🎙️ How I AI: Building an iPhone app with zero technical skills, Codex Goals explained & xxx

🎙️ How I AI: разбор Codex Goals, обзор Claude Opus 4.8 и создание приложения для iPhone без технических навыков

Ваши еженедельные эпизоды из How I AI, части Lenny’s Podcast Network

Создание приложения для iPhone без технических навыков | Bryce Rattner Keithley

Слушайте прямо сейчас наYouTube • Spotify • Apple Podcasts

При поддержке:WorkOS—Сделайте ваше приложение готовым для enterprise уже сегодняMetaview—Агентная платформа для рекрутинга в командах-победителях

Bryce Rattner Keithley построила карьеру в сфере подбора и рекрутинга персонала и никогда не написала ни строчки кода. А затем она использовала AI, чтобы создать Daily Hundred — фитнес-приложение с кастомными AI-видео животных, выполняющих упражнения, — и опубликовала его в App Store. В этом эпизоде Bryce делится точным рабочим процессом, который она применяла с Replit, Claude, Gemini, Higgsfield и Kling; рассказывает, почему отсутствие технического опыта стало преимуществом; и что её путь говорит о том, как AI меняет круг людей, способных создавать software.

Главные выводы:

Вы можете создать и выпустить готовое к продакшену приложение для iPhone без технического бэкграунда. Bryce всю карьеру проработала в сфере подбора и рекрутинга, никогда не писала код и всё равно сумела создать Daily Hundred — фитнес-приложение с кастомными AI-видео — и добиться его одобрения в App Store. Весь процесс занял несколько месяцев работы по выходным.Рабочий процесс, который сработал: Claude как архитектор, Claude Code как инженер, Терминал как исполнитель. Bryce использовала обычный Claude как «друга в кабине пилота», чтобы планировать, что делать и как подойти к проблемам. Claude подсказывал ей, когда задействовать Claude Code для написания реального кода. Она возвращала код в Claude для подтверждения, а затем Claude сообщал ей, что нужно вставить в Терминал. Этот трёхшаговый танец — спланировать, выполнить, развернуть — позволил ей выпускать продакшен-код, не зная в точности, как всё это устроено.Скриншоты и итерации — ваши лучшие инструменты отладки. Когда AI не понимал, чего хочет Bryce, она либо описывала точнее, либо полностью перезапускала промпт (а не просто редактировала его), либо отправляла скриншоты того, что видела. Иногда она даже рисовала то, что хотела, или фотографировала свою исходную позу, чтобы дать AI визуальный ориентир. Главным было пробовать разные подходы, а не застревать в одном неудачном паттерне.Роль технической экспертизы кардинально меняется. Bryce заметила, что инженеры, которые приходят на технические собеседования, сосредоточившись только на том, чтобы быстрее всех найти рабочее решение, упускают суть — «роботы найдут рабочее решение быстрее, чем они». Роль человека сместилась к чему-то более широкому: понимать весь набор инструментов, знать, когда использовать AI, а когда вмешаться лично, и привносить в процесс вкус и здравое суждение. То, что привело людей сюда, не приведёт их туда.Нанимать за адаптивность и открытость важнее, чем когда-либо. По мнению Bryce, люди, которые ревностно держатся за то, чем они занимались раньше или чем занимались другие, будут испытывать трудности с сохранением своей значимости. Победят те, у кого есть «смирение и любопытство работать с другими так, как они раньше не работали» и кто признаёт, что «люди могут вносить вклад способами, которыми раньше не вносили». Лучшая идея должна побеждать, откуда бы она ни исходила.

Блог и подробные разборы рабочих процессов из этого эпизода:

How I AI: No-Code-плейбук Bryce Rattner Keithley по созданию фитнес-приложения с Replit, Gemini и Claude: https://www.chatprd.ai/how-i-ai/bryce-rattner-keithleys-no-code-ios-fitness-app-with-replit-gemini-and-claude

↳ Пройдите процесс подачи приложения в App Store с Claude в роли технического co-pilot: https://www.chatprd.ai/how-i-ai/workflows/navigate-the-app-store-submission-process-with-claude-as-a-technical-co-pilot

↳ Создайте кастомные AI-анимированные видео тренировок с Gemini и Higgsfield: https://www.chatprd.ai/how-i-ai/workflows/create-custom-ai-generated-animated-workout-videos-with-gemini-and-higgsfield

↳ Соберите MVP-приложение в Replit с помощью no-code «vibe coding»: https://www.chatprd.ai/how-i-ai/workflows/build-a-minimum-viable-product-app-with-replit-using-no-code-vibe-coding

Функция Codex, которая работает, пока вы спите

Слушайте прямо сейчас наYouTube • Spotify • Apple Podcasts

При поддержке:Mercury—Радикально иной банкинг, который полюбили более 300 тысяч предпринимателей

Claire Vo разбирает одну из своих любимых функций Codex: /goal. В этом сольном эпизоде она показывает, как Goals превращают AI из инструмента, за которым приходится постоянно присматривать, в агента, способного часами работать над многошаговыми задачами. Она проходит через реальные примеры, включая устранение ошибок Sentry, очистку почти 4000 писем и организацию задач в Linear, и делится фреймворком из шести частей для написания Goals, которые действительно работают.

