
КейсЕвгений16 мин чтения
ИИ для создания приложений: как работать с агентами и проверять результат
Как собрать приложение с помощью ИИ-агентов: план, схема данных, права доступа, секреты, тесты и ревью другой моделью на живом примере.
Содержание · 10 разделов
ИИ для создания приложений уже пишет рабочий код, поднимает инфраструктуру и прогоняет тесты. Сложности начинаются, когда в приложении появляются данные, пользователи и права: код «вроде работает», а потом выясняется, что чужую запись можно прочитать, фоновая задача тихо умерла, а проверку обошёл хук Git.
С октября 2026 года я собираю ИИ-агентами SEO-кабинет для статей этого блога. Ниже путь, который у меня сложился: требования, данные и права, код, тесты с фактическим результатом, ревью другой моделью, выпуск и откат. С реальными поломками и с тем, как их поймали.
Что ИИ умеет в создании приложений сейчас
Для этой статьи инструменты удобно разделить на два сценария работы, и от сценария зависит, сколько решений останется за вами.
Конструкторы с агентом. Пример: Replit Agent. По документации Replit агент пишет код, настраивает инфраструктуру и тестирует результат. Там же есть режим плана, в котором можно обсудить и расписать проект до того, как агент изменит код или данные. Агент по ходу работы создаёт контрольные точки, к которым можно откатиться. В описании контрольных точек отдельно сказано, что точка хранит данные и схему базы, а восстановление содержимого базы при откате выбирается отдельной опцией. Откат кода и откат данных у вас разные решения.
Кодовые агенты в репозитории. Claude Code, Codex, GitHub Copilot работают с вашим кодом, тестами и Git. Здесь больше контроля и больше ответственности. В карточке GitHub Copilot Agents прямо написано, что сгенерированный код нужно внимательно проверять и тестировать, особенно в критичных и чувствительных приложениях, а всё, что сделал агент, просматривать до слияния.
Поэтому вопрос «какую нейросеть для создания приложений выбрать» я ставлю вторым. Первый вопрос: как вы будете проверять то, что она написала.
Мой случай коротко
Кабинет статей блога пишут агенты: код делают Claude и Codex, а ревью ведёт GPT как отдельный рецензент, который этот код не писал (для кода Claude это ещё и модель другого семейства). Я ставлю задачи, пишу критерии приёмки и нажимаю кнопки на точках остановки. На третьем этапе это было приложение на стандартной библиотеке Python от версии 3.9 и SQLite: доска из 11 стадий статьи, проверки выхода из каждой стадии, материалы с цитатами. На четвёртом этапе добавились три отдельные очереди заданий (сайт, SEOMEAT, инструменты), чтобы многочасовое ожидание одной из них не держало публикацию.
Как устроен и собирается сам агент, я разбирал в статье как создать ИИ-агента. Здесь речь о приложении, которое агенты строят.
План до первой строки кода
Агент без рамок расширяет задачу сам. Поэтому до кода у меня появляется короткая спецификация из трёх частей.
- Критерий приёмки одной фразой. В спецификации MVP кабинета он звучал так: «Одна настоящая новая статья проходит в кабинете на ноде весь путь от темы до живой страницы». И уточнение: все шаги выполняются ручными кнопками, автопилот выключен. Такая фраза проверяется одним прогоном, без споров о том, «готово или почти».
- Список «не входит». В моём MVP туда ушли этапы автопилота, исполнители на отдельной машине, автопубликация и ещё несколько пунктов. Когда агент предлагает «заодно сделать», есть куда это записать вместо кода.
- Точки остановки. Установка на сервер, каждый выпуск статьи на сайт и любой платный запуск требуют отдельного «ок» владельца. Агент доходит до точки и ждёт.
К приёмке добавились два технических условия: тесты сервиса зелёные на Python 3.9 и 3.13, а ревью кода (инженерное и по безопасности) закрыто без открытых P0 и P1. То есть без найденных проблем высшего и высокого приоритета.
Инструменты это поддерживают. В Claude Code есть режим плана: агент читает файлы и предлагает план, но ничего не правит, пока вы его не одобрите. У Replit, как уже сказано, похожий режим перед изменением кода и данных.
Данные и кто пишет в базу
Схему данных стоит описать до кода и сразу заложить в неё владельца записи. Иначе агент сделает таблицу, где запись принадлежит «всем», и проверку прав придётся прикручивать сверху.
