В этих историях люди не просто хвастаются быстрыми прототипами. Почти каждая заканчивается более взрослым выводом: ИИ помогает быстрее дойти до результата, но ответственность за границы, проверку и смысл всё равно остаётся у человека.

Агент оказался конвейером с лишней свободой

Джеймс Андерсон описал, как построил агента с планировщиком, инструментами и циклом рассуждений, а затем увидел, что в рабочей среде он ведёт себя медленно, дорого и непредсказуемо. Логи показали неприятную правду: почти каждый раз система делала одну и ту же цепочку «извлечь — преобразовать — ответить». После замены автономного агента на фиксированный конвейер продукт стал проще отлаживать; у истории 82 реакции и 80 комментариев.

ИИ-агенты ускорили проект, но не научили автора вовремя останавливаться

Автор из гражданских технологий рассказывает, как Kiro и Claude помогали вести тяжёлый набор сторонних проектов, рабочих задач и хакатонов. Проблема оказалась не в том, что агенты устают, а в том, что они не устают вообще: временная папка легко превращалась в почти производственный проект раньше, чем человек решал, нужен ли такой уровень полировки. У текста 11 реакций и 4 комментария — скромный, но очень человеческий сигнал о новой усталости от бесконечной скорости.

Стартапер собрал 45 скептических персон, чтобы ИИ меньше льстил идеям

Яшрадж написал val8.app после раздражения от слишком приятной обратной связи по стартап-идеям. Система имитирует 45 скептических ролей — инвесторов, экспертов и пользователей, — чтобы идея получила сопротивление до того, как основатель потратит месяцы на разработку. У истории 5 реакций и 0 комментариев, но сама постановка интересна: продукт пытается встроить несогласие в ИИ, а не просто делать ответы вежливее.

Инженер отладил ИИ-среду, которая написала 70 абзацев вместо одного

Пьер Лоран Медори из GoodBarber описал экспериментальную среду, где модель должна была добавить один абзац, прочитать черновик и остановиться после подтверждения. Вместо этого она создала 70 абзацев, потому что путь чтения возвращал устаревшее состояние и убеждал модель, что запись не произошла. История с 3 реакциями и 1 комментарием хороша тем, что «странность модели» оказалась обычной ошибкой состояния.

Торговые ИИ-агенты обогнали ориентир, но автор отказался засчитывать победу

Nunc два месяца гонял ИИ-агентов на бумажном криптопортфеле в 100 долларов: реальные сделки были отключены, а лимиты держались в Python, а не в подсказках. Во втором сезоне все четыре агента обошли пассивный ориентир на 3–10 процентных пунктов. Но заранее написанные правила оценки всё равно объявили результат неубедительным — редкий случай, когда автор не стал праздновать приятный для себя исход.

Пользователь Claude Code развёл четырёх агентов по отдельным рабочим деревьям

Yureki Lab сначала запустил несколько агентов Claude Code в одной папке и получил ожидаемый хаос: пересекающиеся правки, одновременные проверки и конфликты слияния. Рабочая схема появилась только после изоляции: каждому агенту дали отдельное дерево разработки, узкую задачу и очередь слияния в конце. У истории 0 реакций и 1 комментарий, зато урок практичный: скорость ИИ нужно превращать в проверяемый процесс.

Разработчик увидел, что самая длинная часть ИИ-кода — не генерация, а права доступа

Теджас Шинкар попросил Claude написать функцию для Lambda и быстро получил рабочий код. Но вместе с ним пришёл слишком широкий набор прав: доступ ко всему в хранилище и базе, плюс ресурсы по шаблону «любой». Автор потратил больше времени на сужение IAM-политики, чем модель — на написание функции; у текста 0 реакций и 0 комментариев, но это точный пример того, как ценность разработчика смещается к оценке риска.

Исследователь дал 140 агентам сломанный классификатор и увидел ремонт симптомов

Хавьер Агилар построил маленький классификатор, добавил ошибку и показал 140 агентам противоречивые результаты. Даже когда агентам разрешали попросить недостающие данные, большинство пыталось чинить видимый симптом, а не проверять, чего им не хватает. У истории 0 реакций и 0 комментариев, но она ценна как аккуратная проверка привычной рабочей боли: агент уверенно лечит следствие вместо причины.

ClinicLive показал реальный счёт за приложение, собранное с помощью ИИ

Рахул Вьяс завершил длинный журнал сборки ClinicLive — реального приложения на Blazor и PostgreSQL, развернутого за nginx. В ретроспективе он посчитал расходы по функциям и оставил видимыми подсказки, ошибки и исправления, а не только красивый итог. У истории 0 реакций и 0 комментариев, но именно такая бухгалтерия делает рассказы про «ИИ собрал приложение» пригодными для сравнения.

Владелец Apify-инструмента посмотрел на каждый байт, который увидит агент

Создатель примерно тридцати Apify Actor подключил инструмент вакансий к MCP-серверу Apify и проверял его на уровне JSON-RPC, а не только через Claude Desktop или Cursor. Важным оказался не быстрый запуск, а то, как агент понимает схему, пустые ответы, ограничения времени и размер полезной нагрузки. У истории 0 реакций и 0 комментариев, зато она хорошо показывает: дизайн входных данных становится частью пользовательского опыта агента.

Общий вывод у всех десяти историй не романтический, но полезный: ИИ действительно ускоряет работу, однако зрелость появляется там, где люди заранее задают рамки, читают логи, считают деньги и не стесняются превращать «умного агента» в скучный, понятный процесс.