В этом выпуске главное не обещания поставщиков, а личные разборы людей, которые дали ИИ реальную работу: написать код, помочь с приложением, вести мини-бизнес, собрать агентный процесс или довести игру до отправки. Почти в каждой истории ускорение есть, но оно редко приходит бесплатно: где-то появляется долг проверки, где-то нужен человеческий стоп-кран, а где-то результат вообще не превращается в деньги.

Hemapriya Kanagala собрала первый рабочий процесс поддержки на AWS AgentCore

Hemapriya Kanagala описывает учебный проект по стипендии Udacity: агент поддержки на Amazon Bedrock AgentCore, Gateway, Lambda, DynamoDB и базе частых вопросов. Проект прошёл с первой попытки и получил оценку 0,83, но две ошибки проверки оказались важнее самого балла.

Вывод простой и болезненный: агент может понять запрос клиента, но всё равно не иметь обязательных полей, чтобы безопасно создать заявку. Поэтому границы действия нужно проверять вне подсказки — не словами «будь аккуратен», а отдельной логикой в процессе.

Nabil KRS месяц строил приложения на React в Cursor AI

Nabil KRS тридцать дней использовал Cursor AI для сборки нескольких приложений на React с нуля: панели управления, страницы сервиса по подписке и внутреннего инструмента администрирования. Он проверял не ощущение магии в редакторе, а конкретное ускорение в компонентах, набросках структуры и быстрых итерациях.

История полезна тем, что не превращает редактор в самостоятельного разработчика. ИИ помогал быстрее проходить рутину, но качество, архитектурные решения и понимание того, что именно нужно пользователю, оставались на человеке.

Shadie AI потратил пять часов на отладку компонента, который ИИ написал за четыре минуты

Shadie AI вспоминает момент, когда помощник быстро выдал компонент React: аккуратные хуки, комментарии, уверенный вид. Потом автор потратил утро на выяснение, почему этот красивый код не работает.

Это хорошая обратная сторона историй про скорость: сгенерированный код может выглядеть законченным, но прятать неверные допущения. Тогда выигрыш во времени переезжает из написания в чтение, диагностику и исправление.

Jesse Hopkins на неделю отдал агенту мини-бизнес и заработал ноль долларов

Jesse Hopkins устроил эксперимент: дал ИИ-агенту неделю работы над небольшим заработком и смотрел на результат как на проверку реальности, а не как на рекламный трюк. Итог по деньгам оказался жёстким — ноль долларов выручки.

Зато история хорошо показывает, где автономность пока ломается: выбрать действительно полезную задачу, выполнить её в грязной среде и превратить активность в клиентов или деньги — разные вещи. Агент может быть занят, но это ещё не значит, что бизнес движется.

Jooniorr за 72 часа собрал два приложения на Django с помощью Cursor AI

Jooniorr поставил себе задачу за трое суток собрать два полноценных приложения на Django: платформу для билетов на события с проверкой матричных кодов и интернет-магазин с карточками товаров и корзиной. В работе участвовали Django, Gemini и Cursor AI.

Это типичная, но всё ещё показательная история одиночного разработчика: ИИ сжал время реализации, а человек выбирал объём функций и проверял, похоже ли это на продукт, которым можно пользоваться. Быстро написать много кода оказалось не тем же самым, что доказать готовность к эксплуатации.

Pavan Belagatti построил самовосстанавливающийся процесс непрерывной интеграции

Pavan Belagatti описал трёхшаговую архитектуру: собрать контекст о сборках и владельцах, запускать ИИ-разбор при падении, а затем подтверждать восстановление, когда проверка снова проходит. Это не история про «агент сам всё исправит», а про сокращение времени на поиск причины.

Самое важное решение — не давать ИИ напрямую переписывать рабочий код. Агент помогает с расследованием и подсказками, но финальный ремонт остаётся за разработчиками.

Nishchal Singh потратил около пяти долларов на OpenRouter при добавлении ИИ-функций в приложение для НКО

Nishchal Singh добавлял в сайт PSS пользовательскую базу знаний и генерацию материалов для администраторов. В проекте были Next.js, React, TypeScript, MongoDB, Clerk, Cloudinary и OpenRouter, но ценность истории не в списке технологий, а в конкретных границах.

Автор столкнулся с остановкой генерации статей из-за лимитов, отдельными действиями в системе управления материалами и необходимостью держать поток знаний управляемым. ИИ здесь стал не общей кнопкой «напиши текст», а функцией приложения, которую пришлось ограничивать и проверять.

Соло-разработчик полгода строил автономную ИИ-компанию и не получил контрактов

Автор собрал систему из четырёх стадий: ИИ должен был находить возможности, оценивать их, выполнять работу через Claude Code и записывать результат в журнал. Технически процесс проходил проверки и даже собирал серьёзные показатели.

Но два цикла экспериментов дали ноль выигранных задач и ноль выручки. Урок получился человеческим: автономный конвейер сам по себе не доказывает, что рынок хочет платить за его результат.

Разработчик Volt Nomad ускорился с ИИ, но игру закончила не модель, а джем

Создатель Volt Nomad рассказывает, как Codex помогал с планированием, кодом на Godot, тестированием, балансом и подготовкой к отправке, а другие инструменты ИИ давали варианты графики и музыки. Это не история про замену автора, а про расширение числа быстрых вариантов.

Главный человеческий слой — срок игрового джема. ИИ увеличил скорость и выбор, но вкус, решение закончить и способность отсечь лишнее пришли от разработчика.

Разработчик дал агенту отдельную почту и поставил явное подтверждение перед отправкой

Автор превратил ИИ-агента в участника почтового процесса: он мог получать письма и готовить черновики. Самым важным оказалось не качество текста, а последняя миля — что именно должно произойти перед реальной отправкой.

В рабочем процессе появился явный признак разрешения на отправку: без него письмо не уходит. Это маленькая, но важная история о делегировании: чем ближе агент к внешнему действию, тем видимее должен быть человеческий стоп-кран.