Когда я стал обставлять свой “кабинет” в доме на Кипре, первым делом я купил себе большой монитор. Мне хотелось, чтобы он обязательно был 4K и заряжал ноут по type-C проводу. Я долго искал оптимальный по цене и качеству вариант, нашёл, привёз, подключил и предпочёл не обращать внимание на то, что нижний край монитора перекрывается верхней частью стоящего под ним ноутбука.

Первое время радость от монитора зашкаливала. Пока я жил в Сербии мне приходилось ездить в офис, чтобы посидеть за широким экраном. А тут вот они 28 дюймов дома. Но спустя какое-то время я стал раздражаться на звонках, когда шарил экран и терял мышку. Потом, когда писал код на одном экране и искал подсказки на StackOverflow на другом. Когда на одном экране писал заметки, а на другом просил ChatGPT их перевести. Когда много других разных когда.

Но монитор уже куплен, выбор сделан и вообще перекрываются какие-то несчастные 5% экрана. Ну разве это не мелочь? И что мне теперь признать, что я неправильно выбрал монитор? Продать этот и купить новый? А как узнать, что тот по высоте нормальный будет? Да они же, наверное, все так высоко не поднимаются. Поменяю, столкнусь с той же проблемой, только хуже сделаю.

Примерно такой диалог с самим собой был закопан где-то глубоко внутри. А я просто раздражался-раздражался, пока мне в чате не попалась подставка под монитор. Немного размышлений и поисков и решение эволюционировали из подставки в стойку. 10 минут на машине, 50 евро, 3 минуты с отверткой в руках и вот оно счастье.

Только поставив монитор на стойку, я смог понять, как же сильно меня бесил этот перекрывающийся кусок экрана. А знаете, когда я особенно сильно обратил на это внимание? Когда писал тот самый первый за месяц пост пару дней назад. Оказалось, что это была настолько не мелочь, что я подсознательно избавился от любого времяпрепровождения за ноутом дома кроме совсем уж необходимого, т.е. рабочего. И только спустя несколько недель после покупки, когда все-таки сел написать пост, удивился, насколько же это оказалось эмоционально легче, чем до этого.

И вот теперь вся эта история у меня вызывает вопрос — а как обнаруживать те вещи, которые ты рационально называешь мелочью, но они отнимают у тебя очень много эмоциональных сил? Как научиться засекать такие штуки и вместо того, чтобы раздражаться, просто находить способы избавления от них? Как перестать говорить себе “тебе показалось” или “забей” и на их место принести “ща мы всё быстро исправим”?

Я постоянно говорю о том, что ChatGPT (Claude, Gemma, подставьте любого помощника на свой вкус) — это джун. Но следующая мысль, которая почему-то мне не приходила в голову, звучит так: чтобы стать соло-предпринимателем с IT-продуктом, разработанным LLM’кой, нужно знать какие-то основные технические концепции, на которых строится IT-разработка. А навёл меня на эту мысль мой товарищ, который спросил, что ему делать с кодом, который по мнению ChatGPT реализовывает ту функциональность, которую он хочет получить.

Естественно, я на автомате ответил, что тот же самый ChatGPT сможет ему ответить на вопрос, куда этот код вставить. Но потом я стал размышлять дальше, и понял, что если не задать правильные вопросы, то LLM’ка тебе не даст правильные ответы. Поэтому я уточнил, что путь, которым я пошёл бы (и не раз ходил) при разработке бота для телеги, это разворачивание простых скриптов в AWS Lambda. После этого я хотел написать ещё несколько уточнений про базы данных, заведение токенов бота и прочие детали реализации, но потом предложил Лёше попробовать пройти с ChatGPT настолько далеко, насколько получится. А исходя из результата, я попробую сделать вывод — какие концепции нужно знать тем, кто хочет, написать собственного телеграм-бота при поддержке ChatGPT, чтобы увеличить шанс на то, что они справятся с задачей.

