Product Radar
Привет, Радар! Я UX/UI-дизайнер, 12+ лет в IT. Работаю в Figma и Webflow, запускаю продукты в роли заказчика вместе с разработчиками. Код понимаю примерно на уровне «слышал звон» — писать сам никогда не пробовал.
Три месяца мне потребовалось, чтобы довести свой продукт с нуля до релиза в одиночку. Без найма команды, без поиска разработчиков, без лишних итераций. Инвестировал только своё время и небольшое количество денег. По оценке нейросети, традиционный путь — с командой специалистов — занял бы 13 месяцев и обошёлся бы примерно в 16 миллионов рублей. У меня ушло три месяца и около 900 тысяч, большую часть из которых составляет моя собственная ставка как дизайнера.
Мы на Product Radar:
KeyRay
Продукт недели #3
Наконец-то нормальный аналог Punto Switcher для Mac, Windows и Linux для автосмены языка клавиатуры
Нейросети радикально снизили порог входа в разработку. Теперь не нужно знать Swift, чтобы написать приложение на Swift. Достаточно уметь думать логически и чётко формулировать задачи. Ниже — мой опыт, как это работает на практике.
Откуда взялась идея
Начинал я с простого: просил ИИ написать мелкие скрипты для сайтов. Задачи постепенно усложнялись, и в какой-то момент я попробовал с помощью нейросети разобраться с ошибками в одном из своих старых проектов. Выяснилось, что код, написанный живыми специалистами, тоже не без греха. Честно говоря, это немного приободрило.
Идея не заставила себя долго ждать. Все мы сталкивались с проблемой, когда начинаешь печатать и через несколько слов понимаешь, что набирал не в той раскладке. Punto Switcher, который нормально работает на Windows, на Mac ведёт себя совсем плохо, а его аналоги и того хуже. Так было принято решение сделать “простой” инструмент для автоподмены вводимых символов для моего макбука.
В итоге вырос полноценный продукт — Key Ray. Приложение само распознаёт язык ввода и меняет раскладку без вашего участия. Уже набранное слово можно переключить горячей клавишей, настроить автозамену символов (например, >> всегда превращается в →), переводить выделенный текст прямо по месту и обрабатывать его через OpenAI по своим инструкциям — с отдельной горячей клавишей для каждой функции. Всё это на нативных языках Swift (MacOS) и С++ (Windows/Linux) – языках, которые я до этого проекта видел впервые в жизни.
С чего начинал: среда разработки и первые шаги
Из нескольких инструментов я остановился на Cursor. Большинство альтернатив — это просто чат в правой панели редактора. Cursor работает иначе: ИИ интегрирован на уровне всей ID, что банально удобнее в мелочах.
Был опыт и с Replit, где пользователю нужно только присылать промпты, а платформа берёт на себя среду, деплой и компиляцию. На практике многое не работало, но главная проблема в том, что такая схема полностью привязывает тебя к их экосистеме. В Cursor за пару лишних вечеров настраиваешь собственную инфраструктуру и получаешь кодовую базу, которой владеешь сам. В дальнейшем ее можно передать команде, когда проект вырастет из MVP.
Самое важное, что я понял в процессе: не пытайтесь описать весь продукт сразу. С большим размытым ТЗ нейросеть уходит в такие дебри, что разобраться потом почти нереально, особенно если ты не разработчик. Рабочая стратегия выглядит иначе: берёшь одну ключевую функцию, вокруг которой будет строиться продукт, и начинаешь наращивать вокруг этого ядра маленькими итерациями все остальное. Мелкие шаги уже можно легко проверить и дать нейросети обратную связь. В моём случае первой функцией был алгоритм накопления вводимого текста до пробела с возможностью замены раскладки по горячей клавише.
По мере роста проекта кодовая база сама становится контекстом для ИИ, что позволяет создавать более объемные планы и промпты. Чем больше кода написано, тем точнее нейросеть понимает, в каких рамках действовать, и тем крупнее задачи она становится способной выполнять без критических сбоев.