Минимальный пример схемы, где у каждой записи есть владелец:
CREATE TABLE users (
id INTEGER PRIMARY KEY,
name TEXT NOT NULL
);
CREATE TABLE notes (
id INTEGER PRIMARY KEY,
owner_id INTEGER NOT NULL REFERENCES users(id),
body TEXT NOT NULL,
created_at TEXT NOT NULL DEFAULT CURRENT_TIMESTAMP
);
CREATE INDEX notes_owner ON notes(owner_id);
Второй вопрос: кто и как пишет в базу. С SQLite это особенно важно. В документации по WAL сказано, что в этом режиме читатели не блокируют писателя и писатель не блокирует читателей, но писатель одновременно может быть только один. Там же: все процессы, работающие с базой, должны быть на одной машине, через сетевую файловую систему WAL не работает.
Если писатель занят, остальные ждут. Сколько ждут, задаёт busy_timeout: если блокировку снимут раньше, запись продолжится, а если она держится дольше заданного числа миллисекунд, обработчик перестаёт ждать и операция возвращает SQLITE_BUSY. Таймаут даёт время дождаться писателя, но успешной записи не гарантирует. Код должен быть готов к тому, что запись не прошла. В Python ожидание удобно задать прагмой busy_timeout: по документации SQLite она заменяет эту C-функцию для языковых привязок, а обработчик ожидания у соединения может быть только один.
import sqlite3
def open_db(db_path):
conn = sqlite3.connect(db_path)
conn.execute("PRAGMA journal_mode=WAL")
conn.execute("PRAGMA busy_timeout=5000")
return conn
Случай «database is locked»
3 ноября 2026 года у меня в кабинете умер поток публикации. В журнале: sqlite3.OperationalError: database is locked в момент, когда задание забиралось из очереди и открывалась пишущая транзакция BEGIN IMMEDIATE. HTTP кабинета при этом продолжал отвечать. Причину конкурирующей записи установить не удалось.
Порядок восстановления был такой. Сначала проверка только на чтение: нет ли выполняющихся или неразрешённых заданий и не стоит ли очередь на паузе. Потом перезапуск сервиса. Базу руками никто не трогал. Перезапуск вернул очередь, но дефект кода остался, постоянную защиту отправили на подготовку с тестом и ревью.
Вывод для любого приложения с фоновыми задачами: ответ «сервис жив» на HTTP-запрос ничего не говорит о том, живы ли фоновые потоки. Проверять нужно отдельно, по каждому потоку.
Права доступа по умолчанию закрыты
Права доступа агенту нужно прописать явно, до кода. В OWASP A01:2025 три правила, которые я переношу в задание агенту почти дословно:
- контроль доступа работает, только когда он реализован в доверенном серверном коде, где атакующий не может изменить проверку;
- всё, кроме публичных ресурсов, по умолчанию запрещено;
- модель доступа должна проверять, кому принадлежит запись; иначе любой пользователь сможет создавать, читать, менять и удалять любые записи.
Для схемы выше это значит, что владелец проверяется в самом запросе к базе. Идентификатор пользователя сервер берёт только из сессии, которую сам проверил при входе, и никогда из тела запроса, URL или произвольного заголовка: иначе атакующий подставит чужой. Функция ниже проверяет только принадлежность записи, аутентификацию и остальную авторизацию она не заменяет:
def get_note(conn, note_id, user_id):
row = conn.execute(
"SELECT id, body FROM notes WHERE id = ? AND owner_id = ?",
(note_id, user_id),
).fetchone()
if row is None:
raise PermissionError("note is missing or belongs to another user")
return row
Как устроен доступ агента в моём кабинете
Агент обращается к кабинету по токену, и у токена есть явный список разрешённых действий: материалы, сохранение и продвижение карточки по стадиям, запуск проверок и ревью. Отдельно перечислено запрещённое, это кнопки владельца: публикация, обновление, удаление, восстановление, отклонение, создание новой карточки и настройки. Неизвестный путь тоже запрещён. Правило редакции короткое: опубликовать может только владелец своей кнопкой, токену запрос на публикацию возвращает 403. Этот контракт я сверял с установленным кодом 31 октября 2026 года.