Что у Лёши получилось за 14 часов общения с AI-джуном, читайте у него в канале. Я вот после этого поста очень жду доступ к репозиторию в GitHub, чтобы посмотреть более детально, что там получилось. А к вам у меня вопрос — пришли бы вы на воркшоп про то, как при поддержке ChatGPT собрать бекенд для телеграм-бота и развернуть его в AWS?

P.S. После отпуска в Перу и последовавшей почти сразу же за ним командировки в Караганду столько наблюдений, переживаний и мыслей, что собрать из них что-то понятное и осмысленное для внешнего наблюдателя очень сложно. Если бы Лёша не пришёл ко мне с этим вопросом, так бы и молчал дальше, пытаясь переварить новый опыт.

Может код ChatGPT пока пишет не очень, но вот мемы объясняет отлично прям.

Этот мем состоит из двух твитов, где пользователь по имени "Daniel" рассказывает, что встретил свою жену в обсуждении проблемы на GitHub (платформа для совместной работы над программным кодом). В ответ на это другой пользователь "Mickey Friedman" комментирует, что рад за Даниэля, потому что он нашел девушку, которая "может закоммититься" ("could commit").

Шутка основана на игре слов. В программировании "commit" означает сохранение изменений в коде на GitHub, а в обычной жизни "commit" означает "обязаться" или "серьезно отнестись" (например, в отношениях). Таким образом, комментарий смешивает технический и повседневный смысл слова, создавая юмористический эффект.

Так что теперь на любой вопрос теперь правильно отвечать — "что тебя в OpenAI забанили?"

Пока мой товарищ наступает на грабли во время написания кода силами ChatGPT вслепую, я делегирую AI-джуну работу не только разработчика, но и DevOps. LLM’ка все так же пишет за меня код подо всякие разные задачи, решающиеся в облаке AWS, но теперь я пытаюсь от неё добиться ещё и части с разворачиванием этого пайпланйами GitHub Actions и шаблонами AWS Cloud Formation.

Сегодня столкнулся с забавной ситуацией и в очередной раз понял, что пока не представляю, как даже с несколькими автономными агентами стабильно решать произвольные задачи на разработку без вмешательства технических специалистов. Потому что ChatGPT просто зациклился.

Он выдал мне код для разворачивания нескольких ресурсов в AWS, я его запустил, получил ошибку. Скормил ему ошибку, он выдал мне новый код, я запустил его, получил другую ошибку. Опять скормил ему, он сделал вид, что понял, как всё исправить, и вернулся к первому варианту. В итоге, пока я явно ему не сказал, что в текущей версии есть ошибка, но нельзя её исправлять тем способом, которым он её захочет исправить, потому что тогда будет другая ошибка, он не смог выйти из цикла.

Т.е. из этой ситуации ему не помог бы выйти ни человек, который не понимает, что за код ему написали, ни автономный агент, который никак не анализирует его код, а просто сообщает об ошибках, возникших во время выполнения.

Кстати, ещё он регулярно теряет какой-нибудь кусок кода, поэтому я в очередной раз убедился, что хочу, чтобы он мне этот код не в чат присылал, а пулл-реквестами на гитхаб. Тогда я мог бы быстро увидеть diff с предыдущей версией кода и либо окнуть изменения, либо в коммент к этому PR написать ему, что он зачем-то лишний кусок кода удалил.

А вы бы хотели, чтобы вы текстом писали в телеграм, что нужно исправить, а вам в ответ сразу ссылочка на пулл-реквест?

Отвлекусь ненадолго от ChatGPT и поговорю о своих галлюцинациях искажениях сознания. На прошлой неделе в диалоге с коучем откопал одну мысль, которая показалась мне очень интересной. Уровень неопределенности, при котором мне комфортно принимать решения, влияет на то, до какого уровня в иерархии компании я могу дорасти.

Кручу эту мысль в голове уже несколько дней и она раскрывается всё с новых и новых сторон. Во-первых, база — чем выше поднимаешься по карьерной лестнице, тем больше неопределенности во всём. Куда идём? Как идём? Зачем идём? На все вопросы никто кроме тебя самого не ответит. Хорошо, если хотя бы какие-то ограничения сформулируют, но и то не факт.

