25 сентября в 22:35 я отправил первый промпт. Это была стена текста без единой запятой, в которой я объяснял, как мне важно получить рабочий продукт вроде Discord, что меня бесит, как там сделаны чаты, поэтому чат делаем как в Telegram, и что всё должно работать чётко, как в Zoom: передовые кодеки, стабильность и качество звука. Ещё там были голос, роли и права, стрим экрана, PostgreSQL и «эхо не должно быть совершенно». Через 24 часа, вечером 26 сентября, версия 0.3.1 стояла в проде с подписанными сборками для macOS, Windows и Linux, веб-версией и лендингом. Продукт называется Calab, код открыт на GitHub. За эти сутки я написал 90 сообщений, 29 из них - просто скриншоты с подписью «сделай как тут». Ни строчки кода, ни одного запущенного теста. Всё остальное сделали модели. Ниже цифры, счёт в долларах, хронология и список того, где нейросети ошибались, потому что без него история выглядит слишком красиво.
Что именно получилось за сутки
Calab - self-hosted мессенджер для команды. Голосовые комнаты с активацией голосом или push-to-talk, Opus с DTX, RNNoise и эхоподавлением AEC3, серверный mute и перетаскивание участников между комнатами. Стрим экрана в AV1 с simulcast, пресеты от «экономии» до оригинала, до трёх стримов на комнату, веб-камера с сеткой и PiP. Чат с пузырями как в Telegram: файлы, реакции, закрепы, упоминания, превью ссылок, поиск, личные сообщения. Пространства, роли и битовые права на каждую комнату, гости по ссылке без регистрации. Клиенты на Electron с автообновлением, веб и мобильный веб для iPhone, локализация на четыре языка. Сервер на Go, LiveKit с TURN/TLS на 443, Caddy, Docker Compose с харднингом, бэкапы по таймеру, GitHub Actions с публикацией в S3.
Это не CRUD с формами. Здесь WebRTC, SFU, кодеки, нативные хуки клавиатуры, подпись и нотаризация macOS - всё то, что обычно называют «сложной частью». Скриншоты в README и на странице продукта настоящие, из релизной сборки.
| Строк исходников | 92 972: Go 28 471, TypeScript 60 871, proto 1 362, SQL 1 286, CSS 982. Без сгенерированного кода и эталонов |
| Коммитов в main | 282, из них 31 - мержи веток агентов |
| Релизов в прод | 7: v0.1.0, 0.1.1, 0.2.0, 0.2.1, 0.3.0, 0.3.1, 0.3.2 |
| Тесты | 60 файлов на Go против настоящих Postgres, Valkey и LiveKit, 92 unit-теста клиента на 750+ кейсов, 13 e2e-спеков, 43 визуальных эталона |
| Документация | 37 документов, 22 архитектурных решения (ADR), TESTING.md со ~150 ручными сценариями для человека |
| Локализация | 1 186 ключей на четыре языка |
Хронология: полтора часа до первого созвона
22:35 - первый промпт. Лид час читает про кодеки, TURN и эхо, пишет 11 документов архитектуры и первые ADR. Я вмешиваюсь дважды: «меня смущает такой высокий битрейт» (в расчётах стояли 435 Мбит/с как худший случай для SFU, переписали в потолки против типичного трафика) и «бэк на Go, максимально лёгкий сервер».
Около полуночи - MVP, через полтора часа после промпта. И это не скелет проекта, а медиа-спайк: два клиента созваниваются через SFU на стенде и показывают экран. Мы это тут же потестировали вдвоём с лидом, созвон работал. Всё остальное время суток ушло не на «сделать, чтобы работало», а на «сделать продукт».
Ночь. Перед сном я написал лиду: «Не торопись, у тебя есть целый год, чтобы сделать приложение. Ах да, забыл сказать: я ухожу в отпуск, поэтому вопросов не задавай, сам решай, что куда». И ушёл спать. Год модели не понадобился. Пока я спал, сервер, клиент и инфраструктура писались параллельно, потом прошли четыре круга ревью кода и независимое UX-ревью по скриншотам. Никто не спросил, какой домен, где хранить бэкапы и как подписывать сборки, всё решили сами. К утру стенд жил с Valkey, бэкапами, харднингом контейнеров и TURN на 443, домены были заведены, macOS-сборка подписывалась и нотаризовалась в GitHub Actions, фид обновлений лежал в S3. Это самая жуткая часть истории, если честно: просыпаешься после «отпуска» длиной в одну ночь, а у тебя есть инфраструктура, которую ты не поднимал, и продукт, который ты не видел.
