Идея была простой

Я начал с небольшого личного инструмента: Telegram-бота, в котором можно записывать тренировки, выбирать упражнения и постепенно собирать историю занятий. Не планировалось создавать большую платформу. Хотелось получить понятный MVP, которым действительно удобно пользоваться после тренировки.

ИИ хорошо помогал двигаться от идеи к конкретным действиям: объяснить структуру проекта, подготовить основу обработчика, разобрать ошибку, подсказать следующий шаг. Это создавало ощущение быстрого прогресса. Каждая отдельная задача решалась, бот обрастал возможностями — и именно здесь обнаружилась ловушка.

Проблема № 1. Мы строили кнопки раньше, чем пользовательский путь

В боте кнопка — это не просто элемент интерфейса. За ней стоит целый маршрут: в каком состоянии находится пользователь, какое действие он выбрал, какие данные уже введены, куда можно вернуться и что произойдёт при отмене. Если продумать только саму кнопку и её обработчик, легко получить набор работающих фрагментов без цельного сценария.

Я столкнулся с этим на практике: после исправления кнопки главного меню перестал открываться каталог. Одна часть интерфейса снова работала, а другой путь оказался сломан. Это был хороший сигнал: проверять нужно не только тот экран, который сейчас чинишь, а всю цепочку переходов — от главного меню до выбора упражнения и возврата назад.

Проблема № 2. Обработчики постепенно превратились в клубок

Когда проект растёт маленькими шагами, очень соблазнительно добавлять новую ветку прямо туда, где нашлось похожее место. Так логика команд, callback-кнопок, состояний и формирования меню начинает тесно переплетаться. Большой файл обработчиков становится всё сложнее читать: чтобы изменить одно поведение, приходится выяснять, какие ещё участки зависят от него.

Это не означает, что для небольшого бота обязательно нужна сложная корпоративная архитектура. Но даже MVP полезно разделить хотя бы на понятные зоны ответственности: обработчики принимают действия пользователя, сервисный слой выполняет правила приложения, работа с базой отвечает за сохранение данных, а клавиатуры и тексты интерфейса не должны незаметно управлять бизнес-логикой.

Проблема № 3. Инфраструктура тоже требует порядка

Отдельным этапом стали Docker, PostgreSQL и конфигурация окружения. При настройке Compose пришлось разбираться с дублирующимися секциями и томами, а также наводить порядок между рабочим .env и примером .env.example. Это не самые сложные технические задачи, но они отнимают время, если структура проекта и правила запуска заранее не зафиксированы.

Вывод оказался простым: инфраструктурные решения тоже нужно документировать. Где лежат переменные окружения? Какие сервисы поднимает Compose? Кто отвечает за миграции? Как запустить чистую копию проекта? Ответы не должны храниться только в памяти разработчика или в старой переписке с ИИ.

Главный вывод: ИИ ускоряет работу, но не заменяет архитектуру

ИИ может написать функцию, предложить обработчик и помочь найти ошибку. Но если не определить заранее границы модулей, состояния и правила переходов, отдельные решения легко складываются в систему, которую неудобно развивать. Модель отвечает на поставленную задачу; ответственность за то, чтобы задачи образовывали согласованный продукт, остаётся у разработчика.

Самая опасная привычка — просить ИИ исправить очередную проблему, не проверяя, почему она возникла и какие части проекта затронет изменение. Локально всё может выглядеть правильно, но пользовательский путь при этом ломается в другом месте. Поэтому после каждого заметного изменения нужны не только проверка конкретной кнопки, но и короткий регрессионный проход по главным сценариям.

Что я бы сделал иначе сейчас

Не провал, а полезный промежуточный результат

Бот запускается, база данных подключена, основные части уже существуют. Но я не хочу путать техническую работоспособность с удобством. Если для обычного действия приходится помнить внутреннюю логику меню или после одного исправления перестаёт работать соседний экран, значит, проекту ещё нужна работа — прежде всего над архитектурой и пользовательским опытом.

Поэтому я убираю его из списка самостоятельных проектов и оставляю здесь как разбор опыта. Для меня это честнее и полезнее: показать не только то, что удалось собрать с помощью ИИ, но и то, чему научила цена быстрых решений. Следующий проект хочется начинать не с вопроса «какой код написать?», а с вопроса «как это должно работать для человека — и из каких частей лучше это построить?».

END OF ENTRY_002 Вернуться на главную ↗