Тут открывается второй слой. Нет правильного ответа на все вопросы сразу. Как минимум, нет единственного правильного. Можно до бесконечности пытаться что-то уточнять, откладывать решения, искать идеальное, анализировать риски и последствия. Но в какой-то момент времени решение принять придётся. И чем с бОльшей неопределенностью ты можешь работать, тем быстрее это решение получится принять. И тем выше ты сможешь подняться.

Почему я так думаю? Потому что даже если это решение будет абсолютно дурацким, многим покажется, что ты готов взять на себя много ответственности, а это и значит быть руководителем. Качество этих решений гораздо больше сказывается не на тебе, а на тех, кто на ступеньках ниже. А уж если решения не совсем очевидно плохие, то шансы на рост очень высоки.

Попробовал посмотреть на себя со стороны — а как я решения принимаю? Откладываю, пока не соберу достаточно данных. Стрессую, когда дедлайн пришёл, потому что данных всё ещё мало. Постоянно переживаю постфактум, что можно было собрать больше вводных и сделать лучше. И очень часто совершенно не задаюсь вопросом, чем я рискую, если я не угадаю. Мой внутренний математик постоянно стучится в мой мозг и говорит — у уравнений не бывает плохих решений. Решения либо есть, либо их нет. Если решений много, то выбрать из них нельзя, потому что они все равноценны.

И я продолжаю собирать фактуру, чтобы усложнять постановку задачи. Ведь если решений у системы уравнений много, значит можно добавить в неё ещё несколько условий. Была система из 3 уравнений, а вот она уже из 5, из 10, из 120. А красивого решения, да ещё и единственного, всё нет и нет.

Не знаю пока, что с этим делать. Пока буду просто стараться обращать на это внимание. Возможно, и какой-то подход к решению этой проблемы со временем нарисуется. Не алгебраический, конечно, а какой-то байесовский, с вероятностями.

А как вы принимаете решения при высоком уровне неопределенности?

После землетрясения, разбудившего нас прошлой ночью, возник вопрос: какие здания устойчивее к сейсмическим нагрузкам - монолитные или микросервисные? 🤔

Короче, эксперимент с написанием чего-то осмысленного при помощи ChatGPT человеком, который никогда до этого не программировал, объявляю успешно завершённым. Лёшин бот вот уже несколько дней присылает мне на почту изменения в списке подписчиков этого канала.

По дороге Лёше пришлось ознакомиться с несколькими концепциями и фичами AWS — Lambda, API Gateway, CloudWatch, DynamoDB. Помимо этого понять, что такое GitHub и деплой. И, конечно, научиться работать с логами из прода, когда что-то идёт не так. Очень хорошо понимаю, когда он говорит, что написание кода это дофаминовая наркомания — сталкиваешься с проблемами, решаешь их и сразу получаешь фидбек.

При этом мы с ним пришли к выводу, что совсем уж все вопросы задать LLM'ке не получилось бы. Гораздо эффективнее, когда самую базу объясняет человек, а вот уже детали можно и у ChatGPT выяснить. По крайней мере это помогает сэкономить кучу времени на старте, чтобы сразу поставить в разговоре с LLM нужные рамки. Поэтому родилась мысль пособирать идеи небольших проектов, которые разные люди хотели бы сделать, но не понимают как. Сгруппировать их по темам и устроить воркшоп или несколько с разбором базовых вещей, которые нужно знать про разработку программных продуктов (так звучит как-то посерьёзнее, чем "IT-проектиков"), чтобы пойти реализовывать свой проект с ChatGPT.

Если у вас есть идеи проектов, которыми вы готовы поделиться, пишите в комментах или закидывайте в личку. И го обсуждать)

Уже в субботу 05.10, в 10:00, будет первый прямой эфир с разбором:

aamik поделится, как почти год вынашивал идею, а потом за месяц написал код телеграм-бота с помощью GPT, и за этот продукт уже можно брать деньги;

dmgritsan расскажет про тех. базу в создании такого продукта и как вам не надо становится прогером, а продукт всё равно случится.

