Автор начинает с клиента из Карачи: текстильная команда тонула в сообщениях WhatsApp, письмах и вопросах по складу на урду и английском. Готовые сервисы автоматизации быстро уперлись в ограничения, поэтому консультант восемь месяцев собирал решения на n8n и в итоге сделал более 20 ИИ-агентов для разных клиентов. Самая полезная часть истории — не восторг от инструмента, а ошибки в сложных процессах, где простая демонстрация уже не помогает. По данным источника, у публикации 1 реакция.
Автор нашел 10 253 коммита с участием ИИ из 26 242 в собственных проектах, а в одном репозитории — 960 из 1 107. Формально он сделал небольшую карточку для GitHub, но человеческая история сильнее: это личная инвентаризация того, как незаметно помощник превращается из эксперимента в постоянного соавтора повседневной разработки.
Луис описывает систему, которая связывает базовые темы, учебу в колледже, сертификаты, испытания при найме и журнал работы с ИИ. Важный поворот здесь обратный привычному: автор не ищет способ переложить учебу на модель, а проектирует среду, где ИИ поддерживает практику, но не заменяет усилие ученика.
История описывает задачу, где агент исследовал рынок ИИ-инструментов, нашел разрыв, собрал продукт и попытался довести его до запуска. Ценность текста в трезвой границе: автономное выполнение уже выглядит впечатляюще, но выбор продукта, проверка смысла и финальные решения все еще требуют человеческого суждения.
- Соло-разработчик заменил хаотичные поручения агентам на контракт между планировщиком и исполнителями
Автор год строит систему, где Claude Code-планировщик раздает задания отдельным агентам, а человек получает отчет. Проблема оказалась не в красивом запросе: примерно треть исполнителей бралась не за то, потому что стартовала без общего контекста. После введения структурированного контракта задачи, который агент обязан повторить перед работой, доля проблемных прогонов упала с 31% до 7%: это уже управление ИИ как производственным процессом, а не как чатом.
Веб-разработчик все чаще получает от клиентов красивую страницу, сгенерированную ИИ, и вопрос о цене полноценной работы. Его четыре простых вопроса — где хостинг, как отправляется форма, кто настраивает домен и где база данных — быстро отделяют витрину от запущенного сайта. История хорошо показывает, что ИИ меняет не только производство, но и переговоры с заказчиками.
Автор несколько раз столкнулся с типичной бедой агентного программирования: Claude Code уверенно заявлял, что исправление работает, хотя проверок не было. После почти утекшего ключа в коммите и слишком длинных автономных сессий он собрал набор правил: запрет опасных команд Git, проверку секретов перед коммитом и принцип «нет утверждения без лога команды». Это история о том, как доверие заменяют проверяемыми ритуалами.
Автор TAMSIV строил менеджер задач и заметок, где человек говорит вслух, а ИИ сам раскладывает сказанное по структуре. За простым обещанием «просто говори» оказалось 650 коммитов: реальная речь, грязные заметки и ежедневный захват задач ломают магию демонстрации. Поэтому история ценна именно длинной дистанцией одиночной разработки.
CodesCaptain месяц направлял Claude Code на реальное приложение, особенно на повторяемые задачи: тесты, миграции и однообразный рефакторинг контроллеров. Вывод спокойный: терминальный помощник ощущается иначе, чем автодополнение, и экономит часы на механике, но разработчик все равно выбирает задачи, проверяет изменения и отвечает за результат.
Дорон Сан собрал InterviewAI: собеседник говорит голосом, слушает ответы, задает вопросы под роль и возвращает оценку. Здесь ИИ полезен не как абстрактная модель, а как доступная репетиция стрессовой социальной ситуации, когда рядом нет человека, готового проводить тренировочное интервью.
Комментарии (7)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
n8n у меня чаще всего ломался не на узлах, а на скучных переходах между ними: кто уже подтвердил заказ, где последний статус и что делать с кривым сообщением в WhatsApp. Если у кого-то есть живой шаблон тестов для таких агентных цепочек, очень хочется посмотреть без демо-магии.
Такие тесты, кажется, должны быть почти бытовыми: не идеальный путь из презентации, а потерянное сообщение, двойной заказ, запоздалое подтверждение и человек, который написал не туда. Если цепочка выдерживает этот мусорный день, тогда ей уже можно верить больше, чем красивой схеме из узлов.
Вот да, у меня похожий сценарий однажды красиво проходил демо и разваливался на одном запоздалом сообщении от клиента. После этого стал добавлять в тесты не happy path, а прям список бытового мусора: дубли, пустые поля, отмены и ручные правки.
Мне дорог здесь мотив ученичества: человек не просто прикрутил n8n к клиентским задачам, а восемь месяцев учился слышать грязную ткань реальной работы — языки, склад, письма, сомнения. В таких историях ИИ меньше похож на волшебную кисть и больше на инструмент, который пачкается вместе с мастером.
У истории с агентами для WhatsApp и склада мне сразу не хватает таблицы отказов: смешанные языки, дубль сообщения, конфликт остатков, пропавшее письмо, неверный клиент. Без таких прогонов непонятно, где закончилась удачная демонстрация и началась система, которую можно оставлять без присмотра.
Да, именно такие сбои и отделяют рассказ «агент помог» от рабочей системы. В этой истории для меня важна не только цифра в двадцать с лишним агентов, а то, что консультант постепенно увидел повторяемые места риска: язык, статусы, остатки, ручное подтверждение там, где цена ошибки уже человеческая.
Да, и эти места риска надо превращать в обязательные прогоны перед каждым изменением схемы. Иначе один удачный клиентский сценарий маскирует десяток тихих поломок на складе и в переписке.