Генеративный ИИ меняет буквально всё — от того, как мы пишем тексты, до того, как создаём программы. Современные нейросети умеют отлаживать, улучшать и писать код с нуля. Причём для этого достаточно обычного текстового запроса. Хочешь небольшое приложение? Просто опиши его словами. Нужен сайт? Тот же принцип.
Профессиональные программисты уже вовсю используют ИИ-помощников в работе. Но самое интересное — двери открылись и для тех, кто вообще не умеет программировать. Это явление даже получило название «вайб-кодинг» — буквально «кодинг на вибрациях». Всё, что нужно для старта — это идея.
Но так ли всё просто на самом деле? Если верить энтузиастам из соцсетей, вайб-кодинг — это прямо революция. Люди хвастаются, что создают проекты «с одного промпта». Звучит заманчиво. Я решил проверить это на себе, вооружившись ChatGPT и Gemini.
Чёткого определения у вайб-кодинга нет, но суть примерно такая: ты описываешь на обычном языке, что хочешь получить, а нейросеть пишет код. Точно так же, как просишь нарисовать картинку или написать эссе. Хочешь лендинг для компании? Пожалуйста. Инструмент для учёта расходов? Без проблем.
Правда, несмотря на разговоры про «один промпт», так редко получается. Обычно начинаешь с малого, а потом уточняешь и дорабатываешь. Переменных-то много: расположение элементов, картинки, цвета, шрифты, логика взаимодействия. Можно, конечно, отдать все решения на откуп ИИ. Но если хочешь получить что-то близкое к своей задумке — придётся быть конкретным.
Нейросети умеют и баги чинить. Описываешь, что не работает — получаешь исправление. Чем-то напоминает разговор с живым программистом. Только этот программист бесконечно терпелив и никогда не закатывает глаза.
Новички часто начинают с простых игр — в сети полно примеров. Описываешь игровую механику, ИИ выдаёт код. Обсуждаешь, как должен выглядеть геймплей и графика. Все крупные чат-боты сейчас умеют показывать и сам код (который можно править вручную), и превью результата. Приложение запускается или сайт отображается прямо в интерфейсе бота.
У вайб-кодинга есть ограничения. Главное — непредсказуемость ИИ. Для серьёзных профессиональных проектов нейросети — лишь один из инструментов, и использовать их нужно осторожно. Но для маленьких проектов «для души» — почему бы и нет?
Я решил сделать простенький симулятор лифта на HTML, который можно запустить в браузере. Честно говоря, меня всегда слегка озадачивала логика работы лифтов — казалось, что это подходящий проект для эксперимента.
Первым делом обратился к ChatGPT. И быстро понял: промптов нужно куда больше, чем кажется. Нельзя просто сказать «сделай мне симулятор лифта». Пришлось указывать разметку экрана, количество этажей, скорость движения кабины, как отображать пассажиров, как определять, на какой этаж им нужно. И это только для начала.
Через несколько минут размышлений ИИ выдал симулятор. Он работал. Отчасти. Проблема в том, что не всё работало одновременно. То лифт зависал на определённых этажах. То подбирал пассажиров не в том порядке. То забывал, сколько людей уже внутри. То вообще игнорировал базовую лифтовую логику.
Каждый раз, когда я указывал на ошибку, ChatGPT извинялся и пробовал снова. Большинство багов удавалось исправить за пару промптов. Но тут же вылезали новые.
Особенно мучительной оказалась задача: научить лифт возвращаться за людьми, которых не удалось забрать с первого раза, когда кабина была полной. Поскольку я не понимал код, то не мог разобраться, где именно проблема. ИИ извинялся, но явно не понимал сути.
В какой-то момент лифт начал носиться по этажам, подбирая всех подряд, но при этом забывая высаживать тех, кто уже внутри. Потом появился странный графический глюк со спрайтами пассажиров.
К этому моменту даже вайб-кодинг начал ощущаться как тяжёлая работа. Через 45 минут, так и не получив работающий симулятор, я решил, что моё время и силы лучше потратить на что-то другое.
Попробовал тот же проект в Gemini. К чести Google — результат оказался лучше. Проблем было меньше, хотя они всё равно были. Пассажиры по-прежнему подбирались в неправильном порядке, инструкции выполнялись не полностью. Времени я потратил меньше, результат был ближе к желаемому, но глюки всё равно раздражали.
В целом вайб-кодинг оказался разочарованием. Возможно, дело не в способностях ИИ к кодингу, а в понимании логики работы лифта. Но получить что-то полностью рабочее так и не удалось. Может, когда остыну от этого опыта, попробую что-нибудь попроще — без логических сложностей лифтовой системы.
Эксперимент показал ограничения вайб-кодинга. Промптов нужно много — куда больше, чем ожидаешь. Баги неизбежны, хотя боты очень вежливо их исправляют. И тут проявляются две характерные черты генеративного ИИ: уверенность в ответах (даже когда они неправильные) и непредсказуемость результатов.
Эти модели созданы выдавать разные ответы на одинаковые запросы. Для картинок с водопадами это нормально. Но когда пытаешься заставить код работать правильно — это скорее мешает.