Общий принцип выглядит так:
AGENT_ALLOWED = {"/materials", "/save", "/advance", "/review_run"}
def agent_may(path):
# всё, чего нет в списке, включая неизвестные пути, запрещено
return path in AGENT_ALLOWED
Здесь работает именно список разрешённого. Новый путь, который агент добавит завтра, будет закрыт, пока его явно не откроют.
Секреты не живут в коде
Шпаргалка OWASP по управлению секретами начинается с неприятного наблюдения: многие организации держат секреты прямо в исходном коде открытым текстом, в конфигах и в инструментах управления конфигурацией. Там же два практических совета. Включить поиск секретов на стороне разработчика, чтобы они не попали в коммит, например через pre-commit хук. И не зашивать секреты в docker ENV и docker ARG, потому что они легко утекают вместе с описанием контейнера.
Для проекта с агентом к этому стоит добавить ещё одно правило: ключ хранится на сервере, где его читает приложение, и не попадает ни в промпт, ни в репозиторий. Самому агенту можно выдать ограниченный токен с узким списком действий, как в моём кабинете из раздела выше.
В примерах кода, которые генерирует агент, удобно сразу требовать чтение из окружения:
import os
MCP_TOKEN = os.environ["MCP_TOKEN"]
Тесты, которые ловят ошибки агента
Тесты у агента нужны по той же причине, что и у людей. В главе про тестирование из книги Software Engineering at Google сказано, что автоматические тесты могут не дать ошибкам дойти до пользователей, что они заставляют разобраться с проблемами рано и что тестирование не может быть делом «на потом». С агентом это острее: код появляется быстро, и без тестов вы узнаёте о поломке от пользователя.
Пирамида тестов помогает разложить проверки по уровням разной детальности и прикинуть, сколько тестов нужно на каждом. Для приложения с данными разумно начать с такого расклада: много быстрых тестов на правила доступа и работу с базой, меньше интеграционных на связку компонентов, совсем немного сквозных на путь пользователя.
Тесты в инструкции агента
Запишите агенту точные команды запуска тестов, а потом проверяйте, что он их действительно запустил и что они прошли. В рекомендациях по Claude Code советуют записать в CLAUDE.md, как подтвердить работу в репозитории: точные команды тестов, проверки типов и линтера, и как запустить один тестовый файл. Codex читает AGENTS.md до начала любой работы, и в примерах OpenAI там стоит правило вроде «всегда запускай npm test после изменения файлов JavaScript». Подробнее про Codex и AGENTS.md я писал в статье про OpenAI Codex.
Инструкция остаётся просьбой к модели. В тех же рекомендациях Anthropic различают инструкции и детерминированные правила: хук, правило запрета или управляемая настройка выполняются всегда, что бы ни решила модель. Поэтому критичное я закрепляю правилами и проверками, а в инструкцию пишу то, что помогает агенту работать правильно:
Проверка изменений
- После любой правки запускай: python -m pytest
- На каждое изменение прав добавляй тест, где чужой пользователь получает отказ.
- Миграции схемы и выкладку сам не запускай: остановись и спроси.
И отдельно про пограничные случаи. В описании рабочих сценариев Claude Code советуют формулировать, какое именно поведение проверить, и просить агента найти пограничные случаи, которые вы могли упустить. Для схемы выше это негативный тест доступа. Переменная SCHEMA в нём содержит SQL из раздела про данные, а get_note импортируется из модуля приложения (здесь он условно назван app):
import sqlite3
import pytest
from app import get_note # функция из раздела про права
SCHEMA = """
CREATE TABLE users (id INTEGER PRIMARY KEY, name TEXT NOT NULL);
CREATE TABLE notes (
id INTEGER PRIMARY KEY,
owner_id INTEGER NOT NULL REFERENCES users(id),
body TEXT NOT NULL,
created_at TEXT NOT NULL DEFAULT CURRENT_TIMESTAMP
);
"""
def test_foreign_note_is_denied():
conn = sqlite3.connect(":memory:")
conn.executescript(SCHEMA)
conn.execute("INSERT INTO users (id, name) VALUES (1, 'a'), (2, 'b')")
conn.execute("INSERT INTO notes (id, owner_id, body) VALUES (10, 1, 'x')")
with pytest.raises(PermissionError):
get_note(conn, 10, user_id=2)
Как это работало у меня
Правило простое: каждая находка ревью получает тест, который падает на старой версии и проходит на новой. На третьем этапе контрольная проверка исправлений подтвердила все 6 правок цикла: каждая падает на версии 1.2 и проходит на 1.3, регрессий нет, тесты 111 из 111. После исправления выкладки (о нём ниже) стало 116 из 116. В заметке четвёртого этапа: 120 из 120 для третьего этапа и 97 из 97 для четвёртого, на Python 3.9 и 3.13, плюс мутационные проверки. Для одного исправления я записал отдельно: если вернуть старый путь отказа, его ловят 4 теста из 4.
