Платформа
Решения
Кто использует Directual и почему?
Что можно сделать на платформе?
Какие отрасли подходят для Directual?
Материалы
Мы 18 раз дали Claude Code и Codex собрать один и тот же бэкенд магазина и пытались его сломать. Код выдержал. Потом задали пять вопросов, которые владелец получает ночью. Агент отвечает меньше чем за минуту и за 30 центов. Человеку без агента нужны SQL и код воркера, а на два вопроса из пяти ответа нет ни у кого.

Мы 18 раз дали двум кодовым агентам собрать один и тот же бэкенд маленького магазина и бросили в него сбои прода. Код выдержал: дубли вебхуков, падающий API склада, kill -9 посреди запроса, 30 покупателей на последние 5 пачек кофе. Бэкенды, написанные ИИ, ломаются не там.
Они ломаются в три часа ночи, когда владельцу пишет покупатель и надо понять, что случилось, в коде, который не читал ни один человек. Это мы тоже проверили. Коротко: с агентом пять ночных вопросов занимают меньше минуты и 30 центов. Без агента — SQL, JSON-операторы и код воркера. А на два вопроса из пяти нет ответа ни у кого: агента просто не попросили построить то, что на них отвечает.
Задача — API заказов для магазина кофе: покупатели, товары с остатком, заказы, платёжный вебхук с подписью, письмо-квитанция и отгрузка на внешний склад. Claude Code (Claude Opus 5.5) и Codex (gpt-6.1-sol) собрали его по девять раз, каждый сам, из пустой папки. Серий было три: условия прода расписаны в ТЗ; условий нет, только документация API; условий нет и песочница ни на что не намекает.
Потом по каждой сборке прошли 14 проверок, а вторая сессия агента добавила обязательное поле в базу, про которую мы сказали, что это прод.
| Что мы делали | Сколько сборок выдержало |
|---|---|
| Покупатель Б читает, видит в списке и отменяет заказ покупателя А | 18 из 18 |
| Вебхук без подписи и с неверной подписью | 18 из 18 |
| Тот же вебхук дважды и пять копий одновременно | 18 из 18 |
| Склад рвёт соединение, потом отвечает 503 | 18 из 18 |
| 30 покупателей, на складе 5 пачек | 18 из 18 |
kill -9, пока запрос на склад в полёте, и рестарт: ровно одна отгрузка и одна квитанция |
18 из 18 |
| Новое обязательное поле на живых данных: заказы на месте, старые пароли работают | 18 из 18 |
| Склад всегда отвечает через 12 секунд | 9 из 18 |
Каждая сборка без подсказки устроена так, как сделал бы сильный инженер: очередь задач в Postgres с арендой и SKIP LOCKED, ключ идемпотентности на каждом внешнем вызове, условное списание остатка, сравнение подписи за постоянное время, миграция без потери данных. Сборка заняла от 4 до 15 минут. Прогон Claude — сборка и правка — стоил от $1,60 до $2,20.
Единственный провал показателен. Агенты ставят разумный таймаут по умолчанию — 5 или 10 секунд. Склад, который отвечает за 12, до сервиса не достучится никогда. Заказ навсегда остаётся «оплачен», а система в фоне повторяет попытки. Код одного агента сдаётся после 20 попыток и пишет строчку в лог. Код другого повторяет бесконечно и молчит.
Код в порядке. Не хватает читателя.
Сервис, на котором мы делали ночной тест, — 832 строки на Node.js, написанные за пять минут. У него даже хороший README. Его никто не читал: ни автор, потому что автор — модель, ни ревьюер, потому что ревью не было. Владелец становится первым читателем в самый неудачный момент.
Со временем лучше не станет. Следующую фичу напишет агент, и следующую тоже. Код растёт, а число людей, которые его читали, остаётся нулевым. Каждый раз, когда надо что-то понять, владелец зовёт агента, и агент читает всё заново.
Мы три дня держали сервис с синтетической жизнью магазина: 40 покупателей, 125 заказов, одна цена тихо поменяна прямо в базе. Потом склад начал отвечать дольше, чем ждёт сервис. У владельца есть код, файл настроек, лог, база и пять вопросов:
Те же вопросы мы задали свежим сессиям Claude Code и Codex без контекста, только на чтение. А потом по шагам разобрали, что нужно сделать человеку без агента, чтобы ответить на каждый. Живого человека в этот раз через тест не проводили, поэтому правая колонка — наш разбор, а не секундомер.
| Вопрос | Агент, свежая сессия | Что нужно человеку без агента |
|---|---|---|
| 1. Где заказ? | Оба верно: оплачен, квитанция ушла, каждая попытка отгрузки обрывается по таймауту 10 с | SQL-запрос от почты покупательницы к её заказам, а оттуда к таблице задач через поле JSON. Лог пишет «job 210 attempt 8 failed» и не называет ни заказ, ни время |
| 2. Ещё пытается? | Оба верно: 8-я попытка из 20, паузы удваиваются до 10 минут, потом dead — и дальше ничего |
Таблица задач, чтобы посчитать попытки; код воркера или README, чтобы узнать правила повторов |
| 3. Пауза отгрузок | Оба верно: выключателя нет. SQL-обходом можно отложить задачи в очереди, но каждая новая оплата ставит новую | Разобраться в цикле воркера настолько, чтобы понять, что выключателя нет |
| 4. Смена секрета | Оба верно: переменная окружения, читается при старте; сменить у провайдера и в настройках, перезапустить, в промежутке будут 401 | Знать, где лежат настройки, как перезапустить без скрипта остановки и что провайдер повторит вебхуки |
| 5. Кто поменял цену? | Оба верно: узнать нельзя. Claude сузил «когда» до окна в 10 часов по суммам заказов | Тот же ответ — после того как поймёшь, что журнала нет нигде |
Агенты справились хорошо. Claude Code ответил на все пять за 57 секунд и $0,29, Codex — за 47 секунд. Claude даже заметил, что наша синтетическая история не сходится: восемь попыток с такими паузами должны занять пять минут, а не два часа.
Бросаются в глаза три вещи.
Лог и покупатель говорят на разных языках. У покупательницы — почта и «два часа назад». В логе — номера задач и ни одной метки времени. Мост между ними — поле JSON в таблице, о которой владелец не знал.
Агент читает всё и каждый раз. Обе сессии перед ответом прочитали почти весь код. При 832 строках это стоит 30 центов. Но 832 строками сервис не останется, а следующий инцидент снова начнётся с нуля.
На два вопроса нет ответа ни у кого. Выключателя отгрузок нет, и записи о том, кто поменял цену, тоже. Это не баг: их никто не заказывал. Агент построил ровно тот сервис, что был в ТЗ, а в ТЗ не было «владельцу ночью надо это видеть и этим управлять». В вашем ТЗ этого тоже не будет.
И одного не увидел никто. В нашей схеме, как и у многих настоящих API, склад создал отгрузку уже по первому запросу, просто ответ до сервиса не дошёл. Кофе, скорее всего, уже едет. Система считает, что нет, и ни один агент об этом не сказал.
Лучший код здесь не поможет. Помогает то, что владелец видит и трогает, не читая код:
Попросите агента — он это построит: всё остальное, что мы просили, он построил. Но каждый пункт — ещё несколько сотен строк, которые никто не прочитает, и это одни и те же сотни строк для любого бэкенда. Им место в платформе, на которой бэкенд работает, а не в каждом приложении.
kill -9 с двумя отгрузками.