, где ключевые сценарии работают в одном интерфейсе без лишних переключений.
Как строился процесс за 30 дней:
- Дни 1–7: Вайб-архитектура. Я не писал код вручную с нуля. Я проектировал логику связки API разных моделей (текст, визуал, анализ документов, голос), а нейросеть выступала в роли старшего разработчика и подсказывала структуры данных.
- Дни 8–20: Модульный интерфейс. Главная сложность вайбкодинга на этом этапе — не дать нейросети «забыть» контекст проекта. Приходилось разбивать фронтенд на мелкие независимые модули (чат, заметки, аналитика), чтобы модель не ломала соседний функционал при правках.
- Дни 21–30: Полировка и отладка. Самый рутинный этап. Нейросети отлично пишут базовую логику, но края (обработка ошибок API, таймауты, оптимизация скорости) всё равно приходится прорабатывать точечными промптами и тестами.
Что получилось в итоге
За месяц работы с помощью вайбкодинга удалось собрать рабочий сервис — IVIO AI. Внутри объединили несколько базовых сценариев:
- Мультимодальный чат и работа с файлами: Разбор и поиск по тяжелым PDF-документам.
- Генерация медиа: Создание изображений под задачи контента прямо в диалоге.
- Голосовое взаимодействие и специализированные модули: Включая инструменты для быстрой адаптации резюме под требования вакансий.
Под капотом собраны практически все топовые модели (от Anthropic, OpenAI и других — за исключением Kimi K3), чтобы закрыть большинство повседневных задач в одном окне.
Выводы для тех, кто хочет запускать свои пет-проекты:
- Технические навыки больше не блокер. Если вы умеете четко формулировать мысли и декомпозировать задачи, LLM напишет за вас 90% кода.
- Главный враг вайбкодинга — каша в контексте. Не просите ИИ «сделать всё сразу». Одно окно — один модуль, одна функция.
- Продукт — это не код. Код сегодня девальвировался. Главная ценность — UX, понимание сценария пользователя и экономия его времени.
Проект делал для себя и для решения конкретной рутины. Буду рад, если протестируете сервис и напишете в комментариях конструктивную критику: чего не хватает, что работает криво или какой функционал стоит добавить в первую очередь?