LLM-прототип — путь к знаниям 🧠
LLM не заменяет обучение, но может сильно ускорить его, если правильно встроить ее в рабочий процесс. В этом видео я рассказываю, как взял новый для себя TUI-фреймворк, сначала дал AI слишком много свободы, столкнулся с проблемами архитектуры, тестов и UX, а потом перезапустил разработку уже с другим подходом: через изолированные компоненты, snapshot-тесты и автоматизированную приемку. На примере терминального задачника в стиле Things 3 показываю, как AI помог не просто написать код, а быстрее понять систему, найти слабые места и улучшить процесс разработки. Что внутри: - почему первая попытка с AI начала разваливаться; - как snapshot-тесты стали способом ставить задачи для LLM; - зачем проектировать компоненты изолированно; - что такое focus, viewport и почему TUI иногда “прыгают”; - как flaky-тесты, async update и shutdown всплыли уже на зрелом проекте; - какие выводы из этого подхода можно перенести в другие проекты. Код проекта доступен на моем GitHub. Подписывайтесь, ставьте звездочки, читайте и экспериментируйте сами. Подписывайтесь на канал и на ссылке ниже, там обсуждают правду: - Telegram Channel: https://t.me/kydavoiti - Telegram Chat: https://t.me/kydavoitichat - VK: https://vk.com/kydavoiti - GitHub: https://github.com/IlyasYOY Главы: 00:00:00 О чем видео? 00:00:43 Что я сделал? 00:01:19 Формулируем задачу 00:02:40 Чего не будет в видео? 00:03:35 Первая попытка: полный vibe 00:07:19 Проблемы, что я решал во второй итерации 00:10:50 Вторая итерация 00:26:00 Выводы
LLM не заменяет обучение, но может сильно ускорить его, если правильно встроить ее в рабочий процесс. В этом видео я рассказываю, как взял новый для себя TUI-фреймворк, сначала дал AI слишком много свободы, столкнулся с проблемами архитектуры, тестов и UX, а потом перезапустил разработку уже с другим подходом: через изолированные компоненты, snapshot-тесты и автоматизированную приемку. На примере терминального задачника в стиле Things 3 показываю, как AI помог не просто написать код, а быстрее понять систему, найти слабые места и улучшить процесс разработки. Что внутри: - почему первая попытка с AI начала разваливаться; - как snapshot-тесты стали способом ставить задачи для LLM; - зачем проектировать компоненты изолированно; - что такое focus, viewport и почему TUI иногда “прыгают”; - как flaky-тесты, async update и shutdown всплыли уже на зрелом проекте; - какие выводы из этого подхода можно перенести в другие проекты. Код проекта доступен на моем GitHub. Подписывайтесь, ставьте звездочки, читайте и экспериментируйте сами. Подписывайтесь на канал и на ссылке ниже, там обсуждают правду: - Telegram Channel: https://t.me/kydavoiti - Telegram Chat: https://t.me/kydavoitichat - VK: https://vk.com/kydavoiti - GitHub: https://github.com/IlyasYOY Главы: 00:00:00 О чем видео? 00:00:43 Что я сделал? 00:01:19 Формулируем задачу 00:02:40 Чего не будет в видео? 00:03:35 Первая попытка: полный vibe 00:07:19 Проблемы, что я решал во второй итерации 00:10:50 Вторая итерация 00:26:00 Выводы