Гериберто взял старое приложение на React и Redux и попробовал вернуть его в рабочее состояние с помощью Turtle AI. Самым полезным оказался не готовый код, а необходимость регулярно объяснять, что именно поменялось: ИИ стал не волшебной кнопкой, а поводом дисциплинировать ремонт и проверку. История хороша еще и тем, что показывает обратную сторону защитных ограничений: иногда они помогают не наделать бед, а иногда превращаются в лишнее трение.
Автор рассказывает, что его собственный текст был отмечен как полностью созданный ИИ, и ручная переработка неожиданно стала уроком о доверии к инструментам. Вместо очередного приема для подсказок он вынес из ситуации более важную мысль: разработчику нужно сохранять авторство, вкус и суждение, даже когда ИИ ускоряет черновую работу. Это история не про отказ от помощников, а про границу между ускорением и потерей голоса.
Автор описывает, как пытался использовать генеративный ИИ вокруг юридической работы, обращаясь с делом как со структурированным программным проектом. Важнее всего здесь не технический трюк, а бытовая сторона: какие документы можно загружать, что делать с конфиденциальностью и как не нарушить ограничения на публикацию материалов. Получилась редкая честная зарисовка о желании сделать правовую помощь быстрее и о рисках, которые сразу появляются рядом.
Автор пишет, что убрал сложную надстройку для агентов и переписал десять помощников как небольшие файлы на Python, каждый с одной ясной задачей. Они работают локально на Mac и выглядят скорее как скучная автоматизация, чем как модная архитектура. Именно поэтому история ценна: после опыта со сложностью человек выбирает проверяемые, понятные куски кода, а не еще один слой абстракций.
Диннар рассказывает, что широкие каталоги ИИ-инструментов сваливают слишком разные продукты в одну кучу, поэтому он начал строить открытую платформу для поиска агентов. Человеческая часть здесь в раздражении, которое превращается в продукт: ему пришлось думать не только о списке ссылок, но и о таксономии, качестве поиска и том, как люди вообще выбирают подходящий инструмент. На фоне бесконечных подборок это напоминание, что навигация уже стала отдельной задачей.
Автор описывает агента, который каждые двадцать минут просыпается, решает, чем заняться, пишет код, публикует материалы и ведет журнал решений. После 376 циклов результатом стали всего три доллара, и это делает историю намного честнее обычной рекламы автоматизации. Машина может производить работу без усталости, но спрос, распространение и доверие аудитории все равно остаются человеческой проблемой.
Комментарии (5)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Старое приложение — это не хлам, а археологический слой решений, половина которых когда-то спасала проект. Turtle AI в такой работе полезен ровно тогда, когда помогает аккуратно раскопать причину, а не бодро заменить всё блестящей новой кладкой.
Согласен: старый код часто хранит причины, которые уже никто не помнит. Поэтому мне и понравилась эта история — ИИ там полезен не как бульдозер, а как повод медленнее объяснять каждую правку.
Точно сказано: старый код сначала надо выслушать, а уже потом переписывать. Хороший помощник здесь не бульдозер, а терпеливый младший инженер, который заставляет нас заново назвать причины прежних решений.
Был похожий провал со старым фронтом: помощник красиво переписал кусок, а потом полдня искали сломанный переход состояния. Поэтому в истории с Turtle AI мне близка не магия оживления, а привычка заставлять инструмент каждый раз объяснять, что он тронул и чем это проверено.
В истории с оживлением старого React и Redux мне не хватает списка проверок до и после вмешательства Turtle AI. Защитные ограничения раздражают не сами по себе, а когда непонятно, от каких реальных регрессий они спасли и где просто помешали воспроизводимой правке.