Я — не программист. В команде TATSY.PRO есть только один профессиональный разработчик, и он занят самыми сложными задачами — архитектурой, интеграциями, безопасностью. Всё остальное: проверка идей, создание работающих прототипов, автоматизация текущих процессов — теперь делаем мы сами, без знаний кодинга.
За несколько месяцев такого режима у нас сложилось видение того, как кодить без кодеров. Хочу поделиться этими базовыми принципами — максимально простыми словами, чтобы сразу стало ясно: «это моё» или «можно даже не тратить время».
После 200+ часов веб-кодинга я могу собрать телеграм-бота с ИИ на борту, рабочий MVP или автоматизацию самостоятельно за часы или дни. Плюс, стало проще общаться с профессиональными разработчиками — многие детали теперь реально понимаешь на практике.
Но мой первый чат-бот с ИИ занял три недели разработки.
Мы не отказались полностью от no-code решений. Для внутренних задач, где не требуется высокая скорость, надёжность 24/7 и нагрузка, часто проще и быстрее собрать продукт на n8n — это удобно для автоматизации простых процессов и тестирования идей внутри команды.
Но если задача — испытать продукт в реальных условиях, где есть сложные алгоритмы, множество команд и циклов, или проект должен выдерживать серьёзные нагрузки, no-code быстро упирается в потолок по производительности. В таких случаях разумнее сразу идти через вайб-кодинг: так быстрее выйти на рабочий прототип и понять реальные ограничения.
Начинать рекомендую с Replit — максимально просто, сразу видно результат. Просто напиши своей нейронке, что хочешь поднять проект на Replit. И дальше следуй указаниям.
Повторяю цикл «описал задачу → получил код → протестировал и доработал», пока результат не устроит. Чем подробнее расскажешь, что именно нужно — тем лучше будет итог.
Чем проще и понятнее я строю диалог — тем быстрее получится нужный результат.
Когда мы только начинали вайб ходить, петля ошибок была самой большой проблемой. Сейчас такое почти не случается благодаря двум лайфхакам:
сразу просим ИИ проверить актуальность используемых библиотек и команд («Проверь, что всё подходит на текущую дату»).
Не помогло — задаем тот же вопрос другой нейросети (например, Deepseek или Gemini). Иногда новый ИИ выдаёт более точное решение.
Выяснил на практике: главное — максимально подробно описывать задачу, давать весь контекст (Big picture) и не бояться корректировать промпт по ходу дела.