Как бэкенд-инженер и ИИ-агенты пилили SaaS-продукт по обучению с флешкартами и ИИ-тренером

Всем привет. Всю свою жизнь я был бэкенд-инженером, потому что для меня морально тяжело заниматься UX/UI и подобными вещами. Я люблю облака, базы, очереди, микросервисы, метрики — и всё вот это «оно должно быть масштабируемым».

Ещё я много лет фанател от обучения через Anki. Я использовал Anki, чтобы освежать знания и не забывать то, что недавно выучил.

Но у меня всегда было две проблемы с Anki.

Проблема №1 — делать карточки вовремя (пока не забыл) и "красиво"

Главная боль — вовремя структурировать знания и превращать их в "красивые" карточки. Я даже 8 лет назад написал десктопное приложение для Windows: выделяешь текст, жмёшь горячие клавиши — и оно превращает это во флешкарту.

Да, были бесплатные колоды. Но часто это вообще не то, что мне было нужно. А руками — это адски мучительно. Особенно когда ты хочешь нормально: под конкретную роль, под конкретную тему, с вариантами, без повторов и без воды.

Проблема №2 — заставить себя повторять карточки

Вторая проблема: заставить себя повторять. Часто я насильно заставлял себя открыть Anki, выбрать колоду и начать учиться. Но чаще всего лень либо "более важные дела" побеждали.
Плюс, тогда я не особо мог позволить себе удобное, но платное приложение для моего Iphone (которое стоило и стоит около 30 евро), поэтому я страдал через веб-версию.

Потом появились LLM — стало легче… но не достаточно

С появлением Copilot и ChatGPT решить первую проблему стало проще: карточки стало легче генерировать. Но всё равно оставались проблемы:

• чем больше карточек уже сгенерировано, тем сложнее сгенерировать уникальные вопросы по заданной теме,

• часто генерировались совершенно неважные вопросы/ответы

• было много галлюцинаций

• это все нужно было экспортировать в Anki

И главное: все эти плагины и решения не закрывали вторую проблему — мне всё равно нужно было заставлять не забывать себя открывать Anki и начинать учиться.

Потом пришли ИИ-агенты

Уже как несколько лет я использую ИИ решения в моей работе: Claude Code, Codex CLI, Copilot CLI… И с каждым месяцем они становятся все умнее и умнее. Несколько месяцев назад я понял: ИИ стал настолько умными, что уже достаточно хорошо српавляются с автоматизацией кучи неинтересных для меня задач — тесты, кодинг, «склейка» разных сервисов, фронтент....

И я решил: окей. Сделаю Telegram-бота, который решит мою боль обучения с повторением, тем более у меня уже были идеи, как это сделать:

• использовать свежие модели и облачные сервисы, чтобы уменьшить дубликаты и галлюцинации

• использовать удобство Telegram ботов, чтобы с помощью удобного интерфейса можно было создать темы обучения в пару кликов.
  * К тому же Телеграм отлично подходит для того, чтоб получать каждые X часов сообщения с новой флэшкартой, чтобы я никогда не забывал повторять.

• плюс добавить разные "вкусности":

  • возможность задавать уточняющие вопросы,

  • получать вопросы и ответы в виде аудио

  • отвечать на вопрос голосом/текстом и получать оценку от бота

  • следить за прогрессом и получать советы от ИИ

На тот момент я ничего не знал про разработку Telegram-ботов. Я задавал кучу вопросов ИИ и иногда просто шёл по инструкции «делай так». Но я знал бэкенд: облака, базы, очереди, микросервисы и всё такое. Я считал себя «хорошим» бэкенд-инженером — поэтому с самого начала пытался заставить ИИ строить масштабируемое и нормально спроектированное приложение.

Оно заработало. И я подумал: “Сделаем SaaS — это же легко!”

И… внезапно… оно реально заработало.

