Разработал и запустил сервис за 2 недели с помощью ИИ-агентов

Я решил проверить, насколько далеко сегодня можно зайти в разработке с помощью ИИ-агентов.

Не просто попросить нейросеть написать компонент или сверстать страницу, а попробовать сделать полноценный рабочий сервис: с личным кабинетом, генерацией контента, тарифами, оплатой, ограничениями, админкой и нормальной архитектурой.

В итоге примерно за две недели у меня получился рабочий MVP сервиса ToVideo — инструмента для генерации сценариев и промптов для видео.

Сервис превращает короткую идею в готовую структуру ролика: разбивает сценарий по сценам, генерирует промпты для изображений, промпты для видео и текст для озвучки.

Но самое интересное здесь даже не сам сервис, а то, как изменилась роль разработчика в процессе.

Что делает сервис

Идея ToVideo довольно простая.

Пользователь вводит короткое описание идеи, например:

Сделай рекламный ролик про свежие огурчики в стиле дорогой минималистичной рекламы.

После этого сервис генерирует:

• общий сценарий ролика;
• разбивку по сценам;
• описание визуала для каждой сцены;
• промпты для генерации изображений;
• промпты для генерации видео;
• текст для озвучки.

То есть это не просто генератор текста. Это инструмент, который помогает быстрее перейти от идеи к готовой структуре ролика.

В моём тестовом демо я как раз сделал шуточную рекламу огурчиков: уставший от жизни человек идёт по серому городу, видит свежий огурец, хрустит — и мир вокруг буквально оживает.

Получилось абсурдно, но как демо работы сервиса — отлично.

Какие инструменты я использовал

В процессе разработки я использовал несколько ИИ-инструментов и агентов:

• ChatGPT — для обсуждения идеи, архитектуры и структуры проекта;
• Codex — для основной разработки;
• OpenCode — для дополнительной проверки и доработок;
• Big Pickle — для ревью отдельных спорных мест;
• Claude — для работы над дизайном и визуальной частью.

Основной стек проекта — Laravel. Также я использовал Docker Compose для локального окружения и готовые пакеты для отдельных частей проекта.

Важно: не всё писалось с нуля.

Например, интеграция с оплатой была сделана через готовый пакет для ЮKassa. Интеграция с OpenAI API тоже частично опиралась на мои прошлые наработки.

И это нормальный рабочий подход. В реальной разработке задача не в том, чтобы каждый раз изобретать всё заново, а в том, чтобы собрать работающий продукт из надёжных компонентов.

Как шёл процесс разработки

Сначала я обсудил с ChatGPT саму идею сервиса.

Мы разобрали:

• что должен делать сервис;
• какие сущности нужны;
• как будет устроен личный кабинет;
• как работать с тарифами и лимитами;
• как будет происходить генерация сценариев;
• какие части лучше вынести в отдельные сервисы;
• как организовать структуру проекта.

После обсуждения я подготовил два основных документа:

1. todo.md — список задач, разбитый по спринтам.
2. architecture.md — описание архитектуры, структуры проекта, правил написания кода и примеров использования нужных пакетов.

В architecture.md были описаны технические принципы проекта: DTO, сервисы, репозитории, структура классов, подход к оплатам, генерации и внутренней логике.

После этого я сам подготовил базовый проект:

• установил Laravel;
• настроил Docker Compose;
• добавил первичные зависимости;
• подготовил структуру проекта;
• положил в корень проекта файлы todo.md и architecture.md.

Затем я передал этот контекст Codex и попросил его выполнять задачи по спринтам, следуя подготовленной документации.

Процесс выглядел примерно так:

1. Codex берёт задачу из спринта.
2. Реализует функциональность.
3. Я проверяю код и запускаю проект.
4. Нахожу ошибки, недоработки или спорные решения.
5. Возвращаю задачу на доработку.
6. При необходимости подключаю OpenCode и Big Pickle для дополнительного ревью.
7. Повторяем цикл до нормального результата.

Это уже больше похоже не на классическое “я сижу и пишу код”, а на управление небольшой командой быстрых, но не всегда аккуратных исполнителей.

Где ИИ реально помог

Главный плюс — скорость.

ИИ-агенты хорошо помогают там, где есть понятная структура:

• создать типовые CRUD-модули;
• написать DTO;
• подготовить сервисы;
• собрать интерфейс;
• реализовать базовую бизнес-логику;
• связать части проекта между собой;
• быстро сделать черновик функционала.

То есть агентам можно поручать довольно большие куски работы, если у них есть хороший контекст.

Но здесь есть важный момент: контекст нужно подготовить заранее.

Если просто сказать “сделай сервис”, результат будет случайным. Если же дать архитектуру, список задач, примеры кода и правила проекта, качество становится заметно лучше.

Где ИИ ошибался

Ошибки тоже были.