Полезно всем менеджерам, предпринимателям и если у вас давно есть зудящие идеи, но страшно приступать к созданию — это шанс зарядиться и наконец-то запилить крутую штуку 🚀

В конце ответим на вопросы и подскажем, можно ли вашу идею реализовать с GPT за вменяемое время, если вы пока не дружите с питоном и прочим зоопарком.

Ссылка на созвон
Добавить в календарь

Меньше чем за неделю мы не только провели первый эфир, на котором поделились тем, как через год наших еженедельных созвонов с aamik, он силами ChatGPT написал и задеплоил бота для телеграма, но и попробовали провести свой первый AI-разгон с одним из слушателей. Рзагоняли почти два часа и, если честно, пока не начали подводить итоги, было ощущение полного провала. Но зато потом смогли сформулировать то, что с большой вероятностью станет первым шагом нашего фреймворка по анализу проекта на реализуемость силами AI.

Важная часть ответа на вопрос — а смогу ли я это сделать с помощью AI заключается в конкретизации этого самого вопроса. А что именно ЭТО? И один из довольно неплохих способов уточнить этот вопрос, это определить, а какая команда нужна была бы, если бы это делали люди. И дальше уже по каждой человеческой роли можно отдельно посмотреть — какую часть работы и с каким качеством мы сможем закрыть на текущем уровне развития AI.

И хоть мы и выложили уже видео сегодняшнего разговора в YouTube, смотреть его я точно не рекомендую. А если тема интересна и интересно не только моё мнение по ней, то лучше подписаться на канал Устрой деплой, где мы обязательно напишем свои выводы. А ещё можно вступить в его чатик. Там не только комменты к постам, но и самые разные люди делятся своими успехами в работе с AI-инструментами. И это очень поддерживает)

Кстати, после того, как Лёша показал мне, как работает Cursor, я проникся и перестал писать код в чатах с ChatGPT и начал пользоваться им. Продуктивность работы с кодом резко возросла, так как у него есть контекст. А когда он предлагает исправить какой-то кусок кода, он его умеет подсвечивать как дифф в гите — такие строчки добавились, такие удалились. Никакой больше рандомной переделки всего подряд по ошибке. А в остальном это просто кастомная сборка VS Code, что для меня является огромным плюсом.

А ещё вчера нашёл статью о том, что вам больше не нужны фронтендеры, если у вас есть Cursor. Верится с трудом, конечно, но когда мне понадобится реализовать какой-нибудь небольшой фронт, попробую воспользоваться советами из нее. Тем более, что там прям пошаговая инструкция есть. Примерно такая, которую хочется на собвственном опыте написать про какой-то другой класс задач с бекендами на AWS. Вот думаю, попробовать упороться дальше в ТГ-ботах или скомпилировать свой обширный финтех-опыт, включающий AI-кодинг всяких странных сценариев поверх страйпа.

Пропал отсюда на три недели, но не переставал искать способы делать разные MVP силами AI-помощников 🤖. В очередной раз понял, что те области, в которых у меня есть навык разворачивания микро-решений в AWS, отлично подходят для экспериментов — телеграм-боты и парсеры. И там, и там можно обойтись без UI, т.е. нужно настроить работу только бекенда.

Lambda-функции, SQS-очереди, S3-хранилища и базы данных DynamoDB в каком-то смысле заменяют модные микросервисные архитектуры. Но и проблемы с ними те же, что и с микросервисами — нужно описать и формализовать все взаимодействия, а лучше ещё и покрыть их тестами 🛠. Без этого никакой MVP до продакшна не доедет.

В вопросе формализации взаимодействий сервисов ChatGPT мне помог, предложив несколько классных решений. Теперь будем с ним развертывать сервисы через AWS CDK и описывать их взаимодействия в Strukturizr. Правда, с последним AI-ассистенты пока справляются не идеально, но после небольшой доработки напильником человеком схемы получаются весьма информативными ✨.

А как вы храните данные о взаимодействиях между сервисами? А деплоите всякие замороченные штуки в AWS?