Бэкенд — сила. Фронтенд — слабость
Это разграничение я бы назвал главным практическим выводом из проекта. Нейросети отлично пишут серверную логику, интегрируют API, настраивают автоматический деплой, пишут тесты. С интерфейсом — иначе. Фронтенд — уязвимое место ИИ-разработки, и причина очевидна: нейросети трудно объяснить, ваше “дизайнерское” видение.
Понимая проблему, я намеренно оттягивал разработку интерфейса до финальной стадии реализации. На первых этапах приложение запускалось командой из терминала, а из пользовательского интерфейса имело только стандартное выпадающее меню macOS с кнопкой «Выйти». Функциональная логика была готова задолго до того, как появилась первая визуальная оболочка.
Когда дело дошло до UI, я выбрал SwiftUI — готовый фреймворк с нативной стилизацией под macOS. SwiftUI снял с нейросети задачу придумывать стиль и позволил сосредоточиться только на структуре и связке с уже готовой логикой. Если нужен уникальный дизайн — готовьтесь к тому, что без MCP Figma не обойтись. Если делаете для веба – адаптация под мобильные станет для вас той еще задачкой. Мой рецепт: готовый фреймворк, сначала вся функциональность, потом точечная доводка интерфейса.
Какие модели использовал
Порядка 80% приложения написано на Claude Sonnet. Отлично следует инструкциям, умеет качественно работать с MCP-серверами, вносит точечные изменения без лишней самодеятельности. Когда лимиты заканчивались, пробовал GPT-5, Gemini, Grok.
GPT-5 неплохая, но заметно ленивее: склонна пропускать части инструкций, и там где Claude обходится пятью строками кода, GPT-5 напишет пятнадцать. Gemini 1.5 запомнилась своей эмоциональностью — только от неё я слышал что-то вроде «Сил моих больше нет…» в момент, когда не справлялась с задачей. Забавно, но по делу выдаёт примерно 75% от того, что может Claude. Стоит отметить, что с выходом Gemini 3.1 Pro ситуация сильно улучшилась и нейронка стала способна зреть в корень проблемы, но по прежнему склонна отходить от заданных инструкций. Ей я пользуюсь как резервной или при необходимости взглянуть на проблему под другим углом. Grok практически не нашёл применения.
Если коротко про субъективный рейтинг: Claude пока сильно впереди именно по точности следования инструкциям и работе в контексте реального проекта. Остальные более-менее справляются с демонстрационными задачами, но когда нужно реализовать конкретное видение — начинают уступать.
Промптинг: как я научился разговаривать с нейросетью
Промптинг потребовал много внимания и дал наибольшую отдачу. Когда готова базовая документация по проекту, первый шаг — попросить нейросеть сгенерировать файл инструкций для разработки на вашем стеке, с оговоркой «в соответствии с лучшими практиками». Не рассчитывайте получить хороший промпт с первого раза. Практическая ценность появляется через пару-тройку циклов доработки.
Цикл выглядит так: начинаете разработку с исходным промптом → сталкиваетесь с первыми ошибками → добиваетесь исправления → просите ИИ проанализировать, какие проблемы видны, и предложить, как улучшить основной промпт, чтобы ошибки не повторялись. Затем используете улучшенный промпт в следующей задаче. Постепенно вы придете к такому набору инструкций, при котором один и тот же тип задачи решается за 2–4 итерации вместо десяти.
Принцип, который я бы назвал ключевым: сначала анализ, потом — код. Я взял за правило первым сообщением давать задачу и просить провести анализ, не трогая код. И только следующим сообщением просить — «реализуй». Это дает нейросети возможность подумать прежде чем рваться в бой и как следствие ошибаться реже. Соблюдение правила критично при баг-фиксах: если сразу просить «почини это», нейросеть способна нашить новую заплатку поверх старой, плодя мусорный код вместо того, чтобы найти корень проблемы.