Цифры здесь важны меньше, чем привычка. Тест, который ни разу не падал, мало что говорит о конкретном дефекте. Падение на старой версии подтверждает, что тест воспроизводит дефект, а прохождение на новой подтверждает исправление именно этого сценария, но не отсутствие других обходов.
Ревью другой моделью
Автор кода плохо проверяет сам себя. В главе 9 книги Google ревью кода определено как проверка кем-то, кроме автора, обычно до того, как изменение попадёт в кодовую базу. Для агентов Anthropic описывает тот же принцип: команда ревью смотрит diff в свежем субагенте, который не видел вашего разговора, и рассуждения, которые привели к коду, на него не влияют.
У меня код пишут агенты Claude и Codex, а ревью ведёт GPT как отдельный независимый рецензент. Критерий блокирующий: пока есть открытые P0 или P1, этап не принят.
Как это выглядело на деле:
| Этап | Что нашёл рецензент | Итог |
|---|---|---|
| Этап 3, первый круг | Несогласие по четырём линиям: обход пути через имя статьи, пять проблем с транзакциями Git, импорт статей сайта, ещё один обход пути, вёрстка на ширине 320px | Всё исправлено в версии 1.1 |
| Этап 4, три круга | 9 P1, затем 3 P1, затем 0 P1 | P2 закрыты, кроме одного: поток проверки медленной ссылки живёт до 30 секунд после срока |
| Повторный аудит, 12.11.2026 | 1 P0 и 3 P1, в работе не проявились; из 17 пунктов аудита закрыто 14, частично 3 | Установка исправлений только после вопроса владельцу |
Путь до root, который нашёл рецензент
Одну из самых неприятных находок сделал рецензент по безопасности установки. Он нашёл путь: ключ кабинета позволяет запушить изменённый служебный скрипт, у пользователя выкладки есть sudo без пароля, значит, через выкладку взлом кабинета превращается в root.
Исправление сузило выкладку: она проходит, только если между текущим состоянием основной ветки на сервере и новым коммитом изменились одни файлы статей, а скрипты сборки остались прежними. Это проверили в песочнице на сервере: статья проходит, а изменённый скрипт выкладки, символическая ссылка, плохое имя и подпапка получают отказ. Тесты после этого 116 из 116. Второй круг ревью закрыл P1 и три P2, обхода фильтра выкладки не нашлось.
Внешний рецензент не заменяет остальные барьеры. В документации Codex по ревью pull request так и сказано: правила ревью направляют Codex, но не заменяют тесты, защиту веток и обязательные согласования. А GitHub советует дополнять ревью Copilot внимательным ревью человеком.
Если вы дошли до этого места и собираете похожее у себя, загляните в бот UnderCode: это бот автора блога.
Что ломалось при разработке и в работе
Тесты ловят не всё. Два случая ниже всплыли в работе, один нашло ревью.
Два агента собрали один этап в одну ветку. В журнале у меня запись о конфликте ветки: этап 4 собран дважды. Причина нашлась в самой панели задач: Multica при создании задачи, назначенной агенту, сама запускает отдельный прогон того же агента в своей папке, и он писал в ту же ветку и в папку проекта. Решение владельца: основой этапа взяли одну версию, параллельную отбросили. Урок: перед большой работой смотреть, какие прогоны уже идут по задаче. Как управлять несколькими агентами из одной панели, я разбирал в статье про несколько ИИ-агентов в Multica.
Хук Git обманывал проверку коммита. Кабинет решал, был ли коммит, сравнивая состояние репозитория до и после. Ревью трижды показало, что хук Git обходит такую проверку: коммит создан, а кабинет разрешает повтор. Решение получилось жёстким: любой проваленный коммит теперь даёт статус «неизвестно», и публикация встаёт на паузу до сверки. Повтор без сверки был только удобством, а сбои коммита у кабинета редки. Добавилась ещё одна защита: если в локальной копии есть коммит, которого нет в удалённом репозитории, публикация не стартует.
