Граница между ручным написанием кода и оркестрацией нейросетей становится практически прозрачной. Современный софтварный инжиниринг переходит от этапа простого автодополнения к полноценному интеллектуальному аудиту сложных систем. Кейс с подготовкой релиза библиотеки sqlite-utils наглядно демонстрирует эффективность перекрестной проверки кода разными моделями. Этот подход позволяет выявлять критические ошибки, которые способны ускользнуть даже от создателей инструмента.
Процесс подготовки второго релиз-кандидата популярной библиотеки sqlite-utils 4.0rc2 стал своего рода полигоном для тестирования возможностей современных LLM. Основную нагрузку по ревизии кода взяла на себя модель Claude Fable 5, которая фактически выступила в роли ведущего инженера по качеству. Весь цикл подготовки начался с одного высокоуровневого запроса: нейросети было поручено провести финальный аудит перед стабильным релизом и выявить все потенциальные «ломающие» изменения (breaking changes), которые могли бы негативно повлиять на совместимость.
Масштаб проделанной работы впечатляет своей автономностью. За 37 итераций взаимодействия модель сформировала 34 коммита, затронув 30 файлов. В итоге в кодовую базу было добавлено более тысячи строк, что позволило существенно стабилизировать систему. Примечательно, что управление процессом происходило практически дистанционно — через мобильный интерфейс Claude Code, что подчеркивает переход роли разработчика от написания кода к высокоуровневому менеджменту интеллектуальных агентов.
Наиболее значимым результатом этого аудита стало обнаружение пяти критических багов, классифицированных как блокеры релиза. Самым опасным оказался дефект в методе delete_where(), который не фиксировал транзакцию и оставлял соединение с базой данных открытым. В контексте работы с SQLite это означает катастрофический сценарий: все последующие записи в базу могли молча откатываться при закрытии соединения, что фактически ведет к потере пользовательских данных. Подобные ошибки крайне сложно отловить при обычном тестировании, так как они проявляются не сразу и зависят от жизненного цикла соединения.
Для обеспечения максимальной надежности была применена стратегия перекрестного ревью. Финальный код, подготовленный Claude, был передан конкуренту — модели GPT-5.5 через Codex. Этот этап позволил обнаружить еще две проблемы уровня P1, которые затем были подтверждены и исправлены в новой сессии Fable. Практика «взаимного контроля» нейросетей перестает быть теоретическим упражнением и становится стандартным индустриальным методом, позволяющим нивелировать галлюцинации или слепые зоны конкретной модели.
Экономическая сторона вопроса также заслуживает внимания. Анализ стоимости сессии через утилиту AgentsView показал, что при оплате по тарифам API такая глубокая проработка релиза обошлась бы примерно в 149 долларов. Однако использование премиальных подписок позволяет оптимизировать затраты, хотя индустрия движется к более жестким лимитам и кредитной системе оплаты. Этот переход, иронично названный «фаблпокалипсисом», знаменует конец эпохи неограниченного доступа к топовым моделям в рамках фиксированной ежемесячной платы, заставляя разработчиков более точно рассчитывать стоимость интеллектуального ресурса.
Цифровая независимость с обновлением Immich 3.0
