Разработчик, переходящий от фронтенда к fullstack-разработке, столкнулся с типичной проблемой: код на бэкенде он писал, но цельной ментальной модели происходящего под ним не было. Чтобы восполнить пробел, он использовал Codex — ИИ-агента от OpenAI — и собрал open-source проект Runtime Lab. Это интерактивная лаборатория, где можно читать объяснения, открывать код, запускать эксперименты и видеть фактический порядок событий. Сейчас в проекте 24 главы на русском и английском языках, он доступен как сайт и как репозиторий на GitHub.
Толчком к созданию лаборатории стала работа над Nneon — платформой для публикации связанных языковых версий одной записи. В процессе автор впервые «нормально распробовал» Codex и заметил, что производство синтаксиса перестало быть главным ограничением: агент способен собрать CRUD, добавить страницу, протянуть API, написать миграцию и починить типовую ошибку одной задачи. Однако проблемы начинаются позже: когда нужно выбрать границы сервисов, не потерять данные при повторной доставке сообщения, понять причину роста памяти, заметить N+1 или не заблокировать Event Loop тяжёлым вычислением. Работа разработчика сместилась от «как написать этот цикл» к «что именно здесь должно происходить и почему это решение не развалится».
Именно тогда автор обнаружил, что знаний о runtime, базах данных и инфраструктуре не хватает. Он наткнулся на YouTube на roadmap перехода из frontend- в backend-разработку на Node.js, который совпал с его ситуацией. Первым серьёзным препятствием стал базовый runtime Node.js: Event Loop, очереди, демультиплексор событий, libuv, разница между готовностью callback и его фактическим выполнением. Отдельные объяснения были понятны, но стоило закрыть видео или статью, как знания снова превращались в набор слов. Тогда автор написал Codex промпт с просьбой инициировать fullstack-проект, на котором можно запускать и наблюдать разные механизмы: демультиплексор событий, очередь callbacks, блокировку потока, Event Loop и другие темы.
Результат удивил: Codex придумал полноценную дизайн-систему, хотя его об этом не просили. Первая версия проекта включала шесть экспериментов, минимальную теорию и временную шкалу выполнения. Codex собрал небольшой стенд с боковым меню, кнопкой запуска, теоретическим блоком, временной шкалой и логом событий. Это ещё не было глубоким учебным материалом, но исчезло главное трение: не приходилось каждый раз собирать контекст в голове. Автор отмечает, что проект — не полноценный курс и не попытка заменить документацию, а скорее единый интерфейс, в котором можно быстро вернуться к теме, прочитать объяснение, открыть код и запустить эксперимент.
Сейчас у проекта есть проблемы с вёрсткой, особенно на мобильных устройствах, но автор сначала хотел понять, нужен ли такой инструмент кому-нибудь, кроме него. Если не нужен, текущее состояние его устраивает. Однако кейс поднимает более широкий вопрос: как ИИ-агенты меняют процесс обучения разработчиков. С одной стороны, они ускоряют написание кода и позволяют быстрее получать работающие функции. С другой — без понимания архитектуры и внутренних механизмов сложно предвидеть поведение приложения под нагрузкой. Runtime Lab — попытка совместить генерацию кода с формированием ментальной модели, и в этом его ценность для сообщества.