Отдельно стоит сказать про алгоритмы. Нейросети лучше воспринимают не описание желаемого результата, а пошаговый алгоритм того, как нужный результат достигается. Вместо «сделай автоподмену неправильно введенного слова» я писал нечто вроде:
- Пользователь начинает печатать в неправильной раскладке.
- Система анализирует каждый введенный символ как префикс по словарям.
- Как только префикс становится однозначно определяемым в нужной раскладке, введенный токен заменяется.
- После успешной замены происходит переключение раскладки клавиатуры».
Чем точнее алгоритм, тем меньше пространства для неверной интерпретации.
И последнее по списку, но не по важности: логи. Прежде чем приступать к разработке чего бы то ни было, настройте вывод логов в консоль. Логи — ваш инструмент обратной связи. Схема работает так: тестируете функцию → копируете логи в чат → объясняете, что работает не так → просите провести анализ причин без написания кода → если анализ верный, просите исправить. Этот цикл позволяет решать задачи точечно, не превращая кодовую базу в лоскутное одеяло.
Также хорошо работает подход “пишу из будущего”, когда функционал реализован с ошибками, вы можете откатить историю изменений в Cursor и скинуть в предыдущие сообщения ваши свежие логи. Для ИИ это будет выглядеть как логи по еще не реализованной функциональности. Данный трюк поможет агенту скорректировать план и не захламлять основной чат итерациями.
Монетизация, сайт и все, что вокруг
Функционал готов, встал вопрос монетизации. Серверную часть — генерацию и проверку лицензионных ключей — собрал на PHP + MySQL с интеграцией YooKassa. Серверную логику реализовал без проблем – нейронка умеет тестировать её самостоятельно. Моя задача была просто объяснять, что и как должно работать.
Стоит учесть заранее такой момент: не торопитесь делать MVP с одним тарифом, чтобы потом пристёгивать остальные. Я поступил иначе — сначала разработал и протестировал все виды лицензионных ключей с разным ограничением функциональности, и только потом интегрировал платёжный шлюз. В итоге у ассистента был полный контекст всех точек интеграции, и оплату удалось протестировать сразу целиком, не возвращаясь к этому снова.
Для рассылки лицензионных ключей выбрал Brevo — 300 писем в день бесплатно, API-интеграция, в России заблокирован, но регистрация работает через казахстанский аккаунт, коды подтверждения приходят на российские номера без проблем.
Два сервиса, которые непосредственно встроены в приложение — OpenAI и DeepL — в России тоже заблокированы. Решение нашлось через перенаправление запроса через сервер-прослойку за рубежом. Настройку маршрутизации выполнил ассистент.
Дизайн сайта сделан в Figma за пару вечеров, сайт сверстан в Webflow. Связь с бэкендом сделал через кастомные скрипты: тот же принцип, что и с плагинами Finsweet, только скрипты писал ИИ по моим описаниям нужного поведения. Суть в том, что написанный скрипт узнает кастомные атрибуты вида price=”monthly” в коде и применяет к этим элементам нужные вам изменения. Например: передает месячную стоимость с сервера в текстовый блок.
И отдельно — момент, о котором я не подозревал в начале: чтобы публиковать приложение для Mac, нужна подпись Apple, а для этого нужно вступить в Apple Developer Program за $99 в год. Удивительно, но удалось оплатить через Билайн без зарубежных карт.
Цифры: во сколько это обошлось
По окончании проекта я попросил нейросеть проанализировать кодовую базу и оценить, во сколько обошлась бы та же разработка с командой специалистов.