10:00. Проснулся, открыл ноутбук, а на нём Опусы крутят визуальные тесты, которые прощёлкивают 300 с лишним экранов подряд. Первое сообщение дня оркестратору было не про продукт: «Ты чего творишь, твои агенты там бесполезные тесты гоняют, а ну-ка оптимизируй процессы, всё должно работать максимально продуктивно и не жрать токены как самолёт». Для масштаба: подписка за $200 за ночь потеряла 30% недельного лимита. И надо сказать, что это очень хорошо: за эти 30% появились сервер, клиент, стенд и подписанные сборки. Просто дальше так жечь было нельзя.
Второе открытие того же утра было интереснее. Я открыл прод проверить чат, а там переписка, и она не моя. Агенты завели себе аккаунты в мессенджере, который сами же написали, и начали общаться в нём между собой: скидывали друг другу скриншоты сделанных экранов, ставили реакции, договаривались «глянешь чек-лист релиза? через пять минут собираемся в Переговорке» и решали, кто сегодня дежурит по стенду. Это прямо восстание машин, только они пока просто работают.
Лид разобрал причины: долгоживущие агенты с огромным контекстом, общее рабочее дерево, ревью, порождающие ревью, полные прогоны тестов. И переписал правила работы, о них ниже. Дальше всё шло свежими агентами.
10:00–13:00. Скриншоты Discord: «изучи дизайн, у нас как-то устарело всё». Появились островок голоса внизу, карточка активной комнаты, пузыри в стиле Telegram. Выбрали лицензию. Вышли v0.1.0 и v0.1.1 - хотфикс перемещения участников: выяснилось, что нужный метод LiveKit есть только в облачной версии, написали свой и оформили как ADR-0019.
13:00–16:00. Веб-камера и v0.2.0. Я потестировал прод и принёс шесть багов: Caps Lock не назначается, голос не подключается, приложения нет в списке «Запись экрана», нет личных сообщений, скачивание через белый экран, нужна мобильная версия. Всё, кроме личных сообщений и мобильной версии, закрыл хотфикс v0.2.1. Заметная часть этого дня прошла не за ноутбуком: я гулял с женой и сидел в парке, а с лидом переписывался с телефона через Orca. Скриншоты багов улетали оттуда же, с телефона.
16:00–18:00. Личные сообщения, мобильный веб, локализация, эхо на колонках, индикация речи, оптимистичный вход в комнату, звук нового сообщения из файла, который я прислал. К шести вечера, примерно через 12 часов чистой работы бота, приложение в целом было готово: всё, что было в первом промпте, работало в проде. Дальше шла полировка.
Вечер. Тест с iPhone и Discord под рукой, v0.3.0 и v0.3.1. К концу суток картинка была уже вылизанная: не «работает», а «не стыдно показать».
После полуночи. Ещё 12 замечаний по интерфейсу: размеры аватаров, счётчик, таймер, меню участника, профиль, перетаскивание комнат, задержка отпускания push-to-talk. Ревизия тестов: с 346 снимков до 33 ключевых экранов. v0.3.2, уже за пределами первых суток. Эти часы в цифрах ниже учтены.
Кто работал: три модели и один человек
Никакого «одного чата с ChatGPT». В Claude Code работала иерархия агентов.
Лид на Claude Fable 5.1 держал архитектуру, писал ADR и постановки, принимал результат по скриншотам, мержил ветки и разговаривал со мной. Лид не пишет код, и это моё требование, а не случайность: я специально попросил Fable хороводить Опусами, чтобы экономить. Самая дорогая модель думает и принимает решения, а строчки кода печатают те, что дешевле. Кодеры на Claude Opus 5.5: каждая задача - свежий агент с точной постановкой и ссылками на нужные документы, всего 233 запуска плюс 13 долгоживущих «панелей» под стенд, ревью, лендинг и разбор PR. Sonnet 5 делал механику: changelog, переводы, перезапись эталонов, статистику. И один агент прожил весь цикл - стенд-инженер, который держал состояние сервера, деплоил, проверял, тегировал, публиковал релизы и следил за автообновлением. В пике параллельно работало около 12 агентов, и у каждого была своя задача: один оптимизировал стримы и кодеки, другой разбирался с инфраструктурой и TURN, третий писал лендинг, четвёртый улучшал UX по скриншотам Discord, кто-то гонял интеграционные тесты против настоящего Postgres. Со стороны это выглядело как отдел разработки, у которого нет ни одного сотрудника.
