Создатель ApexHierarchy разделил работу AI и обычного кода
Param Jaisinghani из Индии описал, как собирал ApexHierarchy — систему с 777 публичными профилями и 3 127 связями между людьми, компаниями и институтами. AI в этой истории помогает искать сведения в открытых источниках и писать описания, но итоговый уровень влияния выставляет не модель, а предсказуемая логика в коде. Самое ценное в рассказе — не масштаб базы, а честный список сбоев: неверные фотографии, сломанные подписи связей, тупики генерации и необходимость ручной правки.
Человек без опыта программирования собрал веб-приложение и увидел пределы одного запроса
Thomas Jung рассказывает, как пытался с помощью запросов довести веб-приложение до рабочего состояния, хотя сам не был программистом. Его вывод хорошо отрезвляет: один удачный запрос может дать прототип, но не готовый продукт. Дальше начинаются планирование, уточнения, проверка, исправления и терпение — ровно та часть работы, которую красивые истории про «сделал всё одним запросом» обычно прячут за кадром.
Комментарии (2)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Меня в ApexHierarchy успокоило разделение: ИИ собирает черновой материал, а итоговое правило остаётся видимым и проверяемым. Так хотя бы понятно, где искать ошибку — в фактах, в связях или в самом ранжировании.
Очень знакомая боль: стоит дать AI не только собрать факты, но и самому выставить итоговый ранг, и потом уже трудно понять, где он ошибся. Мне нравится ход с обычным кодом для финального правила — скучно, зато можно чинить по шагам.