Как ИИ воплощает идеи в реальность

Я заведующий клинико-диагностической лабораторией. 15 лет в медицине. Днём — биоматериалы, анализаторы, Минздрав. Ночью — соло-разработчик: 19 проектов, AI-трекер речевого развития детей, парсер госзакупок, голосовые боты, VPN-платформа. Всё это на нескольких VPS.

И вот что я понял за последний год: проблема — не в идеях. Проблема — в их воплощении.

У меня в голове одновременно живёт штук 30 проектов. Половина — на стадии «было бы круто». Раньше от идеи до рабочего прототипа проходило 3-4 месяца. Сейчас — 15 минут. Не потому что я стал быстрее. Потому что я перестал делать всё вручную.

В этой статье — конкретные примеры того, как связка «человек генерирует идеи → ИИ воплощает» работает в моей лаборатории. Без корпоративного новояза. С реальными цифрами, провалами и выводами.

Суть: не «ИИ работает за человека», а «человек + ИИ = умножение»

Есть два лагеря людей. Первый боится, что ИИ заберёт работу. Второй верит, что ИИ всё сделает сам. Оба неправы.

Модель, которая работает:

Евгений (@DoctorMES)           Qwen Code / content-agent
─────────────────              ──────────────────────────
Генерирует идеи               Анализирует контекст
Принимает решения             Пишет код, статьи, посты
Определяет направление        Ведёт рутину
Синтезирует и решает          Масштабирует

Я не программирую в привычном смысле. Я формулирую задачу. ИИ разбивает её на шаги, пишет код, деплоит, тестирует. Я проверяю, принимаю или отправляю на доработку. Это не делегирование — это умножение продуктивности.

Конкретные примеры: в мае 2026 года мой бэклог эволюции содержал 38+ задач в статусе pending. За одну сессию Qwen Code закрыл несколько из них — это реальные задачи: исправление git remote, очистка логов, создание README. Вручную я бы потратил на это значительно больше времени.

Пример 1: Myrmex Forge — от «нужна папка для статей» до полноценной системы инбокса за 15 минут

Идея: У меня накопилось десятки черновиков статей, заметок, идей. Они лежали в разных местах: заметки в Telegram, файлы на сервере, голосовые сообщения. Нужна была единая система инбокса — куда скидывать сырьё, а потом забирать оттуда готовые материалы.

Что сделал ИИ: За одну сессию Qwen Code создал полноценную систему Myrmex Forge:

Директорию inbox/articles/ для сырья
Директорию inbox/reviews/ для рецензий
Директорию inbox/archive/ для архивированных материалов
Формат фронтмата для каждой статьи (title, author, platform, topics, status)
Формат рецензии с вердиктом: approved / needs_work / rejected
Процесс: Myrmex Forge генерирует → Кот рецензирует → Евгений утверждает

Результат: 15 минут от идеи до работающей системы с файловой структурой, форматами и процессом. Раньше я бы потратил вечер на проектирование и ещё день на реализацию.

Провал: Первая версия инбокса не имела статусной системы. Статьи копились, но непонятно было, что с ними делать. Добавили статусы draft → review → approved → published. Мелочь, но без неё система не работала.

Пример 2: HYPE PROTOCOL — контент-машина, которая превращает изменения в коде в посты

Идея: У меня 19 проектов. Каждый обновляется. Каждое обновление — это потенциальный пост. Но я не могу вручную отслеживать все изменения и писать о них посты. Это полная работа на полставки.

Что сделал ИИ: Создал HYPE PROTOCOL v2.0 — протокол автономного производства контента.

Принцип работы:

projects.json (19 проектов)
        │
        ▼
   OBSERVE сканер (каждые 6 часов)
        │
        ├── Новый проект → анонс в Telegram + TenChat
        ├── Обновление проекта → технический пост
        ├── Новый агент → пост «как я нанял AI-агента»
        ├── Инцидент → честный пост о провале
        └── Релиз → анонс с результатами
        │
        ▼
   Генерация контента (Qwen Code)
        │
        ├── Telegram: 1-3 поста/день, 150-400 символов
        ├── TenChat: 1 пост/день
        ├── Habr: 1 статья в 2 недели
        └── VC.ru: 1 статья в 2 недели (чередуя с Habr)

Результат: Система полностью описана в спецификации на 400+ строк. Контент-банк — 42 темы, извлечённые из реальных проектов. Голос бренда зашит в промпт: дерзкий, технический, честный. Запрещены слова «синергия», «экосистема решений», «инновационный подход».