... а потом мне прислали ссылку на сервис bolt.new. И мне в очередной раз показалось, что всё, что я рисёрчил до этого на тему AI-помощников в разработке можно забыть. Ведь этот сервис создаёт весь проект сам. Прям вот раскладывает по файликам, пишет конфиги и предлагает задеплоить или коммитнуть в github-репозиторий. Ну вот прям то, что я хотел построить сам.

Но первый вопрос, который я себе задал, это какие у него границы применимости. Насколько я понял, его основной сценарий — это разработка чего-то, что можно развернуть в WebContainer на stackblitz, Т.е. речи про какие-то сложные бекенды идти не должно. Хотя, определить конкретно, где заканчиваются простые и начинаются сложные бекенды, непросто.

А дальше его ждало главное испытание. Я попросил его покрыть тестами код, который он только что для меня написал. Он быстро создал файлы с тетами, я их запустил и они зафейлились! Фух. Ладно. Всё было не зря. Исследуем дальше.

Посмотрел ещё раз на bolt.new и на replit agent, ссылку на который мне прислали в комментариях к предыдущему посту. И тот, и другой (и, наверняка, ещё какое-то количество аналогичных сервисов) — это инструменты для того, чтобы нагнать побольше проектов хоститься на их родительских сервисах. ChatGPT объяснил мне что они умеют:

StackBlitz более ориентирован на веб-разработку и предлагает инструменты для быстрого создания и тестирования приложений на популярных фронтенд-фреймворках.
Replit поддерживает множество языков и типов проектов, ориентирован на образовательные цели и коллаборацию, что делает его более универсальным.

Ну а так как я всё пытаюсь собрать для себя похожую автоматику, только для разворачивания AWS-hosted проектов, решил у него спросить, про границы применимости. Он мне накидал большой список типов проектов, для которых они не подойдут и резюмировал:

StackBlitz и Replit подходят для быстрого прототипирования и небольших проектов, в то время как AWS — мощная платформа для построения и масштабирования сложных приложений и распределенных систем.

А я теперь сижу с противоречивыми чувствами — вроде, я хочу как раз быстро прототипировать небольшие проекты. Но при этом меня не покидает ощущение, что StackBlitz и Replit слишком сильно ограничивают меня по тому, что в них можно сделать. И вместо того, чтобы под каждый проект подбирать свою платформу, где оно может хоститься, хочется остановиться на максимально универсальной мощной платформе. Но вот не оверкилл ли это?

Есть тут у кого-нибудь опыт разворачивания проектов на таких вот платформах для быстрого прототипирования? Я бы с удовольствием созвонился, вопросы позадавал.

Вот это подгон от Revolut Premium. И я сейчас не про то, что каждая доставка лучших суши в Пафосе теперь будет обходиться мне на 2.45€ дешевле. А про то, что жаба душила платить за Perplexity Pro 20 баксов в месяц, когда уже платишь их за ChatGPT.

Если вам было жалко 100€ в год за премиумную подписку Revolut, но вы пользуетесь AI-помощниками, то посчитайте всё ещё раз. Возможно, теперь она заиграет новыми красками. А если у вас до сих пор нет Революта, но есть возможность его оформить (в смысле, есть европейский ВНЖ), то вот вам реферальная ссылка. Не, ну мало ли.

Все вы знаете фразу "Хочешь сделать хорошо — сделай это сам". Так вот для перфекционистов я тут придумал продолжение, пока с коучем общался:

Хочешь сделать достаточно хорошо — поручи кому-нибудь.

Мне гораздо проще принять неидеальную реализацию от кого-то другого. Пока я сам буду фрустрировать и пытаться понять, как же сделать идеально, я уже десять раз успею сформулировать критерии приёмки задачи (той самой достаточно хорошей реализации) и поручить её кому-то. И он даже её сделать и исправить по моим комментам успеет пару раз.

Возможно, поэтому для меня так притягательно идея, что код должен писать не я сам, а AI. Не, ну а чего от него ждать-то. Явно ж не идеальной реализации. Мы же знаем на каком говнокоде его обучали 😂

Мы с @aamik каждую неделю

Никак не могу выработать режим, в котором я буду регулярно тратить время на эксперименты с написанием кода LLM'ками и рассказывать об этом в канале. Так что сегодня снова будет очень краткий обзор того, что удалось сделать на предыдущей неделе.

