Почему баз данных — это новый урок для разработчиков в эпоху AI-агентов

Каждую неделю в лентах появляются новости: Cursor переписал SQLite за пару дней. Какие-то фабрики кода генерируют пулл-реквесты десятками. Глядя на это, любой разработчик начинает нервничать: а вдруг моя работа скоро станет никому не нужна?

Но вот что эти заголовки упускают: скорость — это просто. Заставить агента писать код быстро? Детская задача. А вот заставить его писать код, которому можно доверить продакшен? Вот это настоящая головоломка, о которой все молчат.

Ребята из Cockroach Labs недавно рассказали, как они решают эту проблему. И их подход стоит того, чтобы разобраться — особенно если вы думаете, как встроить AI-агентов в свою работу.

История про деньги и время

В 2024 году команда Cockroach Labs добавила поддержку Oracle в свой инструмент миграции под названием MOLT. На проект ушло девять месяцев и примерно $160 000 инженерного времени. Обычная работа опытной команды.

А потом наступил апрель. Нужно было добавить поддержку IBM Db2 — базы с хитрым SQL-диалектом, сложной системой типов и своим протоколом передачи данных. Технически — тот же объём.

Справились меньше чем за два дня. Потратили $4 172.

Подвох? Ни одной строчки кода не написал человек.

Не спешите писать заявление об уходе. Дело не только в том, что агенты стали умнее. Дело в системе, построенной на простой идее: проблема не в написании кода, а в написании кода, которому можно доверять.

MOLT Sinai: фабрика или больница?

Команда Cockroach Labs не просто натравила агентов на задачу. Они создали то, что называют MOLT Sinai — конвейер, устроенный как учебная больница. Проблемы здесь — «пациенты», влитый код — «выписка», а ревьюеры — «главврачи».

Метафоры забавные, но философия серьёзная:

• Проблемы — это пациенты: каждая задача попадает в систему с документацией, проходит триаж и следует по определённому маршруту
• Декомпозиция — это диагностика: большие задачи разбиваются на подзадачи с явными зависимостями. Сначала фундамент, потом типы, потом итераторы строк. Заживление нельзя торопить
• Ревью — это обходы: каждая единица работы проверяется, отправляется на доработку (иногда 55 раз!), и при необходимости эскалируется
• Люди — это главврачи: финальное слово остаётся за опытными инженерами, которые могут забрать проблему себе, если что-то идёт не так

Это не про замену врачей роботами. Это про систему, где у всех — ординаторов, ассистентов, специалистов — чёткие роли.

Почему скорость — неправильная цель

Вот где большинство экспериментов с AI идут наперекосяк: команды меряют «PR в час» или «строк кода в день». На демонстрациях это выглядит круто. Для заголовков — отлично. Но для реальной разработки софта — почти бесполезно.

Cockroach Labs формулируют жёстко: им важнее, чтобы агенты потратили в десять раз больше времени, чем чтобы в миграции клиента попали неверные данные. Для компании, вся ценность которой — в корректности данных, это не философия, а вопрос выживания.

Они спрашивали не «сколько PR мы можем влить?», а «какие из этих PR нам было бы стыдно влить?»

Этот вопрос стоит задавать чаще. Даже без AI-агентов.

Что произошло на самом деле

Когда поддержка Db2 появилась в MOLT:

• 32 подзадачи открыты внутри основной
• 27 пулл-реквестов прошли через конвейер
• 55 раз ревьюеры отправляли работу на доработку
• 9 задач эскалированы, из них 2 дошли до ручного вмешательства
• Покрытие тестами сравнялось с их самым проверенным диалектом (PostgreSQL)

Агенты не были идеальны. Они сами находили проблемы в своей работе: пробелы в тестах, ошибки в маппинге типов, неточности в уровнях изоляции. Им нужна была помощь. Но помощь эта была структурированной, осмысленной и масштабируемой под сложность задачи.

Сравните с фабрикой кода, где агенты работают параллельно, а сверху накинут слой для разруливания конфликтов. Такая архитектура имеет смысл, когда узкое место — скорость написания. Для задач, где важна корректность? Нужна скорее больница, чем конвейер.

Что это значит для вас

Большинство из вас не строит инструменты миграции баз данных. Вы делаете веб-приложения, API, внутренние сервисы, MVP для очередной идеи. Ставки другие.

Но урок применим: агенты хороши для объёма, люди хороши для оценки. Команды, которые получают реальную пользу от AI-ассистентов, не просто просят ChatGPT и отправляют результат в продакшен. Они строят системы, где каждый делает то, что умеет лучше всего.

Например:

• Пусть агенты генерируют шаблонный код, тесты, каркасы
• Стройте пайплайны ревью, которые ловят то, что агенты пропускают
• Относитесь к результату агента как к «первому черновику», а не к «готовому к отправке»
• Держите человека в цепочке для всего, что касается данных клиентов или ключевой бизнес-логики

Разработчики, которые будут процветать рядом с AI-агентами — это не те, кто научился печатать быстрее. Это те, кто научился проектировать системы, где AI усиливает, а не создаёт проблемы.

Итог

MOLT Sinai обработал объём работы, эквивалентный девяти месяцам, за два дня, потратив 2,5% бюджета — и качество не уступило коду, написанному людьми.

Но этот заголовок скрывает суть: команда людей построила строгую систему, определила роли, расставила контрольные точки — и только потом доверила агентам работать в этих рамках.

Агенты не заменили инженеров. Они усилили их.

Это не история про AI, который вытесняет разработчиков. Это история про разработчиков, которые построили достаточно продуманную систему, чтобы использовать AI по-настоящему эффективно.

И, честно говоря, именно эта версия событий заслуживает внимания.

Устали от инфраструктуры, которая тормозит ваши проекты? Vibe Hosting объединяет AI-powered деплой с надёжностью, которая нужна для быстрого запуска без лишних нервов. Регистрация доменов, SSL-сертификаты, облачный хостинг — всё в одном месте.