Состав команды в оценке: Swift-разработчики (2), бэкенд (2), DevOps, QA (2), Tech Lead, UI/UX-дизайнер, проджект-менеджер. Уровень Middle/Senior, зарплаты среднерыночные без Москвы и Петербурга, некоторые роли с частичной загрузкой. Нейросеть оценила срок в 9,5 месяцев разработки плюс 3 месяца на сбор команды. По своему опыту я бы эти цифры умножил ещё на полтора, но возьмём оптимистичный сценарий.
| Традиционная разработка (13 мес.) | Соло с ИИ (3 мес.) | |
| Разработка | 14 133 000 ₽ | 890 000 ₽ |
| HR | 2 110 000 ₽ | — |
| Серверы | 18 000 ₽ | 3 000 ₽ |
| Сервисы | 2 600 ₽ | 8 400 ₽ |
| Apple Developer | 9 400 ₽ | 9 400 ₽ |
| Итого | ~16 273 000 ₽ | ~911 000 ₽ |
В соло-варианте в статье «Разработка» — моя личная часовая ставка, умноженная на три месяца при загрузке 5 часов в день.
В 4 раза быстрее и в 16 раз дешевле. Этой оценке я склонен доверять, и даже считаю её оптимистичной для командного варианта. За плечами несколько попыток создавать небольшие продукты с разработчиками, и ни разу не удавалось уложиться в сроки и бюджет с первого раза — даже при максимально подробном ТЗ.
Что это значит
Похожий сценарий уже разворачивался раньше. Когда появились CAD-системы, один инженер стал способен делать то, на что раньше требовался целый отдел чертёжников. Просто появился инструмент, который взял на себя рутину.
С программированием та же история. ИИ становится переводчиком с человеческого языка на машинный, и переводчик становится всё лучше. Наличие технического бэкграунда перестаёт быть обязательным условием. Важнее умение чётко формулировать задачи и выстраивать логику.
Команды разработчиков будут уменьшаться, скорость разработки — расти, а порог входа для запуска продукта — снижаться. Мы уже наблюдаем массовые сокращения в IT секторе. Параллельно с этим появится масса новых сервисов, которые раньше просто не были бы рентабельны.
Если у вас есть идея, которая давно лежит без движения — сейчас хороший момент попробовать реализовать. Это позволит лучше разобраться в процессе, породит новые вопросы, обучения и как следствие – опыт. Начинайте с малого. Одна функция, которую можно потрогать руками, даст больше, чем подробное ТЗ на несколько страниц с мифическим результатом.
Скачать на Key Ray
Буду признателен поддержке моего приложения на Product Radar!
KeyRay
- Продукт недели #3
Наконец-то нормальный аналог Punto Switcher для Mac, Windows и Linux для автосмены языка клавиатуры
⭐️ Эту статью написал «Друг Радара». Вы можете добавить свою статью или обсудить ее идею с нами в боте. Мы поможем на всех этапах подготовки и публикации статьи, а также разметим ее в сторисах нашего Telegram-канала @productradar_official. Редакция Блогов Product Radar бережно сохранила авторский стиль, орфографию и пунктуацию.
Данный проект начинался как вайбкодинг эксперимент с целью понять, находятся ли нейросети на достаточном уровне, чтобы можно было написать продукт с нуля и до релиза в одиночку. Ввиду отсутствия нормальных аналогов Punto Switcher для Mac я решил реализовать «простую» возможность автоподмены вводимых символов. Продукт для этой платформы был запущен спустя три месяца активной работы, а спустя полгода были добавлены версии для Windows и Linux, дабы покрыть все платформы.
При разработке были учтены все недочеты похожих приложений и добавлены дополнительные функции. К приложению привыкаешь настолько быстро, что потом при отказе от него контраст ощущается довольно резко.
Пробежался, круто!!! но без бэкграунда «UX/UI-дизайнер, 12+ лет в IT. Работаю в Figma и Webflow, запускаю продукты в роли заказчика вместе с разработчиками» обычным смертным едва ли такой проект затащить. Ну до этой статьи точно)