Может ли LLM создать заготовку Django-проекта?

Вот важная новость с фронта ИИ: kmmbvnr 3 минуты назад Может ли LLM создать заготовку Django-проекта? 4 мин 3 Я пиарюсь Кейс Мне всегда хотелось, чтобы генераторы Django-проектов работали совсем иначе:Вы пишете одно предложение: «Доска вакансий. Postgres, вход через Google, фоновые задачи, Stripe, деплой на мой VPS».

Через пару минут у вас уже есть заготовка проекта: нужные пакеты подключены и связаны между собой, настройки для разработки и продакшена разделены, CI настроен, проект запускается. В теории всё выглядит идеально: вместо готового шаблона ИИ сам выбирает нужные компоненты, связывает их между собой и собирает проект под ваши требования. Но справляется ли он с этим на практике?

Технические детали

Чтобы это проверить, я сделал Skill для AI-агентов, который генерирует Django-проект по одному предложению, а затем автоматически проверяет результат. Несколько недель я итеративно улучшал его: модель генерировала проекты, проверка находила ошибки, инструкции в SKILL. md сокращались и уточнялись, после чего цикл запускался снова.

За это время было сгенерировано несколько сотен проектов, и постепенно стало понятно, какие ошибки повторяются чаще всего. Знания модели ограничены датой обучения, поэтому она опирается на то, что было актуально на тот момент. Когда я просил подключить Stripe, она порой писала код под SDK, отстававший на два мажорных релиза, из-за чего интеграция с вебхуками уже не работала.

Иногда код биллинга и вовсе отсутствовал. С самим Django та же история: не всегда, но достаточно часто проект генерировался на Django 4. 2 вместо актуальной шестой версии.

Отраслевые последствия

Небезопасные настройки по умолчанию. Без явной цели для продакшена сгенерированная болванка оставляла настройки для разработки как есть: включённый режим отладки, полностью открытая проверка хоста, одноразовый секретный ключ, закоммиченный прямо в репозиторий. И никаких предупреждений, что с этим нельзя выкатываться в продакшен.

Настройки, сгенерированные в одном файле, напрочь ломали другой. А иногда фоновая задача ссылалась на код, который так и не написали. По отдельности каждый файл выглядел нормально, но вместе проект не работал.

Иногда сгенерированный код пропускал шаги, которые выполняются только при деплое. В одном проекте не было команды, применяющей миграции базы при запуске контейнера, — и приложение падало на первом же запросе. В другом модель настроила периодическую задачу для Celery Beat, но забыла добавить сам celery beat в конфигурацию деплоя.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.