ЗАГРУЗКА СТАТЬИ
K·ART·MAKE / ТЕХНИЧЕСКИЙ БЛОГ

Как AI помогает разрабатывать FORKEL: от идеи до работающего решения

опубликовано / ВРЕМЯ ЧТЕНИЯ 2 мин / ПРОСМОТРЫ 2

Как AI помогает в разработке FORKEL: анализ требований, проектирование, код, Docker, тестирование и документация. Практический взгляд на возможности и ограничения AI.

Artem Kuskov
АВТОР Artem Kuskov Руководитель
«Разработчик использует AI-помощника при работе над кодом проекта FORKEL»
«Разработчик использует AI-помощника при работе над кодом проекта FORKEL»

Искусственный интеллект уже стал частью повседневной разработки программного обеспечения. Но его польза не ограничивается генерацией кода. AI может помогать анализировать требования, проектировать архитектуру, исследовать технические решения, создавать прототипы, разбирать ошибки и поддерживать документацию проекта.

В разработке FORKEL мы рассматриваем AI именно как рабочий инструмент, который помогает проходить разные этапы разработки осмысленнее и быстрее. При этом конечные решения, проверка результата и ответственность за техническую реализацию остаются за человеком.

В этой статье разберём, где AI действительно полезен, какие задачи ему можно доверить и почему даже сильная модель не отменяет инженерную экспертизу.

AI в разработке — это больше, чем генерация кода

Когда говорят об AI для программистов, чаще всего представляют помощника, который получает задачу и выдаёт готовую функцию или целый модуль. Это только один из сценариев.

Разработка программного продукта включает множество задач, которые не сводятся к написанию кода: нужно понять требования, найти ограничения платформы, сравнить подходы, согласовать интерфейс, проверить поведение системы, объяснить принятые решения и сохранить знания в документации.

AI может участвовать в каждом из этих процессов. Например, он способен помочь превратить общее описание задачи в список требований, предложить несколько вариантов реализации, найти потенциальные пробелы в спецификации или объяснить причину ошибки по логам.

Однако AI не обладает автоматически полным и актуальным пониманием проекта. Если не предоставить ему контекст — структуру репозитория, действующие требования, ограничения CMS и уже принятые решения, — он может предложить решение, которое выглядит убедительно, но не подходит конкретной системе.

Поэтому результат зависит не только от модели, но и от того, как организована работа с ней.

1. Анализ требований и планирование

Работа над функциональностью начинается не с кода, а с понимания задачи.

На этом этапе AI полезен как аналитический помощник. Он может разложить большую задачу на небольшие этапы, сформулировать пользовательские сценарии, выявить неоднозначные требования и подготовить вопросы, которые нужно решить до начала реализации.

Например, фраза «сделать удобный каталог» слишком общая для разработки. Её необходимо раскрыть: какие категории будут у товаров, какие параметры доступны для фильтрации, как пользователь переходит к карточке товара и какие состояния интерфейса необходимо предусмотреть.

AI помогает структурировать такие вопросы и подготовить основу для технического задания. Но он не должен самостоятельно придумывать бизнес-правила и выдавать предположения за согласованные требования. Неизвестные детали нужно уточнять у владельца проекта.

В работе над FORKEL такой подход полезен при подготовке требований к страницам, описании компонентов интерфейса и планировании будущих возможностей магазина. Документирование решений позволяет сохранить общий контекст и уменьшить риск того, что разные этапы разработки начнут противоречить друг другу.

2. Проектирование архитектуры и выбор технологий

Следующий этап — определить, как именно будет устроено решение.

AI способен сравнивать архитектурные подходы, объяснять компромиссы, предлагать структуру модулей и обращать внимание на ограничения выбранной платформы. Это особенно полезно на ранней стадии, когда ещё можно изменить направление без дорогостоящей переделки уже написанного кода.

Но есть важный нюанс: универсальный ответ не всегда подходит конкретному проекту.

В FORKEL выбрана платформа 1С-Битрикс: Управление сайтом, редакция «Малый бизнес». При проектировании необходимо учитывать встроенные возможности CMS, её механизмы и доступные модули. Нет смысла автоматически разрабатывать собственную систему там, где задача уже решается штатными средствами платформы.

