Сегодня простая утилита в npm — конвертация Blob в ArrayBuffer, работа с датами, маленькая обёртка над API — перестала быть предметом инженерного творчества.
Зачем ставить пакет, если можно написать в ИИ:
«Сгенерируй мне функцию для X».
И через секунду получить рабочий код.
Разработчик Нолан Лоусон — автор популярного blob-util, получающего 5+ млн скачиваний в неделю — честно признаёт: его библиотека больше не нужна. В мире, где 80 % разработчиков используют LLM ежедневно, маленькие модули обречены исчезнуть.
Но исчезновение мелкого open source — это не просто смена инструментов. Это изменение культуры разработки, и последствия куда глубже, чем кажется.
🧩 Почему “маленькое” open-source умирает
Нолан называет три ключевых причины:
⭐ Простые утилиты легче сгенерировать, чем искать
Разработчики быстро поняли:
🧠 промпт → ⚙️ рабочая функция → 🚀 в прод.
Порог входа в установку библиотеки — «ещё одна зависимость» — кажется тяжелее, чем промпт в ИИ.
⭐ Зависимости стали риском
Маленький пакет — это:
- 🔗 потенциальная уязвимость цепочки поставок (supply-chain),
- 🐛 неизвестное качество,
- 🔄 обновления, которые надо отслеживать.
Зато сгенерированный код — локальный, маленький и под контролем.
⭐ LLM «убили» образовательную роль библиотек
Многие мини-пакеты существовали как учебные примеры:
хорошо написанный README, философия API, работа с пограничными случаями.
Теперь LLM не только генерирует код, но и… пропускает объяснения.
Так исчезает целый слой инженерного ремесла — понимание, почему код именно такой, а не просто работающий вариант.
📚 Что мы теряем, когда умирают микробиблиотеки
Это, пожалуй, самая важная часть:
👉 маленькие библиотеки — это школа инженерии.
Лоусон вспоминает, как писал обучающий README с Кирби для blob-util. Это была не просто утилита — это был кусочек культуры:
юмор, объяснения, примеры, практики работы с Blobs.
Теперь вместо этого разработчик получает:
«Вот твоя функция. Она работает. Дальше не спрашивай».
Мы теряем:
- 🎓 образовательный контент
- 🧠 понимание причинно-следственных связей
- 📐 общие подходы к проектированию
- 🛠 навыки ручного решения задач
- 🌱 характерные стили и API, которые формировали экосистемы
Это похоже на обучение математике через калькулятор: решение есть, понимания — нет.
🤖 ИИ убивает “маленькое”, но не убивает open-source
Здесь я полностью согласен с Ноланом.
Маленькие пакеты — да, исчезают. Но это не конец open source. Это всего лишь смена его масштаба и горизонтов.
В новой реальности будут цениться проекты, которые:
🌋 LLM не способен сгенерировать одним промптом
Например:
- отладка браузерных утечек памяти
- эксперименты с Chrome heap snapshot
- исследования производительности
- низкоуровневые плагины
- нестандартные алгоритмы
Здесь нужна креативность, исследование, эксперименты — то, что нельзя «скормить» модели.
🛸 инновационные фреймворки или подходы
Нолан приводит пример:
Dominic Gannaway создал Ripple.js — новый JS-фреймворк вопреки всему.
Это важно:
🧑💻 люди всё ещё могут делать то, чего нет в обучающих данных ИИ.
🌌 узкие области, где нет больших датасетов
Там, где нет исторических примеров, модели бесполезны.
Там и будет расти open source.
🔍 Моё мнение: мы входим в эпоху “Большого Open Source”
Я рассматриваю это так:
🔹 Микробиблиотеки = крутая эра ремесленников
Но ремесло вытесняется автоматизацией.
🔹 Open-source теперь — это исследовательская деятельность, а не просто код
ИИ может писать функции, но не может искать новые идеи.
🔹 Будущие проекты будут похожи на исследования, а не на утилиты:
оптимизация рантаймов, новые модели памяти, DSL, компиляторы, интерпретаторы, инструменты профилирования, сложные экосистемы.
🔹 Новые библиотеки будут начинаться не с “как”, а с “почему”
И это делает инженерное творчество, наоборот, более ценным.
В этом есть парадокс:
ИИ убивает простое — чтобы освободить место для сложного.
🧨 Опасность “быстрых ответов”: куда мы скатываемся
Я согласен с критикой из комментария Ральфа Хейгуда:
🛒 «Klarna-кодинг» — сделать сейчас, заплатить потом
Пока LLM-коды выглядят красиво, но:
- 🧩 они избыточны
- 📉 вносят скрытый технический долг
- 🧪 сложнее тестировать и дебажить
- 🚨 подвержены инъекции промптов (prompt injection)
- 🔁 генерируют вариативный, нестабильный стиль
Зависимость от магического autocomplete — это путь к тому, что через год вы возвращаетесь в свой код и не понимаете, что же ИИ пытался сделать и почему.
🧭 Так что же дальше?
Будущее open source, как я это вижу:
🌱 Меньше — но важнее
Утилиты писать не нужно.
Но нужны большие системы и проекты, которые создают смысл.
🛠 Образование через сложность
Учить нужно не «писать утилиту», а:
- разбираться в браузерных API
- понимать оптимизацию
- знать архитектуру
- уметь анализировать память
- писать экспериментальный код
⚡ Человеческая креативность остаётся ключом
ИИ может помочь — но он не задаёт направление.
Он повторяет прошлое, а не создаёт будущее.
И в этом наше преимущество.
🔗 Источник
- Оригинальная статья Нолана Лоусона:
https://nolanlawson.com/2025/11/16/the-fate-of-small-open-source/