🧑 💻 “Продукт получился красивым, но косячным” - как я сжег $4 тысячи на вайб-кодинге с ИИ
Некоторые специалисты слишком верят в ИИ и полностью делегируют ему задачи. А в итоге получают бессмысленные тексты, упоротые картинки или кривой код. Вот как раз такую историю провального вайб-кодинга я нашел на Reddit: перевел, дополнил, делюсь от первого лица.
😤 Три месяца назад я думал, что нашел секретный чит: ИИ пишет код, я проверяю, а потом быстро зарабатываю на продажах готового решения.
Я потратил $4 тысячи на API, разрабатывая SaaS-продукт, который реально выглядел рабочим: интерфейс чистый, все функционирует. А потом я попытался подключить своего первого реального пользователя 🤯
Что пошло не так? Продукт работал на моем компе, но тупо не выдержал полевых испытаний.
❌ Авторизация косячила у пользователей с аккаунтом Gmail старше 2023 года - я не проверил какой-то токен.
❌ Загрузка файлов ограничивалась 5 Мб - не настроил лимиты на сервере.
❌ Миграция базы данных накрылась из-за обработки часовых поясов.
❌ Письма для сброса пароля летели в спам для 80% доменов, потому что я не настроил протоколы аутентификации SPF/DKIM.
❌ Поиск, которым я так гордился, зависал после 200 записей - я забыл про индексы.
В чем причина провала? Инструменты ИИ подходят только для “идеального сценария”. С ними можно построить красивый прототип, где все работает при одном условии: пользователь делает то, что ты хочешь. Но нейросеть не учитывает, что произойдет, если в поле для текста введут смайлик, 2 пользователя одновременно нажмут на одну кнопку или резервная копия базы навернется в 3 часа ночи.
Например, вот такие задачи не получится поручить ИИ.
▪ Границы ошибок, которые реально восстанавливаются.
▪ Ведение журнала, чтобы все отладить даже в 2 часа ночи.
▪ Контроль ввода с учетом того, что юзеры попытаются все сломать.
▪ “Состояние гонки”, которое вылезет только под нагрузкой.
Я не считаю, что потратил $4 тысячи зря. Ведь благодаря этому уроку я понял, как запускать реально рабочий продукт и чем он отличается от красивой демки. Вот как я действую теперь.
🔹 Сначала продумываю сценарии тестов, а потом даю задачу ИИ. Кстати, нейросеть я использую только для шаблонного кода - остальное пишу сам.
🔹 Тщательно вычитываю код.
🔹 Настраиваю тестовое окружение, которое повторяет полевые условия.
🔹 Сокращаю расходы за счет использования оболочек моделей SOTA, например, lovable и BlackBox AI.
💭Интересны комментарии программистов. Что думаете?
Подписывайтесь на Telegram Телеграмма от Максима Юрина.