AI может помочь изучить варианты, составить список вопросов и определить, какие возможности нужно проверить. Однако перед принятием решения следует сверяться с документацией и реальным состоянием проекта.

Хорошая архитектурная работа с AI — это не просьба «придумай всю систему», а последовательное исследование конкретной задачи с учётом ограничений, существующего кода и уже принятых решений.

3. Дизайн и прототипирование

AI полезен не только разработчикам backend. Он также помогает работать с интерфейсом и пользовательскими сценариями.

На этом этапе можно использовать его для анализа структуры страниц, составления перечня блоков, поиска несогласованностей в требованиях, подготовки дизайн-спецификаций и проверки того, какие состояния должны быть предусмотрены для компонентов.

В рамках FORKEL прорабатывались структура страниц и направления дизайна, а также создавались прототипы. AI может ускорять переход от общего описания к конкретной структуре интерфейса и помогать последовательно уточнять решения на основе обратной связи.

При этом прототип нельзя путать с готовой функциональностью. Кнопка в макете ещё не означает, что за ней работает серверная логика. Визуально завершённая карточка товара не гарантирует, что цена поступает из базы данных, остатки актуальны, а добавление в корзину реализовано.

Поэтому результат работы с AI необходимо проверять и с точки зрения интерфейса, и с точки зрения фактического поведения системы.

4. Написание и доработка кода

Генерация кода — один из наиболее очевидных сценариев использования AI.

Помощник может подготовить черновик функции, объяснить незнакомый фрагмент, предложить рефакторинг, написать тестовый пример или помочь адаптировать решение под существующий код. Это позволяет быстрее переходить от идеи к проверяемому варианту реализации.

Но сгенерированный код нельзя считать правильным только потому, что он выглядит профессионально. Он может содержать ошибки, не учитывать особенности платформы, нарушать существующие соглашения проекта или дублировать уже реализованную функциональность.

Для FORKEL особенно важно учитывать архитектуру 1С-Битрикс и фактическую структуру репозитория. Перед изменениями необходимо изучать существующие файлы, искать уже реализованные механизмы и проверять, не создаётся ли параллельная система там, где достаточно использовать возможности CMS.

Практический подход выглядит так:

  1. Определить задачу и ожидаемый результат.
  2. Передать AI необходимый контекст и ограничения.
  3. Получить предложение или черновую реализацию.
  4. Проверить решение на соответствие архитектуре и требованиям.
  5. Запустить доступные проверки и протестировать поведение.
  6. Зафиксировать подтверждённый результат и необходимые изменения в документации.

Таким образом, AI сокращает часть рутинной работы, но не устраняет необходимость понимать код и отвечать за его качество.

«Разработчик проверяет код и анализирует ошибки с помощью AI»
«Разработчик проверяет код и анализирует ошибки с помощью AI»

5. Настройка окружения и поиск ошибок

Отдельное направление — инфраструктура и диагностика проблем.

AI может помочь разобраться в конфигурациях Docker, PHP и Nginx, объяснить назначение параметров, сопоставить сообщения об ошибках и предложить последовательность проверок. Вместо хаотичного изменения настроек разработчик получает план диагностики, который можно проверять шаг за шагом.

При подготовке локального backend-окружения FORKEL использовались конфигурационные файлы Docker Compose, настройки PHP и Nginx, а также документация по запуску. В таких задачах AI полезен как помощник, который объясняет взаимосвязи между компонентами и помогает систематизировать поиск причин неполадок.

Однако здесь особенно важна проверка гипотез. Лог может указывать на симптом, но не обязательно раскрывает первопричину. Предложенная настройка может устранить один эффект и одновременно создать другой.

Поэтому корректный процесс диагностики — это анализ логов, формулировка гипотез, проверка одной причины за раз и повторное тестирование после изменения конфигурации.

AI ускоряет поиск направления, но подтверждением исправления служит работающая система и результаты проверок, а не уверенное объяснение модели.

6. Тестирование и контроль качества

AI может помогать составлять тестовые сценарии, искать граничные случаи, предлагать проверки для форм и пользовательских сценариев, а также анализировать результаты уже выполненных тестов.