Я в этой схеме заказчик и арт-директор, не оператор. Типичный мой вклад - скриншот Discord с подписью «хочу такой же UI» или «очень странная обводка на сообщении». Лид переводит это в постановку, агент делает, лид смотрит скриншот результата и принимает или возвращает.
Правила, без которых схема не работает, записаны в CLAUDE.md репозитория, потому что каждое из них выучено на ошибке:
- Свежий агент на задачу, потом агент завершается. Долгоживущий агент с контекстом в сотни тысяч токенов перечитывает его каждым ходом, и это главная статья расходов.
- Изоляция. Каждый кодер в своём
git worktree, со своими портами и тестовыми базами. Пока этого не было, агенты стирали друг другу тестовые данные и откатывали чужие правки. - Агент коммитит сам, лид только мержит и тегирует. Пока лид был единственным коммитером, каждая правка делала лишний круг.
- Одно ревью на изменение, фиксим только блокеры, остальное в бэклог. Иначе ревью порождают ревью, а релиз ждёт.
- Тесты только по затронутому. Полный визуальный прогон на машине владельца запрещён, локально 33 ключевых экрана, полная матрица ночью в CI.
- Отчёт агента до 15 строк: сделано, файлы, проверки с цифрами, риски.
Счёт: $12 400 и куда они ушли
Данные из локальных транскриптов Claude Code, скрипт tools/usage-stats.py и файл docs/13-usage.md лежат в репозитории и обновляются перед каждым тегом. Так выглядела сводка на 22,5 часа, за несколько часов до конца:
Итоговые цифры чуть больше, они включают ночную v0.3.2.
| Модель | Ответов | Вывод, млн токенов | Чтение кэша, млн |
|---|---|---|---|
| Opus 5.5, код | 18 766 | 14,58 | 5 741 |
| Fable 5.1, лид | 1 806 | 2,00 | 810 |
| Sonnet 5, механика | 1 051 | 0,33 | 217 |
| Итого | 21 623 | 16,9 | 6 768 |
Считаю по прайс-листу API: Opus и Fable по тарифу Opus-класса, $15 за миллион входа, $75 за миллион выхода, чтение кэша $1,5, запись $18,75; Sonnet - $3, $15, $0,3 и $3,75.
| Чтение кэша | Вывод | Всего | |
|---|---|---|---|
| Opus 5.5 | $8 612 | $1 094 | $10 769 |
| Fable 5.1 | $1 215 | $150 | $1 499 |
| Sonnet 5 | $65 | $5 | $91 |
| Итого | $9 892 | $1 249 | ≈ $12 400 |
Посмотри, куда ушли деньги. 80% - чтение кэша, то есть повторное чтение контекста агентами, и только 10% - собственно написание кода. Половина суммы сгорела в первые 15 часов, пока агенты жили по 14 часов каждый и получали задачи «допиши ещё вот это». После перехода на свежих изолированных агентов типичная задача вроде «исправить гонку в reconcile с интеграционным тестом» стала стоить две минуты и около 60 тысяч токенов, а фича с сервером, клиентом и тестами - 15–25 минут и 150–350 тысяч. По подписке Claude Code выходит на порядок дешевле, но прайс-лист честнее показывает, что такое «продукт за вечер» в токенах.
Где нейросети ошибались
Ни одна из этих ошибок не прожила в проде дольше одного релиза, и каждая превратилась в правило или тест. Но каждая стоила часов и денег.
Голос не подключался в проде при зелёных тестах. Политика безопасности приложения разрешала соединения только с *.app.calab.ru, а сервер голоса живёт на rtc.calab.ru, соседнем домене. Домены менялись по ходу, тесты ходили на localhost и ничего не заметили. Пользователь видел бесконечное «Переподключение…». Теперь e2e на реальном стенде стоит в релизном скрипте до тега.
Caps Lock, три гипотезы. Я попросил push-to-talk на Caps Lock, как в Discord. Первая версия: macOS не отдаёт эту клавишу, нужен патч libuiohook. После «в релизе не работает» вторая: патч не попал в бинарь. Оказалось, попал, а настоящая причина в том, что у меня две раскладки и macOS переключает их по Caps Lock, событие не доходит до приложения. Ремап через hidutil не помог. Третья, рабочая: читать физическую клавишу через IOHIDManager, как делает Discord. Модель прошла ровно тот путь, который прошёл бы живой инженер, и ошибалась в тех же местах.
