Межа між ручним написанням коду та оркестрацією нейромереж стає майже непомітною. Сучасна програмна інженерія еволюціонує: від простого автодоповнення вона переходить до повноцінного інтелектуального аудиту складних систем. Кейс із підготовки релізу бібліотеки sqlite-utils наочно демонструє ефективність перехресної перевірки коду за допомогою різних моделей. Такий підхід дозволяє виявляти критичні помилки, які можуть вислизнути навіть від самих авторів інструменту.
Процес підготовки другого реліз-кандидата популярної бібліотеки sqlite-utils 4.0rc2 перетворився на своєрідний полігон для випробування можливостей сучасних LLM. Основний обсяг роботи з ревізії коду взяла на себе модель Claude Fable 5, яка фактично виконала роль провідного інженера з якості (QA lead). Весь цикл підготовки розпочався з одного високорівневого запиту: нейромережі було доручено провести фінальний аудит перед стабільним релізом і виявити всі потенційні «breaking changes» (критичні зміни), що могли б негативно вплинути на сумісність.
Масштаби виконаної роботи вражають своєю автономністю. За 37 ітерацій взаємодії модель сформувала 34 коміти, зачіпаючи 30 файлів. У підсумку до кодової бази було додано понад тисячу рядків, що дозволило суттєво стабілізувати систему. Примітно, що управління процесом відбувалося практично дистанційно — через мобільний інтерфейс Claude Code, що підкреслює трансформацію ролі розробника: від безпосереднього написання коду до високорівневого менеджменту інтелектуальних агентів.
Найвагомішим результатом цього аудиту стало виявлення п'яти критичних багів, класифікованих як блокери релізу. Найнебезпечнішим виявився дефект у методі delete_where(), який не фіксував транзакцію і залишав з'єднання з базою даних відкритим. У контексті роботи з SQLite це означає катастрофічний сценарій: усі наступні записи в базу могли мовчки відкочуватися при закритті з'єднання, що фактично призводить до втрати користувацьких даних. Подібні помилки надзвичайно складно відловити під час звичайного тестування, оскільки вони проявляються не одразу і залежать від життєвого циклу з'єднання.
Задля забезпечення максимальної надійності було застосовано стратегію перехресного рев'ю. Фінальний код, підготовлений Claude, був переданий конкуренту — моделі GPT-5.5 через Codex. Цей етап дозволив виявити ще дві проблеми рівня P1, які потім були підтверджені та виправлені в новій сесії Fable. Практика «взаємного контролю» нейромереж перестає бути теоретичною вправою і стає стандартним індустріальним методом, що дозволяє нівелювати галюцинації або «сліпі зони» конкретної моделі.
Економічний аспект питання також заслуговує на увагу. Аналіз вартості сесії за допомогою утиліти AgentsView показав, що при оплаті за тарифами API така глибока проробка релізу обійшла б приблизно в 149 доларів. Однак використання преміальних підписок дозволяє оптимізувати витрати, хоча індустрія рухається до жорсткіших лімітів і кредитної системи оплати. Цей перехід, іронічно названий «фаблпокаліпсисом», знаменує кінець епохи необмеженого доступу до топових моделей у рамках фіксованої щомісячної плати, змушуючи розробників точніше розраховувати вартість інтелектуального ресурсу.
Цифрова незалежність з оновленням Immich 3.0