Например, при разработке будущей корзины недостаточно проверить только успешное добавление товара. Нужно учитывать пустое состояние, изменение количества, ошибки получения данных, повторные действия пользователя и поведение при недоступности сервера.

Аналогично для форм следует проверять обязательные поля, некорректные значения, сообщения об ошибках и доступность управления с клавиатуры.

Для FORKEL эти возможности будут особенно актуальны по мере реализации каталога и коммерческих сценариев. Пока соответствующая функциональность не реализована, такие примеры описывают направление будущей работы, а не уже пройденное тестирование магазина.

Важно помнить, что AI может предложить тесты, но сам по себе список тестовых сценариев не подтверждает качество продукта. Необходимо выполнять проверки, анализировать результаты и исправлять обнаруженные проблемы.

7. Документация и сохранение контекста

Ещё одна важная задача — поддержание документации в актуальном состоянии.

В процессе разработки решения меняются: уточняются требования, пересматриваются компоненты, выбираются новые способы реализации. Если эти изменения нигде не фиксировать, через некоторое время команде становится сложно понять, почему система устроена именно так.

AI может помогать оформлять технические решения, структурировать заметки, составлять инструкции по запуску, сравнивать требования с реализацией и находить потенциальные противоречия между документами.

В FORKEL документация важна и для последовательной разработки, и для работы с AI: актуальные документы позволяют передавать контекст между задачами и не возвращаться каждый раз к исходным обсуждениям.

При этом нельзя позволять AI бесконтрольно создавать новые документы и параллельные структуры. Перед подготовкой очередного материала следует проверить существующие файлы, принятые правила и текущую документацию проекта.

Документировать нужно не только намерения, но и фактическое состояние: что согласовано, что реализовано, что проверено и какие вопросы остаются открытыми.

8. Где заканчиваются возможности AI

Несмотря на широкий набор сценариев, AI не является автономным гарантом качества.

Он может ошибаться в технических деталях, использовать устаревшие сведения, неверно интерпретировать требования и предлагать избыточные решения. Иногда проблема возникает не в самой модели, а в недостатке контекста или неточной постановке задачи.

Поэтому в реальном проекте необходимо соблюдать несколько правил:

  • Проверять факты. Технические решения сверять с документацией платформы и актуальным кодом.
  • Не передавать секреты. Не включать в запросы пароли, токены, приватные ключи и другие чувствительные данные.
  • Сохранять архитектурную целостность. Не внедрять новое решение без проверки существующих механизмов.
  • Проверять результат. Использовать тесты, логи, сборку и другие доступные средства контроля.
  • Разделять факты и предположения. Не считать предложенную моделью реализацию выполненной работой.
  • Оставлять решения человеку. Ответственность за архитектуру, безопасность и качество продукта должна быть определена явно.

AI лучше всего работает там, где есть чёткая задача, достаточный контекст и возможность объективно проверить результат.

Что это означает для FORKEL

На текущем этапе FORKEL проходит раннюю стадию разработки: прорабатывается интерфейс, подготавливается backend-окружение и формируется техническая основа проекта.

В этой работе AI полезен не как волшебная кнопка, создающая интернет-магазин целиком, а как помощник на разных этапах: при анализе требований, проектировании, подготовке прототипов, исследовании возможностей платформы, работе с конфигурациями и ведении документации.

По мере развития проекта будут появляться новые сценарии применения — например, при реализации каталога, проверке пользовательских сценариев и подготовке интеграций. Их эффективность можно будет оценивать по фактическим результатам, а не только по количеству сгенерированного кода.

Главный вывод прост: AI ускоряет разработку не потому, что отменяет инженерную работу, а потому, что помогает выполнять её более системно. Он может сократить время на исследование, черновую реализацию и документацию, но качественный продукт по-прежнему требует точных требований, понимания архитектуры, проверок и ответственных технических решений.

Именно такой подход мы считаем наиболее полезным для развития FORKEL: использовать AI там, где он даёт измеримую пользу, проверять его предложения и фиксировать реальный прогресс проекта.

Следить за развитием FORKEL и другими материалами о разработке можно в блоге KARTEMAKE: https://kartemake.ru/blog/.

KARTEMAKE — компания-разработчик: https://kartemake.ru/.

текущая конфигурация

0

₽ 0 услуг выбрано
настройка завершена
0 ₽