Сборка по этапам: сначала рабочее ядро, проверка каждого шага, работа на виду
ИИ-агент собирает приложение за один проход. Он получает план, большое контекстное окно и набор инструментов — и работает, пока сам не решит, что закончил: пишет файлы, выполняет SQL, подключает роутеры и проверяет результат в самом конце.
Для небольшого приложения один проход — именно то, что нужно. Для амбициозного — LMS, маркетплейса, системы управления проектами — у одного длинного однородного прохода есть три свойства, которые не масштабируются:
- Он непрозрачен. По спиннеру не отличить здоровую пятнадцатиминутную сборку от зависшей. Докладывать о вехах нечего: у такого запуска их нет.
- Он работает по принципу «всё или ничего». Сбой на трёх четвертях пути не оставляет ничего, что можно открыть, — не приложение поменьше, а пустоту.
- На длинной дистанции он дрейфует. Большее контекстное окно в основном улучшает извлечение — модель видит больше кодовой базы, — а не горизонт исполнения, то есть число верных шагов, которые она способна выстроить в цепочку, прежде чем потеряет нить. Если проверка отложена до конца, ничто не ловит дрейф, пока его ещё дёшево исправить.
Надёжный ответ — не окно побольше: такая ставка целиком держится на том, что горизонт исполнения никогда не просядет. Надёжный ответ — изменить само устройство работы: сузить сборку до рабочего ядра, проверять каждый шаг, как только он сделан, и рассказывать о ходе запуска, чтобы он оставался понятным. Три идеи — по разделу на каждую.
Сужение: рабочее ядро, затем отслеживаемый бэклог
Когда запрос большой, планировщик не пытается уместить его целиком в одну сборку. Он проектирует ядро v1 — минимальную версию, которой реально можно пользоваться, — а всё остальное записывает в структурированный бэклог deferredStages, привязанный к плану, а не свободным текстом, который потом забудется.
Это даёт два эффекта: немедленный и структурный.
Немедленный эффект — тот, что вы видите: превью, которое можно открыть, прокликать и использовать уже через несколько минут, вместо одной огромной сборки, которая ничего не стоит, пока не завершится целиком. Благодаря бэклогу, как только ваша v1 заработает, приложение предлагает собрать следующий этап — он виден на странице плана как Upcoming stages и под чатом как предстоящие фазы. Скажите «да» или назовите этап в чате (в вебе или в Telegram) — и этап будет собран поверх того, что у вас уже есть.
Структурный эффект тоньше, и он бьёт прямо в проблему длинного горизонта. Ядро v1 — это более короткий план, а более короткий план — это более короткий горизонт исполнения: у агента меньше дистанции для дрейфа до того, как появится работающий, проверяемый результат. Сужение — не просто удобство для пользователя, а самый дешёвый способ удержать запуск в диапазоне, где модель не теряет связности. Ставка на более узкий объём надёжнее, чем ставка на больший контекст.
Расширять приложение по этапам безопасно, потому что каждая версия — реальная точка, к которой можно вернуться. Каждая генерация коммитится в git-историю проекта функцией commitGeneration, а база данных каждого проекта — это таймлайн с копированием при записи, так что «ваше приложение после v1» — надёжно сохранённый снимок и кода, и данных. Сборка следующего этапа — не изменение на месте, которое нельзя отменить, а шаг вперёд от версии, к которой всегда можно вернуться.
Проверка: «готово» нужно заработать на каждом шаге
Более узкий объём помогает, только если каждый шаг действительно проверяется; иначе дрейф просто наступит раньше. Поэтому проверка не ждёт конца сборки — она выполняется на каждом шаге, на работающей системе.
Каждый проект рождается тестируемым. Шаблоны скаффолда поставляются с уже настроенным тест-раннером и браузероподобным окружением — vitest, jsdom, @testing-library, — встроенными в базовый образ. Тесты можно писать и запускать с первого шага, внутри настоящего пода приложения, а не в симуляции.
По ходу сборки каждую подзадачу оценивает verify-pipeline.js из блока верификации — до того, как её можно отметить выполненной. Он прогоняет стек объективных слоёв — проверки типов и импортов, сгенерированные flow-тесты на живой базе данных, headless-просмотр страницы и другие, — но основную работу делают два, и оба работают с развёрнутым приложением, а не с моком:
- Контрактная проверка обращается к живому приложению. Когда подзадача добавляет API-маршрут,
contract-tests.jsвызывает работающий под через его собственный dev-сервер (процедуры tRPC достижимы через прокси Vite на порту 3000): отвечают ли объявленные процедуры без ответов 500 и ошибок Zod, и существуют ли таблицы, от которых они зависят? Если план требовал процедуру, а её на самом деле нет, проверка падает — объективно, а не по мнению LLM. - Собственные тесты приложения запускаются в поде.
project-tests.jsпрогоняет наборvitestпроекта внутри контейнера, и подзадача, которая создаёт роутер, не может получить статус «готово» без проходящего теста, который его покрывает, — своего или flow-теста, который платформа генерирует для живой базы данных.
