Несколько месяцев назад журналист The Verge решил навести порядок в своём саду — и заодно проверить, насколько далеко зашли инструменты генеративного ИИ. Вместо традиционного изучения программирования он обратился к Google ИИ Studio, ввёл один развёрнутый запрос на естественном языке и через несколько минут получил в окне предварительного просмотра рабочее Android-приложение. Gemini создал каркас с разделами для управления зонами растений, планирования задач и «растительного доктора», способного диагностировать проблемы по фотографиям.
Однако первый вариант оказался далёк от завершённого продукта. Цветовая схема — тёмный фон с бордово-фиолетовыми акцентами — делала текст почти нечитаемым. После просьбы сменить палитру на белую с зелёными, розовыми и голубыми тонами ИИ выдал более приятный вариант и добавил приветствие «Welcome Back, Gardeneer!». Журналист решил оставить это слово в приложении как дань творческому подходу нейросети.
Первая версия приложения имела несколько критических ограничений: нельзя было редактировать созданные задачи, привязывать их к конкретным датам или связывать профили растений с задачами. Кроме того, Gemini по умолчанию использовал вымышленные климатические пресеты вместо реальных погодных данных. Пришлось объяснить модели, что в физическом мире существует API для получения текущей погоды.
Готовая программа умела классифицировать растения, рекомендовать уход и диагностировать проблемы через изображения.
Весь процесс превратился в цикл: запрос на обновление — ожидание обработки — удаление старой версии на телефоне — установка новой. При этом Gemini сообщил об ошибке в канале связи: «Channel is unrecoverably broken and will be disposed!» — и предложил нажать кнопку для исправления. После этого модель за 233 секунды устранила проблему, упомянув «блокировки» и «race conditions». Автор не понял технических деталей, но был впечатлён.
Этот эксперимент — не единичный случай, а часть тренда, получившего название vibe-coding: создание программного обеспечения с помощью многократных диалогов с ИИ, когда разработчик лишь формулирует намерения, а модель генерирует код и исправляет ошибки. Хотя готовое приложение не обладает всей функциональностью коммерческих продуктов, оно уже выполняет базовые задачи: классификацию растений, рекомендации по уходу и распознавание проблем через камеру.
История показывает, что генеративный ИИ постепенно снижает порог входа в разработку: теперь человек без навыков программирования может получить работающее мобильное приложение за несколько часов, а не месяцев. Однако путь до стабильного, удобного и безопасного продукта по-прежнему требует ручной настройки, понимания архитектуры и готовности многократно перепроверять результаты работы нейросети.