Итак, цель всё та же — production-ready разработка без написания кода руками 🤖. Подход к разворачиванию тоже сохраняется — Serverless в AWS ☁️. И вот за две недели регулярного выделения часа-двух по будням и нескольких часов в выходные, мне в Cursor IDE с помощью Claude в качестве модели удалось собрать ту схему, которая приложена к этому посту.

Причём, когда я говорю "собрать", то это прям вот deploy-ready во всех смыслах:

📝 Написать весь код для AWS Lambda;
💡Написать код для взаимодействия со внешними сервисами, включая промты для обработки запросов силами OpenAI API;
🔧 Описать класс в AWS CDK для разворачивания этого с нуля в аккаунте AWS;
⚙️ Написать скрипт для GitHub Actions, который деплоит это в dev или в prod, в зависимости от того, в какую ветку коммит;
📦 Добавить сборку AWS Lambda Layers в сборку для тех функций, которые требуют дополнительных зависимостей;
📖 Написать базовую документацию для README.md, включающую схему, нарисованную выше;
🧪 Покрыть (пока) одну из лямбд полноценными юнит-тестами с замоканными AWS-сервисами.

Для меня это огромный шаг вперёд не только в разработке с AI-помощниками, но и в разработке вообще. Если честно, я никогда не выстраивал весь конвейер с тестами и dev-развёртыванием своими руками — только руками команды. И с точки зрения качества разработки pet-проектов, которыми я иногда занимался, это огромный шаг вперёд, позволяющий выйти на принципиально другой уровень качества и возможности постепенного развития. Документация, тестовое окружение и полноценное покрытие тестами сильно помогает, когда к проекту возвращаешься эпизодически, а не постоянно имеешь весь контекст в голове 🧠.

Что мне пока не нравится? То, что много повторяющихся функций в разных лямбдах тупо скопипащено. Но, кажется, это тоже довольно просто решаемо, когда весь процесс сборки автоматизирован. Можно вынести это всё в общие модули и добавлять необходимые зависимости куда надо. Когда надо всё деплоить руками, следить за этим замучаешься 😅.

Короче, две недели не мог оторваться и тупо шёл и шёл дальше к своей мечте про production-ready разработку без собственно написания кода. Кажется, что она где-то совсем рядом 🏁.

Вот, наконец, нашёл немного времени написать об этом и спросить: а кто-то хочет больше деталей про это всё услышать и увидеть? Может, вебинарчик какой-то с live-coding в Cursor замутить, где подготовим всё вышеперечисленное для какого-нибудь сервиса и задеплоим? 🎥

P.S. Вопрос границ применимости подхода всё ещё самый мучительный 🤔. Но чем дальше, тем шире они кажутся. И тем меньше скепсиса у меня к подходу при условии, что запросы в чат Cursor пишет человек, разбирающийся в разработке 👨‍💻. Вот если не разбирающийся, тогда пока не знаю.

Кажется, эту характеристику дегустации должны отлично понимать разработчики:

Spittoon overflow

Надо так назвать сайт для виноделов, у которых вино не билдится 😅

Зачем писать что-то серьезное, если можно поделиться смешной опечаткой по Фрейду:
Вместо стейкхолдеров написал плейсхолдеров.

Подсознание не обманешь 😅

Я уже рассказывал про свои эксперименты с разворачиванием бекендов для телеграм-ботов в AWS. А сейчас решил, что вместо 1000 слов лучше одна ссылка на github. Так что ловите — https://github.com/dmgritsan/aws-serverless-tg-bot. 99% кода написал Claude в Cursor'е.

Именно как бот он пока не умеет ничего кроме команд start и help, но скоро добавлю отправку текста в ChatGPT с настраиваемым промтом. Зато как проект, он умеет деплоиться в продового и тестового бота.

Следите за issues, комментируйте, форкайте.

P.S. Если честно, я хотел написать большой пост, но вместо этого фиксил скрипт деплоя через GitHub Actions