Через примерно 3 недели «команд ИИ между делами» у меня была первая рабочая версия. Да, с багами. Но рабочая. И мне и друзьям понравилось.

И тут я подумал:

Для SaaS, конечно же, нужен сайт. Куда же без него

Но прежде чем приступить к созданию сервиса, я подумал: "Для SaaS, конечно же, нужен сайт. Куда же без него."
А для сайта нужен красивый домен. Обязательно .ai! У нас же ИИ-сервис?

И тут я захожу выбирать домен… и начинаю подозревать, что меня где-то разводят.

— «За .ai домен в год 100 баксов??»
— «Может быть другой .ai домен…»
— «Что?? Тоже 100 баксов?!»
— «Ох… ну ладно, ведь нужен ИИ… чёрт с ним».

И только потом я узнаю прекрасное: .ai — это вообще не «домен для искусственного интеллекта по смыслу», а национальная доменная зона острова Ангилья (Anguilla), маленькой британской территории в Карибском море. Её код страны — AI, поэтому домен .ai существует давно, а “ИИ-ассоциация” — просто совпадение. Сейчас из-за бума ИИ домен стал очень популярным у техкомпаний и стал заметным источником дохода для Ангильи.

В итоге flaschards ai и подобные домены оказались заняты (кто бы мог подумать). и мне, надоев тратить время, выбрал близкий по смыслу домен microstudy.ai

А потом пришло прозрение: «вау, как же я ошибался…»

В общем вскоре после "Сделаем SaaS — это же легко!" я понял, что очень сильно переоценил возможности ИИ.

Я понял простую вещь: ИИ охотно построит тебе что-то и скажет «готово».
Но это «готово» почти никогда не будет готово для реальной жизни.

Оно будет:

• не готово к расширению,

• не готово к нагрузке,

• с огромными проблемами по безопасности,

• со спагетти-кодом,

• и вообще: «работает же — значит нормально».

А дальше начинается то, что обычно и называется разработкой.

Перед каждой новой фичей тебе нужно:

1. самому продумать архитектуру

2. подготовить нормальный запрос с контекстом и ограничениями

3. помнить, что контекст у модели не бесконечный, и часть деталей она «теряет» (поэтому лучше разбить на подзадачи большой запрос)

4. сделать ревью нагенерированного кода

5. сказать «это плохо, переделай»

6. снова ревью, снова правки…

В общем: ИИ ускоряет написание кода, но не снимает ответственность думать и проверять. Без знаний в конкретной области - ничего не получится.

И еще: Скрытые грабли, о которых ИИ “слегка умолчал”

Если ты чего-то не знаешь, ИИ может не подсветить важные детали. Пример:

Я никогда не работал с Telegram-ботами. Через некоторое время я решил сделать простенький нагрузочный тест — и понял, что Telegram умеет очень дружелюбно говорить “нет” всем приложениям, которые слишком часто дёргают интерфейс.

По простому флуд-контроль. Нет, я подозревал, что такое у него есть, поэтому с самого начала я сделал так, чтобы мой сервис не слишком часто спамил телеграм, но оказывается у телеграма есть документация: сколько запросов в секунду допустимо, какие ограничения на чаты/группы/каналы, как правильно реагировать на ограничения. Т.е. основываясь на всех этих данных, можно было с самого начала реализовать нормальный ограничитель скорости с конкретными числами + правильную стратегию повторов с задержкой .

Но ИИ мне этого не сказал. Он сделал “какую-то логику”, но без реальных лимитов и без правильной схемы обработки ограничений, что в итоге совершенно не работало в моем случае, т.к. мой сервис для каждого пользователя создает группу, а ограничения на группу у телеграм ботов 20 сообщений в МИНУТУ. В итоге мне пришлось самому читать документацию, и инструктировать ИИ реализовать все правильно.