Перезапуск вернул очередь, но дефект не исправил. Это случай с «database is locked» из раздела про данные. После перезапуска всё выглядит нормально, и соблазн закрыть инцидент велик, хотя причина конкурирующей записи так и не установлена.
Общее у трёх случаев одно: отдельный сигнал (ответ HTTP, результат команды, завершённый прогон) ещё не подтверждал состояние всей системы. Поэтому в работе я больше доверяю явным статусам «неизвестно» и паузам, чем автоматическим повторам.
Чек-лист перед тем, как доверить агенту приложение с данными
Каждый пункт можно проверить и отметить:
- Критерий приёмки записан одной фразой и проверяется одним прогоном.
- Есть список того, что не входит в задачу, и точки остановки, где агент ждёт вашего решения.
- Для каждой сущности описана модель доступа: где запись принадлежит пользователю, владелец проверяется в запросе к базе на сервере, а идентификатор пользователя берётся из проверенной сессии.
- Доступ агента и пользователей построен на списке разрешённого, неизвестный путь возвращает отказ.
- Перечислены критичные операции (например, публикация, удаление, настройки) и роли, которым они разрешены. В моём кабинете токен агента получает на них 403.
- Секретов нет в коде и в репозитории, перед коммитом работает поиск секретов.
- Для базы понятно, кто пишет и что происходит при SQLITE_BUSY, а фоновые задачи проверяются отдельно от HTTP.
- Команды тестов записаны в CLAUDE.md или AGENTS.md, а критичные правила закреплены хуками и запретами.
- Каждая находка ревью получает тест, который падает на старой версии и проходит на новой, включая негативные тесты доступа.
- Ревью делает другая модель или человек, и открытые P0 и P1 блокируют выпуск; откат кода и данных продуман заранее.
Частые вопросы
Можно ли создать приложение с помощью ИИ без программирования
Прототип собрать можно без своего кода: Replit Agent по документации сам пишет код, настраивает инфраструктуру и тестирует результат. Решения о данных, правах и выпуске всё равно остаются за вами, а чтобы проверить права, базу, секреты и выкладку перед реальными пользователями, может понадобиться технический специалист.
Какой ИИ выбрать для создания приложений
Сначала выберите сценарий: конструктор с агентом или кодовый агент в репозитории. В конструкторе вроде Replit агент берёт на себя и инфраструктуру. Кодовый агент работает в вашем репозитории, где тесты, ревью и Git остаются под вашим контролем. Внутри сценария выбирайте инструмент, который поддерживает план до правок, инструкции с командами тестов и независимое ревью.
Можно ли выкладывать то, что сделал агент, сразу
GitHub советует просматривать всё, что сделал агент, до слияния. У меня каждый выпуск статьи на сайт и любая установка требуют отдельного «ок» владельца, а повторный аудит даже работающего кабинета нашёл P0 и три P1, которые в работе не проявились. Выкладывать стоит после тестов, ревью и вашего решения.
Читайте также
- Как создать ИИ-агента: рабочий агент на Python за 57 строк и что нужно ему дальше
- OpenAI Codex: что это, как устроен доступ и как начать
- Как управлять несколькими ИИ-агентами: тест Multica с Codex и Hermes
- Нейросеть для написания текста: черновик по источникам и проверка
- Файловый сервер на Samba: общая папка и права доступа для дома и офиса
Источники
- A01:2025 Broken Access Control (OWASP)
- Secrets Management Cheat Sheet (OWASP)
- Best practices for Claude Code (Anthropic)
- Common workflows (Anthropic)
- Custom instructions with AGENTS.md (OpenAI)
- Review GitHub pull requests with Codex (OpenAI)
- Application card: GitHub Copilot Agents (GitHub)
- Replit Agent (Replit)
- Checkpoints and Rollbacks (Replit)
- Write-Ahead Logging (SQLite)
- Set A Busy Timeout (SQLite)
- Software Engineering at Google, Chapter 9: Code Review (Google)
- Software Engineering at Google, Chapter 11: Testing Overview (Google)
- The Practical Test Pyramid (MartinFowler.com / Ham Vocke)
- PRAGMA busy_timeout (SQLite)