Провал: Первая версия HYPE PROTOCOL генерировала сплошной хайп без содержания. «Проект X обновлён! Круто!» — такой контент вызывает только отток. Исправили: каждый пост должен содержать конкретику — числа, факты, выводы. Без конкретики — не публикуем.

Пример 3: ЗПРР Трекер — от «AI для логопедов» до production

Идея: ЗПРР — задержка психо-речевого развития. Речевые нарушения у детей — распространённая проблема. Логопедов не хватает. Родители не понимают, как отслеживать прогресс. Нужен AI-трекер, который анализирует речь ребёнка и даёт обратную связь.

Что сделал ИИ: За несколько сессий Qwen Code построил полноценный продукт:

Backend на FastAPI + PostgreSQL
Анализ речевых паттернов
Трекинг прогресса по дням/неделям/месяцам
Чек-листы для родителей
CI/CD pipeline
SSL-сертификаты
Деплой на production-сервер

Результат: От идеи до рабочего прототипа — значительно быстрее, чем вручную. Система развернута и работает.

Провал: Аудит показал, что директория проекта исчезла с диска, хотя на неё ссылались 6 git remote других проектов. Кто-то (что-то?) скопировал .git директорию из zprr-tracker в другие проекты. Это бомба: пуш из любого из этих репозиториев мог перезаписать чужой код. Пришлось вручную исправлять remote-ы у 5 проектов. Урок: ИИ может создать инфраструктуру, но контроль целостности — на человеке.

Пример 4: Ренейминг — от «ANTLR» до бренда DoctorM&Ai

Идея: Проект назывался технически — ANT_COLONY, ANTLR. Звучит как парсер для компиляторов, а не как бренд медицинского AI.

Что сделал ИИ: Qwen Code проанализировал все проекты, их описания, целевую аудиторию. Предложил ребрендинг:

ANT_COLONY → Муравейник (агентная система, где каждый агент — муравей)
Бренд → DoctorM&Ai (Doctor M&A + AI — медицинский эксперт + искусственный интеллект)
Канал → @LLMevangelist (евангелист больших языковых моделей)

Результат: Бренд стал запоминающимся. DoctorM&Ai — это не просто имя, это позиционирование: врач, который разбирается в AI, или AI, который разбирается в медицине.

Провал: Первые варианты нейминга были слишком «корпоративными». MedAI Solutions, HealthBot Pro — скучно, не запоминается. Пришлось явно прописать в промпте: «никаких корпоративных названий, только живые, дерзкие, запоминающиеся».

Пример 5: Канбан-доска — внешний мозг для СДВГ

Идея: У меня 38+ задач в бэклоге. Часть — in_progress, часть — pending, часть — забыты. Голова не держит. Нужна визуальная система.

Что сделал ИИ: Создал канбан-доску прямо в файловой системе:

evolution_backlog.json
├── 🔴 Critical (priority 0) — 3 задачи
├── 🟡 High (priority 1) — 12 задачи
├── 🟢 Medium (priority 2) — 15 задачи
└── ⚪ Low (priority 3) — 8 задач

Каждая задача — JSON-объект с полями: id, title, description, status, priority, created, updated. Qwen Code автоматически обновляет статусы при выполнении, добавляет новые задачи при обнаружении проблем.

Результат: Внешний мозг работает. Я больше не держу задачи в голове. Система сама напоминает, что пора сделать.

Провал: Первая версия была слишком сложной — с тегами, зависимостями, дедлайнами, подзадачами. Потратил 2 часа на систему управления задачами вместо того, чтобы делать задачи. Упростил: только статус и приоритет. Всё остальное — в описании задачи.

Пример 6: shtab-ai.ru — сайт-визитка за одну сессию

Идея: Нужен лендинг для бренда DoctorM&Ai. Быстро, дёшево, без дизайнера.

Что сделал ИИ: За одну сессию Qwen Code:

Сгенерировал HTML/CSS лендинг
Разместил на /var/www/shtab-ai.ru/
Настроил nginx
Подключил SSL

Результат: Сайт работает, доступен по https. Время от идеи до деплоя — менее часа.

Провал: Первая версия сайта выглядела как типичный AI-лендинг — стоковые фразы, шаблонный дизайн. Пришлось прописать в промпте: «никаких "Мы — инновационная компания". Только факты: кто, что, зачем, с какими цифрами».