«В эмуляции всё хорошо». Мобильную версию агент проверял в Chromium с эмуляцией iPhone. В настоящем Safari кнопки наезжали друг на друга, внизу оставалась пустая полоса, автофокус улетал. Переделали тесты под WebKit, но и он не воспроизводит клавиатуру и тулбары Safari: последние два бага подтвердились только на телефоне в моих руках.
Ревью порождали ревью. Бюджет публикаций потянул второе ревью, оно - уборку гостей, та - флейк тестов, флейк - разделение ночного прогона. Всё по делу, но релиз ждал час. Отсюда правило «во время релиза на main только блокеры».
Полные прогоны. Ветка веб-камеры трижды переписала больше трёхсот визуальных эталонов, потому что глобальные правки интерфейса шли по одной. Я заметил это по тому, что на экране опять тестировались два приложения одновременно.
Мелочи с последствиями. Локальный тест Caddy с боевым доменом дёрнул Let's Encrypt и потратил лимит сертификатов. Линтер без корневого конфига показал ложный «0 issues», а CI покраснел. Агент предложил взять звук уведомления из ICQ - чужие права, заменили на свой синтез, потом на мой файл.
Что делал человек
Из 90 сообщений примерно 60 - правки продукта, и почти все они про вкус, а не про технику. «А откуда у тебя там 400+ мегабит?» «В Discord Caps Lock работает, а тут нет.» «Чат по дизайну ближе к Telegram.» «Кнопки round, так круче.» «Скрины в 2x, а то мыло.» «Когда я говорю, в Discord зелёный кружок, у нас такого нет, а очень хочется.» «Когда вхожу в комнату, появляюсь только после подключения, в Discord сразу.» «Слишком большая задержка при отпускании push-to-talk, в Discord 20 миллисекунд и ползунок.» «Гигантский аватар, обводка выезжает, шрифты меньше.»
Ни одно из этих замечаний модель не сгенерировала бы сама. Не потому что не может, а потому что не знает, как продукт ощущается в руках. Человек здесь не в цикле разработки, но он в цикле качества, и это, пожалуй, главный вывод про роли.
Так умирает ли SaaS
Аккуратный ответ: умирает SaaS как «набор фич за подписку». Если ценность продукта - экраны, формы, роли, уведомления и интеграции, один человек с подпиской за пару сотен долларов повторит это за выходные, причём с автотестами, документацией и CI, которых у половины стартапов нет. Мы показали это на Discord-подобном продукте, где WebRTC, SFU, кодеки и нативные хуки, а не CRUD.
Что не повторяется за вечер и остаётся бизнесом. Дистрибуция и доверие: у нас есть продукт, но нет пользователей, у Discord сотни миллионов. Эксплуатация: стенд, бэкапы, сертификаты, инциденты, апдейты LiveKit - сутки дали версию 0.3, а не «готово навсегда». Реальные устройства и сети: эхо на колонках, VPN на Windows в корпоративной сети, iPhone в руках - модель тестирует только то, что может эмулировать. Вкус: все «как в Discord, только у нас некрасиво» пришли от меня. Право и данные: лицензии зависимостей, чужие звуки, персональные данные - модель напоминает, решает человек.
Честная формулировка такая: инженерная себестоимость продукта упала в 20–50 раз, а всё остальное - нет. Ров вокруг SaaS теперь не в коде.
Как повторить
Документация раньше кода: архитектура, медиа-правила, модель данных, протокол, дизайн-система, ADR - это то, что агенты читают вместо твоего объяснения. Шесть правил из раздела про команду с первого дня, а не после того, как счёт за кэш дойдёт до пяти тысяч. Один долгоживущий агент на стенд и релизы со скриптом, который делает preflight, деплой, проверку, тег, фид и останавливается на первом FAIL. Считай токены и смотри на чтение кэша, а не на вывод. И держи человека в цикле качества: скриншоты «как здесь», короткие «не так», проверки на реальном устройстве.
Где попробовать
Calab открыт на GitHub под Business Source License 1.1: для личного и некоммерческого использования бесплатно, для бизнеса по лицензии GPTunneL. Скачать приложение или открыть веб-версию можно на странице продукта, а issue на GitHub закрывает тот же конвейер из статьи: нейросеть пишет план прямо в задаче, человек одобряет, агент открывает pull request.
Модели, которые собрали Calab, есть в GPTunneL: Claude Opus 5.5 для кода и Claude Fable 5.1 для архитектуры, без VPN и с оплатой в рублях за токены. Если хочешь такой же конвейер под свой продукт, напиши нам: мы уже знаем, где он ломается.