Что произошло в проекте разработки с LLM?

Разработчик создал мобильное приложение для изучения английского языка, используя LLM-агента, который сгенерировал более 1800 коммитов и 200 000 строк кода за четыре месяца.

Какие основные проблемы возникли при использовании LLM для кодирования?

Главные проблемы — это увеличение энтропии кода, когда LLM не поддерживает общую архитектурную согласованность, и сложность учёта ИИ невысказанных инвариантов реального мира, требующих большого количества уточнений.

Сколько времени занял проект по разработке приложения с LLM?

Весь проект по созданию мобильного приложения с использованием LLM-агента занял четыре месяца активной работы.

В чем заключается проблема энтропии кода при работе с LLM?

Проблема энтропии кода проявляется в том, что LLM хорошо пишет небольшие фрагменты, но неспособна поддерживать единую архитектуру и принципы во всем проекте, что приводит к избыточности и неконсистентности решений.

Нейросети3 августа 2026 · 1 мин 3

LLM в разработке: более 1800 коммитов за 4 месяца и вызовы для ИИ

Российский разработчик поделился опытом создания мобильного приложения для изучения английского языка, где основной объём кода (1823 коммита и 200 тысяч строк) был сгенерирован большим языковой моделью (LLM), выявив при этом две критические проблемы в работе ИИ-агентов.

Кратко

Разработчик использовал LLM-агента для создания мобильного приложения, сгенерировав 1823 коммита и 200 тысяч строк кода за четыре месяца.
Основными проблемами в ходе разработки стали рост энтропии кода и трудности LLM с учётом невысказанных реальных ограничений.
LLM демонстрировал аккуратность локально, но не поддерживал архитектурную консистентность проекта в целом.
Реализация одной анимации потребовала 109 коммитов из-за сложностей с передачей ИИ нюансов физической реальности.

Проект длился четыре месяца, за которые было сделано 1823 коммита и написано около 200 000 строк кода. Человек-разработчик формулировал задачи, проводил ревью и принимал архитектурные решения, но набор кода осуществлялся преимущественно LLM-агентом. Целью проекта было понять, насколько эффективно нейросети могут взять на себя рутинные задачи по написанию кода.

LLM в разработке: более 1800 коммитов за 4 месяца и вызовы для ИИ

Комментарии (0)

Ещё новости

PAHO изучает применение ИИ и аналитики для управления информацией

Гарвардский университет принял саммит по искусственному интеллекту и энергетике

Ученые создали ИИ для оптимизации управления энергосетями

Часто задаваемые вопросы