AI Software Factory: кратко о главном
🎯 О чём этот конспект: Концепция и реализация автономной «темной фабрики софта» (AI Software Factory / Dark Factory) — системы 5-го уровня автономности, которая принимает на вход высокоуровневый документ требований (PRD) и выдает развернутый в продакшен рабочий продукт без участия разработчика в написании и ревью кода. Автор разбирает реальный опыт создания продакшен-приложений в таком режиме, архитектуру на базе Archon, подходы к стресс-тестированию надежности агентов и решение инфраструктурных задач (включая проксирование веб-скрейпинга).
👤 Кому будет полезно: Вайбкодерам, AI-инженерам, фаундерам стартапов и техническим лидам, стремящимся автоматизировать пайплайн разработки от тикетов до деплоя, а также тем, кто быстро собирает MVP и проверяет продуктовые гипотезы.
✨ Что получите: Понимание пяти уровней автономности ИИ-кодинга, шаблон запуска собственной фабрики через единый агентный промпт, архитектуру пайплайна «PRD → задачи → код → тесты → деплой» и методику тестирования автономных агентов на комплексных проектах.
1. Концепция Dark Factory: 5-й уровень автономности разработки
Контекст: Большинство разработчиков застряли на 2-м или 3-м уровне взаимодействия с нейросетями: агент либо дополняет код построчно (автокомплит), либо пишет код для отдельных тикетов, пока человек вручную проверяет каждую строку, формирует контекст и проводит валидацию. Концепция Dark Factory («темная фабрика», термин Дэна Шапиро) переносит разработку на 5-й уровень автономности по аналогии с беспилотным вождением. Здесь у программиста больше нет «руля» (ручного вмешательства в код): человек задает глобальный маршрут через документ требований (PRD), а система автономно декомпозирует его на задачи, создает ветки, пишет код, прогоняет тесты, делает пул-реквесты и выкатывает релиз в продакшен. На фоне удешевления токенов и развития агентных фреймворков (harnesses) этот подход стал коммерчески оправданным для прототипирования и спайков (spikes).
Тайминг: , ,
Выгода: Сокращение времени проверки продуктовых гипотез с недель до часов; полное исключение человека из рутинных циклов кодинга и ревью при создании прототипов.
Как применить:
- Шаг 1: Определение уровня автономности проекта — Анализ процессов] — Разделите кодовую базу на критическую инфраструктуру (где требуется Уровень 3 с валидацией человеком каждого PR) и изолированные микросервисы / MVP (где допустим Уровень 5 Dark Factory).
- Шаг 2: Формализация требований в PRD — Markdown / Notion] — Сформируйте подробный Product Requirements Document, содержащий бизнес-логику, стек, архитектурные ограничения, схему базы данных и критерии готовности (Acceptance Criteria), исключая расплывчатые формулировки.
# Product Requirements Document (PRD): [Название модуля]
---
## 1. Цель и функционал
- Четкое описание целевого результата.
---
## 2. Архитектура и стек
- Фреймворк: Next.js 14 / FastAPI / SQLite
- Внешние интеграции: REST API, базы данных, эндпоинты
---
## 3. Критерии приемки (Definition of Done)
- Автотесты покрывают основные сценарии (e2e, unit)
- CI/CD пайплайн проходит без ошибок
- Деплой на Vercel/Railway завершается успешно- Шаг 3: Передача PRD агентному конвейеру — AI Coding Agent] — Передайте документ агенту-оркестратору для автоматического разбиения на подзадачи без ручного вмешательства в последующие шаги.
Результат: Переход от построчного ручного контроля ИИ к стратегическому управлению разработкой через спецификации.
2. Проверка концепции: Создание продакшен-приложения Dino Chat без ручного кода
Контекст: Скептики утверждают, что автономные фабрики софта не способны выдать работающий продукт без скрытого вмешательства инженера. Для опровержения этого тезиса автор провел публичный эксперимент: построил и задеплоил приложение Dino Chat — агентного ИИ-тьютора с контекстным поиском по базе знаний YouTube-канала и курсам сообщества Dynamis. Приложение было создано от первого промпта до финального хостинга исключительно темной фабрикой: человек не написал и не проверил вручную ни одной строчки кода. Эксперимент доказал жизнеспособность подхода, хотя для критически сложных систем планку надежности еще предстоит поднимать.
Тайминг: , ,
Выгода: Доказательство возможности нулевого вмешательства (Zero-Human-in-the-Loop) при создании RAG-приложений и чат-ботов с экономией 100% времени разработчика на написание кода.
Как применить:
- Шаг 1: Подготовка исходного контекста — База знаний] — Соберите структурированные данные (транскрипты видео, статьи, уроки), которые послужат базой знаний для будущего приложения.
- Шаг 2: Запуск навыка сборки темной фабрики — GitHub Repository
build-dark-factory] — Склонируйте и активируйте специализированный скилл из репозитория автора, оркестрирующий создание системы с нуля.