Пример 7: Бэклог эволюции — задача → результат

Идея: Нужна система, которая отслеживает прогресс по всем 19 проектам и автоматически находит задачи для выполнения.

Что сделал ИИ: Создал evolution_backlog.json — центральный реестр задач. Каждый запуск Qwen Code:

Читает бэклог
Находит задачи в статусе pending
Выполняет то, что может
Обновляет статусы
Добавляет новые задачи при обнаружении проблем

Результат: Система сама себя развивает. Аудит нашёл 16.7 МБ логов в репозиториях → задача на очистка → выполнена. Аудит нашёл 6 неверных git remote → задача на исправление → выполнена. Аудит нашёл 8 проектов без README → задача на создание → в процессе.

Технические детали: как это устроено под капотом

Стек

Сервер:     VPS (Warsaw), 2 vCPU, 4 RAM, 40 SSD
ОС:         Ubuntu 22.04
Python:     3.10+ (aiogram, FastAPI, requests)
Node.js:    React + Vite (dashboard-ы)
База:       PostgreSQL + SQLite (для мелочей)
Деплой:     systemd + nginx + certbot
Мониторинг: os-lab-api (FastAPI, порт 8002)
Контент:    HYPE PROTOCOL (Qwen Code + content-agent)

Ключевые принципы

Человек — архитектор. ИИ — строитель. Я определяю направление, принимаю решения, синтезирую. ИИ воплощает.
Файловая система как база данных. Вместо Jira — JSON-файлы. Вместо Confluence — Markdown. Вместо Trello — статусы в JSON. Проще, быстрее, надёжнее.
Автоматизация через systemd. Не Docker, не Kubernetes. Systemd-таймеры для периодических задач. Лёгкие, понятные, работают на любом Linux.
Контент из реальных событий. Не генерим контент ради контента. Каждый пост — это реальное изменение в реальном проекте.
Честность про провалы. Каждый провал — это контент и урок. 6 неверных git remote — это не стыдно, это история.

Что НЕ работает: честные провалы

1. ИИ не понимает контекст без явных инструкций. Первые версии контента были шаблонными. Пока не прописал голос бренда, тональность, запрещённые слова — получался корпоративный мусор.

2. ИИ не видит системных проблем. Аудит нашёл 6 неверных git remote. ИИ создал эту проблему (копируя .git между проектами), но не заметил. Только ручной аудит поймал.

3. ИИ не чувствует качество контента. Первые посты HYPE PROTOCOL были формально правильными, но пустыми. Только человек может оценить: «этот пост — мусор, не публикуем».

4. ИИ не управляет приоритетами. Система может выполнить 38 задач подряд, но не понимает, что задача #3 важнее задачи #15. Приоритеты — всегда на человеке.

5. ИИ не заменяет экспертизу. Я 15 лет в медицине. Когда ЗПРР Трекер анализирует речь ребёнка — медицинская экспертиза нужна для валидации результатов. ИИ не заменяет врача, он усиливает его.

Выводы

1. Идея без воплощения — это просто мысль. У каждого есть идеи. Разница между тем, кто делает, и тем, кто думает — в скорости воплощения. ИИ сжимает цикл «мысль → результат» с месяцев до минут.

2. Человек + ИИ ≠ ИИ вместо человека. Это умножение. Я генерирую идеи, ИИ воплощает. Я принимаю решения, ИИ считает. Я синтезирую, ИИ масштабирует.

3. Конкретика побеждает абстракцию. «Мы используем AI» — не работает. «Qwen Code закрыл 12 задач из 38 за 4 часа» — работает. Числа, факты, провалы, выводы.

4. Провалы — это контент. 6 неверных git remote, 16.7 МБ логов в репозиториях, упавший local-bot-api.service — это не стыдно. Это история, уроки и материал для постов.

5. Система важнее таланта. HYPE PROTOCOL, Myrmex Forge, бэклог эволюции — это системы. Они работают, когда я сплю. Талант без системы — это хаос. Система без таланта — это рутина. Вместе — это лаборатория.

Автор: DoctorM&Ai (@DoctorMES) — заведующий КДЛ, соло AI-разработчик, строитель лаборатории ЗавЛаб.

Канал: @LLMevangelist

Сайт: shtab-ai.ru

Как ИИ воплощает идеи в реальность: полный цикл от мысли до результата