Как и зачем создавать свои продукты с помощью LLM

Как и зачем создавать свои продукты с помощью LLM

Начну с ответа "зачем это нужно продакту", если есть разработчики: - это приятное хобби - так можно проверить идеи пет-проектов, но гибче чем если это делать с помощью no-code решений - лучше начинаешь понимать техническую часть - чувствовуешь себя увереннее в автоматизации рабочих процессов - тестируешь какие хочешь технологии и решения без ограничений со стороны политик компании - если проект нацелен на небольшой рынок, то нанимать разработчиков может быть невыгодно, а вот самому закрыть потребность аудитории вполне себе

Я занимаюсь уже несколько месяцев таким "кодингом". За это время сделала бот @PMCasesBot, и в процессе давно назревавшее обновление для кейс-клуба Product Games и кое-что еще, но пока совсем в зачаточной стадии.

Кстати, в этом посте разбирала, кому принадлежат права на код, сгенеренный ChatGPT.

Инструкция, как работать с LLM без знаний кода (файл выше)

Очень крутую инструкцию подготовил Антон Куликов по сетапу проекта и дальнейшим шагам.

Несколько добавлений исходя из своего опыта: 1. Самые неинтересные части разработки - это сетап проекта и после настройка проекта на выделенном сервере. Поэтому если вы еще не создавали что-то сами, то на длительном сетапе можно словить нехилую демотивацию.

Решение Сделать описание функционала вашего MVP и закинуть его в LLM, чтобы он сделал инструкцию по сетапу и скелет решения. Обычно это не больше 10-12 шагов. Так вы увидите первый результат очень скоро. И дальше сможете его оттачивать.

Для меня это психологически проще.

Если используете ChatGPT, то для сетапа берите модели o1. Некоторые проекты мне пришлось несколько раз пересобирать из-за того, что 4o предлагала неправильные решения.

2. Кодить все-таки придется Понимать логику кода однозначно придется - это минимальный критерий. Однако если вы хотите сделать визуально красивое решение, то ChatGPT не всегда может хорошо конвертировать макеты из Figma в код.

Решение Делать макеты в Figma, тестировать их там же, закидывать в LLM. Дальше править верстку руками. На этом этапе понадобятся базовые знание программирования и/или хороший гуглеж.

3. Это занимает дооооолгое время LLM может генерить сложные решения, но иногда затыкается на простых ошибках из серии "код не запускается, потому что две разные переменные названы одним именем".

И тут начинаются разборки в GPTшном коде, которые могут занять длительное время, в том числе из-за нехватки навыков настоящего кодинга.

4. Это хорошая практика, если вы хотите свитчнуться в разработку Я всегда считала, что на практике учиться лучше всего. Особенно хорошо дело идет, когда такая практика в кайф, а не напрогайте крестики-нолики.

И вот здесь вы можете потренироваться на реальных интересных примерах под руководством наставника в виде LLMки. __

В общем, могу сказать, что кодинг с LLM - это одно из лучших открытий года для меня. Ну, и напоминаю, что справляться можно не единым ChatGPT, а есть уже много других решений на рынке.

#PG_education