Продюсер также запускает эти проверки сам, через run_acceptance_check, прежде чем объявить подзадачу завершённой, — так что гейт на границе не становится сюрпризом: это та же объективная планка, на которую агент ориентируется всё время. Статус «passing» зарабатывается проверкой, которая действительно выполнилась, а не тем, что файл появился на диске. В этом различии вся суть: разрыв между «код есть» и «код работает» — это разрыв между демо и продуктом.
Поскольку тесты приложения накапливаются по мере его роста, каждый шаг ещё и перезапускает весь набор и сравнивает падения с базовой линией, снятой в начале запуска: тест, который раньше проходил, а теперь падает, заново открывает шаг, который его сломал. Добавление этапа не может незаметно сломать то, что предыдущий этап уже сделал правильно. Перед продакшном стоит ещё один объективный гейт — checkDeployReadiness отклоняет релиз, если его шаги падают или в большинстве не проверены либо если dev-версия приложения не отвечает, — и ни один из этих вердиктов не выносит модель, оценивающая собственную работу.
Рассказ: сборка отчитывается по ходу работы
Сборке с реальными, проверяемыми шагами есть что правдиво сказать о себе, поэтому запуск транслируется, а не скрывается. Каждая фаза отправляет типизированные события в поток активности (blocks/events/adapters/activity.js): по Server-Sent Events в веб-приложение и дальше в Telegram. События сгруппированы по фазам, которые вы видите во время работы:
- Планирование — анализ вашей идеи, составление списка функций, составление плана сборки. Это реальные шаги планировщика, которые транслируются по мере составления плана.
- Сборка — о работе сообщается по мере её выполнения; записи файлов и запуски SQL группируются под активным шагом со счётчиком.
- Завершение — проверка сборки, деплой, запуск всего окружения. Фаза финализации — это последовательность реальных операций: проверка релиза и запуск приложения, — поэтому она рассказывает о каждой, а не замолкает.
Одна мелочь важнее, чем кажется. Индикатор «печатает…» в Telegram гаснет примерно через пять секунд, а составление плана для настоящего приложения занимает от одной до трёх минут. Поэтому во время долгого ответа бот повторно отправляет сигнал с коротким интервалом и один раз присылает короткое сообщение «всё ещё работаю» (blocks/channels/application/telegram/bot.js) — намеренный keepalive, благодаря которому медленный ответ не выглядит зависанием. Смысл всего этого слоя не в прогресс-баре, а в том, что каждая строка соответствует тому, что действительно произошло.
Что это вам даёт
- Рабочее приложение — быстро. Амбициозный запрос возвращается как работающее ядро плюс отслеживаемый бэклог, а не как одна большая ставка, исход которой станет ясен только в конце, — всегда есть что открыть.
- Версии, к которым можно вернуться. Каждая генерация — git-коммит на ветке базы данных с копированием при записи, так что расширение приложения идёт вперёд от снимка, к которому можно откатиться, — код и данные вместе.
- Проверено, а не заявлено. Объективные проверки выполняются на каждом шаге, весь набор тестов охраняет предыдущие этапы, а перед продакшном стоит проверка готовности; «готово» значит, что прошли контрактная проверка и собственные тесты приложения, а не что был записан файл.
- Понятный запуск. Сборка транслирует свои реальные фазы, так что за многоминутным запуском агента можно наблюдать, а не просто ждать.
- Независимость от модели заложена в архитектуру. Ничто здесь не зависит от того, улучшится ли горизонт исполнения. Более сильная модель просто делает больше в тех же строгих рамках — узкий объём, проверенные шаги, — так что одна регрессия модели никогда не обернётся тихим, непроверенным дрейфом.
Общая картина
Перестаньте думать о сборке как о едином акте веры, который либо сработает, либо нет, и начните думать о ней как о последовательности суженных, проверенных и прозрачных шагов. Сужение превращает амбициозный запрос в рабочее ядро с более коротким горизонтом; объективная проверка превращает «агент сказал, что готово» в «работающее приложение прошло проверки»; рассказ превращает непрозрачное ожидание в понятный запуск. Сборка всегда выполняла эту работу — изменилось то, что теперь она ограничена, проверена и видна по ходу дела.