Как ИИ помог создать приложение PebbleNET для Pebble Time 2
ChatGPT и Codex помогли воссоздать на Pebble Time 2 атмосферу сервиса MSN Direct середины 2000-х. Эксперимент с приложением PebbleNET показал, что «вайб-кодинг» не отменяет проектирование, настройку данных и долгую отладку.
Генеративный ИИ действительно способен помочь человеку без профильного образования собрать работающее приложение, однако путь от идеи до готового софта оказывается гораздо сложнее одного удачного запроса. Это подтвердил эксперимент с Pebble Time 2: для часов было создано приложение PebbleNET, вдохновлённое сервисом Microsoft MSN Direct и устройством Fossil Abacus из середины 2000-х.
Основой проекта стала PebbleOS — операционная система с открытым исходным кодом, позволяющая создавать собственные программы для часов. Задача заключалась не в точной копии старого сервиса, а в передаче его внешнего вида и набора привычных информационных разделов: котировок, новостей, погоды и спорта.
Двух ИИ-моделей оказалось недостаточно без участия человека
Для работы использовалась связка ChatGPT и Codex. Доступ к Codex уже входил в подписку ChatGPT Plus стоимостью $20 в месяц. ChatGPT применяли в том числе для проработки и уточнения запросов к Codex: чем точнее были описаны желаемая логика, оформление и поведение интерфейса, тем полезнее оказывался результат.
На первом этапе Codex изучил в интернете, как выглядел MSN Direct, включая шрифты и компоновку элементов. После нескольких итераций удалось получить оформление, напоминающее шрифт Nina, который Microsoft использовала около 20 лет назад. Затем появилась базовая структура приложения с разделами Stocks, News, Weather и Sports. В эмуляторе PebbleOS программа поначалу выглядела вполне работоспособной.
Однако визуальная часть оказалась лишь началом. ИИ не превратил создание приложения в полностью автоматический процесс: каждое заметное решение требовало проверки, уточнений и новых запросов. Модель могла помочь с кодом и последовательностью действий, но не могла самостоятельно гарантировать, что сервис будет стабильно получать и корректно показывать актуальные данные.
Главные трудности — данные, API и отладка
Для разделов с котировками и спортивными результатами понадобились надёжные API-источники. Нельзя просто взять и перенести в приложение счёт матчей со страницы ESPN: требуется настроить каналы получения информации и убедиться, что они регулярно обновляются. Если бы PebbleNET планировалось распространять или продавать, пришлось бы отдельно учитывать вопросы лицензирования данных.
Даже в личном проекте отладка заняла много времени. Бета-версию удалось установить на часы при помощи подсказок ChatGPT и Codex, но затем пришлось последовательно исправлять ошибки. Сначала котировки не обновлялись должным образом. После этого возникла другая проблема: спортивные результаты не появлялись в день проведения матчей. Каждая неисправность потребовала нескольких циклов с запросами к ИИ, тестированием и корректировкой требований.
ИИ-модели также способны застревать в повторяющихся сценариях, поэтому человеку важно вовремя вмешиваться, менять подход и удерживать разработку в рамках исходной задачи. В итоге каналы данных удалось наладить, а PebbleNET уже несколько дней используется на Pebble Time 2.
ИИ снижает порог входа, но не заменяет разработчиков
Эксперимент показывает, что ChatGPT и Codex могут открыть доступ к созданию простых личных приложений людям, которые прежде не писали код. Они помогают сформулировать задачу, подготовить основу интерфейса, разобраться с эмулятором и быстрее найти возможные решения. Но готовый продукт по-прежнему требует терпения, понимания собственных целей, ручного тестирования и работы с внешними сервисами.
«Вайб-кодинг» полезен как инструмент для прототипов и небольших проектов вроде ностальгического циферблатного приложения с новостями, погодой и спортом. Считать его полноценной заменой профессиональной разработке пока преждевременно: за удобным интерфейсом приложения остаются архитектура, стабильность, лицензии, обработка ошибок и поддержка данных.