# Клонирование репозитория со скиллами темной фабрики
git clone https://github.com/coleam00/skills.git
cd skills/build-dark-factory- Шаг 3: Автономный цикл разработки — Cursor / Claude Code / Windsurf] — Скормите PRD агенту, снабженному скиллом
build-dark-factory, и позвольте системе самостоятельно инициализировать репозиторий, настроить векторный поиск, написать фронтенд и подключить деплой.
Результат: Готовое, работающее в продакшене веб-приложение, созданное ИИ-агентами без участия человеческих рук в коде.
3. Инфраструктура автономных агентов: Ротация прокси при сборе данных
Контекст: Агентные фабрики и RAG-системы требуют непрерывного сбора данных из внешних источников (документация, каталоги e-commerce, парсинг конкурентов, мониторинг цен). При прямых запросах с одного IP-адреса агент мгновенно наталкивается на rate limits, Cloudflare-челленджи или полную блокировку IP, что полностью ломает автономный цикл без участия человека. Для обеспечения непрерывной работы автономных воркеров требуется интеграция пула резидентных прокси с сохранением липких сессий (sticky sessions) при необходимости последовательных запросов.
Тайминг: , ,
Выгода: 100% аптайм парсеров и агентов сбора данных без риска блокировки инфраструктуры; фиксированная стоимость $1 за 1 ГБ трафика без сгорания баланса.
Как применить:
- Шаг 1: Настройка доступа к резидентной сети — Data Impulse] — Зарегистрируйтесь на сервисе, выберите гео-таргетинг (доступно более 195 стран) и получите URL прокси-шлюза с авторизацией по логину/паролю.
- Шаг 2: Внедрение прокси в скрейпер агента — Python / Requests / Playwright] — Подключите URL прокси напрямую в конфигурацию HTTP-клиента вашего агента без изменения логики парсинга.
import requests
# Конфигурация резидентного прокси через Data Impulse
proxy_url = "http://username:password@gw.dataimpulse.com:823"
proxies = {
"http": proxy_url,
"https": proxy_url,
}
# Запрос выполняется через случайный чистый резидентный IP
response = requests.get("https://target-ecommerce-site.com/products", proxies=proxies)
print(f"Status Code: {response.status_code}")
print(f"Content Length: {len(response.text)}")- Шаг 3: Настройка sticky-сессий при авторизации — Конфигурация заголовков] — Если агент должен имитировать пользователя в рамках сессии (логин -> корзина -> чекаут), добавьте идентификатор сессии в строку прокси, чтобы удерживать один IP в течение нескольких запросов.
Результат: Бесперебойная работа автономных RAG-агентов и парсеров без остановок из-за капч и блокировок IP.
4. Архитектура фабрики софта «из коробки» на базе Archon
Контекст: Исторически автор обучал создавать инструменты с нуля, однако большинство разработчиков и фаундеров бросают настройку из-за ее сложности. Вирусные open-source проекты (OpenClaw, Hermes Agent) взлетели благодаря тому, что работают сразу после распаковки. Новая AI Software Factory построена как готовый к запуску инструмент: под капотом она использует процессы Archon для декомпозиции задач, генерации тестов и контроля деплоя, но инициализируется через один вводный промпт в терминал любого современного ИИ-агента.
Тайминг: , ,
Выгода: Развертывание полноценной среды автономной разработки за 3 минуты без ручной настройки конфигурационных файлов и зависимостей.
Как применить:
- Шаг 1: Копирование инициализирующего промпта — README репозитория фабрики] — Откройте официальный репозиторий проекта и скопируйте установочный мета-промпт.
- Шаг 2: Передача промпта в кодинг-агента — Claude Code / Cursor / Windsurf] — Вставьте промпт в диалоговое окно вашего основного агента. Агент запустит интерактивный опрос:
You are initializing the AI Software Factory.
Analyze the current workspace, check installed CLI tools (git, node, python, docker),
and configure the Archon workflow harness.
Ask the user:
1. Target tech stack (frontend, backend, DB).
2. Deployment target (Vercel, AWS, Fly.io, Railway).
3. Level of autonomy: Level 4 (human approval on PR) or Level 5 (fully dark factory).
After receiving answers, install necessary dependencies and prepare the .archon/ directory.- Шаг 3: Загрузка PRD — Workspace] — Поместите файл
PRD.mdв корень репозитория. Фабрика под управлением Archon автоматически разобьет документ на эпики, тикеты, выполнит кодогенерацию в изолированных ветках и отправит готовый билд на продакшен-сервер.
Результат: Развернутая автономная фабрика, готовая перерабатывать PRD в готовые приложения без ручного вмешательства.
5. Методология стресс-тестирования агентов через разработку видеоигр
Контекст: Тестировать автономные фабрики на стандартных веб-сервисах (CRUD, дашборды, простые чат-боты) неэффективно: они быстро упираются в потолок, за которым усложнение превращается в бессмысленное раздувание интерфейса. Для проверки истинных пределов надежности фабрики автор выбрал видеоигры. Игровая разработка требует сложной математики, жесткого контроля состояний (state management), циклов рендеринга, взаимодействия сущностей и непрерывного добавления механик без поломки старой логики. Если Dark Factory способна автономно поддерживать целостность комплексной игры, она справится с любым enterprise-софтом.