Самый неприятный пример — обработка вебхука оплаты.

В одной из версий Codex сделал endpoint для вебхука ЮKassa без нормальной проверки безопасности. То есть внешне всё работало, но сам подход был небезопасным.

Грубо говоря, обработчик принимал запрос почти “на доверии”. А с оплатами так делать нельзя.

Нужно проверять:

• что запрос действительно пришёл от платёжной системы;
• статус платежа;
• сумму;
• валюту;
• связанный заказ;
• пользователя;
• повторную обработку события;
• идемпотентность.

Да, для атаки всё равно нужно было бы знать определённые внутренние данные. Но сама идея принимать платёжный вебхук без нормальной проверки — плохая.

И вот здесь хорошо видно, почему разработчик всё ещё нужен.

ИИ может быстро написать код, который внешне работает. Но он не всегда понимает последствия своих решений.

Код может быть рабочим, но некачественным. Или рабочим, но небезопасным. Или рабочим, но плохо подходящим для развития проекта.

Поэтому ревью, тестирование и проверка безопасности никуда не исчезают.

Сколько времени заняла разработка

Основная версия проекта заняла примерно две недели.

Если считать дополнительные правки, улучшения интерфейса, доработки логики, исправления ошибок и дальнейшие итерации — ближе к трём неделям.

Но рабочий MVP появился примерно за две недели.

Для сравнения: раньше я делал сервис ToSpeech — проект для озвучивания текста нейросетями. Там базовая рабочая версия заняла примерно три недели ручной разработки.

С ToVideo получилось быстрее. По ощущениям, ускорение составило примерно 30%.

Это субъективная оценка, не строгая метрика. Но по личному опыту разница заметна.

При этом важно понимать: ИИ не отменяет работу разработчика. Он ускоряет именно реализацию и сборку MVP, но не убирает необходимость думать.

Что изменилось в роли разработчика

Раньше моя роль в подобных проектах была такой:

• сам пишу код;
• сам делаю интеграции;
• сам собираю UI;
• сам исправляю баги;
• сам продумываю архитектуру;
• сам проверяю результат.

С ИИ-агентами роль начинает смещаться.

Теперь больше времени уходит не на ручное написание кода, а на:

• постановку задач;
• описание архитектуры;
• подготовку документации;
• контроль качества;
• ревью кода;
• тестирование;
• проверку безопасности;
• продуктовые решения;
• UX;
• приоритизацию задач.

То есть разработчик становится ближе к роли архитектора, тимлида и продакт-менеджера.

Особенно если это соло-разработчик или соло-предприниматель.

Ты уже не просто “пишешь код”. Ты управляешь процессом создания продукта.

Почему это важно для соло-разработчиков

Для одного человека это особенно заметно.

Когда ты делаешь проект один, тебе приходится быть сразу всем:

• программистом;
• архитектором;
• продуктологом;
• тестировщиком;
• дизайнером;
• маркетологом;
• техподдержкой.

ИИ-агенты помогают разгрузить часть рутины и быстрее довести идею до рабочего состояния.

Это не значит, что теперь можно без опыта запускать сложные продукты одной кнопкой.

Но если у тебя уже есть технический опыт, понимание архитектуры и здравый смысл, ИИ-агенты становятся очень сильным ускорителем.

Они позволяют быстрее проверить идею, собрать MVP и перейти к самому важному — понять, нужен ли этот продукт людям.

Полноценный MVP, а не просто демка

Для меня было важно сделать не просто красивую страницу или прототип.

В проекте есть:

• личный кабинет;
• генерация сценариев;
• работа с проектами;
• тарифы;
• оплата;
• лимиты;
• простая админка;
• интеграция с AI API;
• базовая продуктовая логика.

То есть это уже можно использовать как коммерческий продукт.

Конечно, проект ещё развивается. В реальном продукте после запуска всегда появляются доработки: улучшение UX, изменение тарифов, исправление мелких ошибок, новые функции, улучшение качества генерации.

Но это уже не просто эксперимент “нейросеть написала код”.

Это рабочий сервис, который можно развивать дальше.

Главный вывод

ИИ-агенты не сделали проект вместо меня.

Они стали моей маленькой командой.

Но архитектором, ревьюером, продактом и ответственным за результат всё равно оставался я.

Главный вывод такой:

ИИ не заменяет разработчика. Он смещает его роль от ручного написания кода к управлению продуктом, архитектурой, качеством и результатом.

Для меня это очень важное изменение.

Потому что теперь соло-разработчик может быстрее проверять идеи, запускать MVP и больше времени уделять не только коду, но и самому продукту.

Видео

В видео я подробнее показываю процесс разработки, рассказываю про Codex, OpenCode, архитектуру, ошибки, ревью и демонстрирую результат работы сервиса.

https://youtu.be/5JL7U123PMA

Сервис ToVideo:

https://tovideo.ru