Ограничения моделей и «документация против реальности»

С ИИ моделями, генерирующими флэшкарточки, тоже было весело:

• про лимиты по частоте запросов ИИ заранее не подсветил всё как надо (хорошо, что у меня уже был опыт)

• про некоторые проблемы “самых свежих” моделей, которые активно обсуждаются в интернете — тоже

• иногда ИИ уверенно говорит, что функция “поддерживается”, потому что он видел это в документации… а на практике — нет (в документации у гугла сказано, что gemini-2.5-flash-preview-tts поддерживает Batch запросы, но с помощью поисковика сразу же можно найти ссылку на дискуссии, где сотрудники гугла признают, что в документации ошибка. Но т.к. документацию до сих пор не исправили - ИИ уверена, что эта модель поддерживает Batch).

И вот тут ты понимаешь, что иногда, чтобы сделать нормально, тебе нужно:

• читать форумы,

• читать реальные обсуждения,

• проверять примеры руками,

• и не верить «уверенному тону» ИИ.

Мини-кейс: как я “быстро” перевёл бота на русский (спойлер: не быстро)

Изначально я делал бота на английском. Но с мыслью, что русская версия будет обязательно — просто “чуть позже”, “когда всё заработает”, “когда будет время”.

И вот я заканчиваю английскую версию… и совершаю ровно ту же ошибку, что и раньше:

И знаете что? Почти так и было.
Через час размышлений (и сожранных токенов) ИИ радостно выдал: «я сделал».

А потом я начал тестировать.

И понял, что “сделал” — это примерно 50%. Местами переведены только кнопки, местами только часть сообщений, местами вообще остался английский, а местами русский появился… но не там.

Следующие 4 часа я потратил на самое “весёлое”:

• кликаешь по всем сценариям,

• натыкаешься на непереведённый текст,

• идёшь в код,

• показываешь ИИ конкретный кусок: “вот тут ещё не переведено”,

• ИИ отвечает: “да-да, сейчас”,

• и так по кругу, пока не прогоняешь весь бот полностью.

Причём самая коварная часть — это даже не “основные тексты”, а всё, что живёт в углах:

• ошибки и подсказки,

• тексты на редких ветках,

• форматирование,

• заглушки,

• тексты, которые собираются из кусочков,

• сообщения, которые улетают из фоновых задач,

• и всё то, что ты видишь только когда что-то пошло не так (а оно обязательно пойдёт не так).

В итоге перевод оказался не “переводом”, а отдельной мини-разработкой: пройти все сценарии, найти все строки, вытащить их в нормальную систему локализации и убедиться, что нигде ничего не торчит.

И да — русская версия в итоге появилась: https://microstudy.ai/ru . Сайт, кстати, ИИ перевел очень быстро, и качественно.

Итого: вместо «двух недель с кофе» — два месяца инженерии и денег

В итоге после примерно 2 месяцев работы, ручного тестирования, улучшений архитектуры и бесконечных мелких правок в свободное от основной работы и семьи времени, сервис стал готов к запуску.

В голове это должно было быть:

А по факту это было:

• часы планирования, исследования и проектирования

• много ручного тестирования

• и сотни долларов, ушедших на инструменты, запуск, эксперименты, тестирование, инфраструктуру и модели

• и это ещё без маркетинга

• и я вообще молчу про свое время, которое я мог бы продать в разы дороже.

Про «исчезновение разработчиков» — мой вывод

Я видел тезис, что профессия инженера-программиста начнёт “исчезать” уже в 2026 году.

После этого опыта я могу сказать: не верю.

ИИ невероятно помогает:

• быстро разобраться в новой теме,

• ускорить написание кода,

• сделать рутину,

• подсказать варианты.

Но он не делает за тебя:

• архитектуру и компромиссы,

• безопасность,

• устойчивость и эксплуатацию,

• грамотные ограничения и взаимодействие с чужими интерфейсами,

• и вообще «инженерный здравый смысл».

А программная инженерия начинается как раз там, где заканчивается «оно запускается у меня на ноутбуке».