Тайминг: , ,
Выгода: Выявление слабых мест в обвязке (harness) агента на проектах с бесконечной масштабируемостью логики до того, как эти баги проявятся в коммерческом веб-приложении.
Как применить:
- Шаг 1: Выбор недетерминированного тестового полигона — GameDev движок / фреймворк] — Выберите для тестирования фабрики сложный игровой стек (например, Godot, PhaserJS, Pygame или Rust Bevy), а не очередной лендинг на React.
- Шаг 2: Формирование модульного игрового PRD — PRD] — Опишите ядро игры (Game Loop), физику, генерацию уровней и систему очков.
- Шаг 3: Итеративное скармливание фичей темной фабрике — AI Software Factory] — После сборки базового ядра подавайте запросы на добавление новых сущностей (враги с разным AI, инвентарь, процедурная генерация). Фиксируйте, на каком шаге агент ломает контекст или архитектуру.
- Шаг 4: Усиление обвязки (Harness Hardening) — Archon Rules / Linters] — Каждый раз, когда агент допускает архитектурную галлюцинацию в игре, обновляйте не сам код, а системные правила фабрики и проверочные автотесты.
Результат: Экстремально закаленная агентная система, способная писать и рефакторить код с глубокой связностью логики.
AI Software Factory: ответы на частые вопросы
В: Действительно ли темная фабрика (Dark Factory) способна писать код вообще без участия человека? О: Да, на 5-м уровне автономности человек взаимодействует только со спецификацией (PRD). Агенты сами декомпозируют задачи, генерируют код, запускают тесты, исправляют ошибки компиляции и выкатывают релиз. Однако на текущем этапе развития моделей это гарантированно надежно работает для прототипов, MVP, спайков и изолированных сервисов.
В: Чем Dark Factory отличается от привычной работы в Cursor или Claude Code? О: В обычном вайбкодинге (Уровень 3) вы сидите в цикле («in the loop»): просите написать компонент, смотрите на дифф, тестируете, правите промпт. В Dark Factory вы находитесь над циклом («out of the loop»): управление передается агентному харнессу (например, Archon), который выполняет десятки последовательных задач и git-операций автономно, не спрашивая подтверждения на каждый шаг.
В: Не обходится ли запуск темной фабрики слишком дорого по токенам? О: Современные модели (особенно быстрые и доступные линейки вроде Sonnet, DeepSeek, Flash) сделали стоимость генерации огромных объемов кода пренебрежимо малой по сравнению с зарплатой инженера. Сжечь миллионы токенов на проверку гипотезы за пару долларов намного выгоднее, чем тратить дни ручной разработки.
В: Почему для стресс-тестирования фабрики автор выбрал видеоигры, а не SaaS? О: Большинство SaaS-приложений сводятся к простым операциям ввода-вывода данных (CRUD) и быстро превращаются в нагромождение экранов без роста логической сложности. Видеоигры требуют сложного менеджмента состояний, физики, производительности и позволяют бесконечно наращивать глубину систем, что моментально вскрывает галлюцинации и архитектурные ошибки ИИ.
В: Что такое Archon и какова его роль в фабрике? О: Archon — это фреймворк и оркестратор воркфлоу, созданный автором. Внутри AI Software Factory он выступает в роли «движка» (harness), который забирает задачи из плана, распределяет контекст между кодирующими агентами, следит за выполнением чек-листов и гарантирует прохождение тестов перед мерджем.
В: Зачем агентам нужны резидентные прокси при автономной разработке? О: Если разрабатываемое приложение или сам агент должен собирать актуальную информацию из веба (документация API, парсинг данных для базы, e-commerce каталоги), обычные датацентр-IP мгновенно попадают в бан Cloudflare или rate-limit. Резидентные прокси маскируют запросы под реальных домашних пользователей, предотвращая сбои пайплайна.
AI Software Factory: инструменты и ссылки из видео
- Dino Chat — Автономно созданное через Dark Factory приложение AI-тьютора с контекстом по материалам автора — упомянут в видео.
- GitHub Repository
skills(папкаbuild-dark-factory) — Набор скиллов и инструкций для ручной сборки первой версии темной фабрики — упомянут в видео (https://github.com/coleam00/skills). - Data Impulse — Платформа резидентных прокси с оплатой по факту ($1/ГБ) для парсинга и RAG-агентов — упомянут в видео.
- Archon — Open-source оркестратор воркфлоу и агентного кодинга от Cole Medin — упомянут в видео.
- Статья Дэна Шапиро (Dan Shapiro) — Концепция «5 уровней ИИ-кодинга» и определение Dark Factory — упомянут в видео.
- OpenClaw, Hermes Agent, DeepSea Carnis — Популярные вирусные open-source агентные проекты, упомянутые в контексте коробочных решений — упомянуты в видео.
Конспект создан на основе видео «The AI Software Factory (Self-Driving Coding)» канала Cole Medin. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=DcLj_SO8JNk