Главные выводы:

Goals позволяют AI автономно работать часами без присмотра. Claire запустила в Codex цель, которая отработала пять часов сорок пять минут — это самый долгий успешный запуск AI-агента, который у неё был. В отличие от обычных промптов, требующих пошагового взаимодействия, Goals создают цикл, в котором AI работает, проверяет, контролирует и продолжает, пока не достигнет заданного результата.Разница между промптом и Goal принципиальна. Промпт — это инструкция о том, что делать («Перепиши этот код»). Goal — это описание того, как выглядит хороший результат и как к нему прийти («Снизь P95-задержку оформления заказа ниже заданного порога, сохраняя зелёным набор тестов на корректность»).Claire устранила сотни логов ошибок, направив Goals на свои данные Sentry. Она дала Codex доступ к каждой трассировке некорректных операций, а затем поставила цель: классифицировать каждую проблему, исправить её, а затем переиграть все исторические примеры, пока каждая ошибка не будет решена. Результат: ноль оставшихся ошибок, и вместо разбросанных по коду заплаток она получила системный, продуманный фреймворк.Goals невероятно хорошо работают для нетехнических задач. Claire сократила 3900 писем до 68 менее чем за четыре часа, поставив простую цель: классифицировать все письма, отписаться от ненужных и навести порядок в почтовом ящике. AI прочитал каждое письмо, создал ярлыки, нажал ссылки для отписки и оставил ей только письма, требующие человеческого суждения.У сильных Goals шесть ключевых компонентов: результат (что должно быть истинно по завершении), проверка (как это протестировать), ограничения (что не должно регрессировать), границы (какие инструменты и файлы использовать), политика итераций (как решать, что пробовать дальше) и условия остановки (когда просить помощи). Продакт-менеджеры, писавшие хорошие OKR, сразу узнают этот фреймворк.Работа с Goals ощущается как управление коллегой, а не нянченье инструмента. Вы назначаете задачу, AI уходит на нужное время (будь то 30 минут или пять часов) и возвращается с готовой работой, которую вам остаётся проверить. Claire поймала себя на том, что «крутит большими пальцами от безделья», потому что столько работы теперь выполнялось автономно.Goals не дёшевы по токенам, но они того стоят. Очистка почты у Claire израсходовала около 6 миллионов токенов за четыре часа. Но альтернатива — вручную классифицировать тысячи писем или гоняться за сотнями логов ошибок — заняла бы куда больше времени и была бы куда более утомительной.

Claude Opus 4.8 уже здесь. Так ли он хорош, как о нём говорят?

Слушайте прямо сейчас наYouTube • Spotify • Apple Podcasts

Claire прогнала новую модель Anthropic Opus 4.8 через реальные тесты на программирование, дизайн и стратегию в Claude Code и Claude Cowork. Она рассказывает, где модель блистает, где даёт сбой, как она сравнивается с Opus 4.7 и что стоит знать билдерам перед использованием её в продакшене.

Главные выводы:

Голос и эргономика превосходны. Opus 4.8 легко читать, у него нет «слоп-тэлзов» (примет машинной воды), он экономичен по токенам и звучит по-разговорному, не раздражая. Он говорит достаточно, но не слишком много, а с включённым fast mode работа ощущается шустрой. Качество письма высокое, и модель хорошо следует инструкциям.Вместе с Opus 4.8 Anthropic выпускает новые функции, расширяющие агентные возможности. В Claude Code теперь есть динамические воркфлоу, позволяющие отпочковывать сотни параллельных суб-агентов. И Claude.ai, и Cowork теперь предлагают управление усилием от low до max, давая пользователям больше контроля над тем, насколько глубоко модель продумывает задачи.Используйте Opus 4.8 для greenfield-прототипов и дизайн-работы, но тщательно тестируйте на продакшен-кодовых базах. Модель превосходна в фичах «с одного выстрела», у неё улучшилась дизайн-эстетика (больше никаких слов-акцентов курсивом), и она хороша в работе с инструментами. Но для существующих кодовых баз, граничных случаев и стратегической работы, требующей численного анализа, понадобится аккуратный промптинг, и стоит перепроверять везде, где модель выражает высокую уверенность.Модель галлюцинирует, когда застревает, и это значительный регресс. Claire несколько раз сталкивалась с откровенными галлюцинациями — чего она очень давно не видела у современных моделей. При отладке Opus 4.8 выдумывал объяснения на основе гипотез, а не реальных данных. Он уверенно заявлял что-нибудь вроде «Нет, я не искал в GitHub» или «Нет, я на самом деле не проверял этот баг», когда его просили подтвердить свою работу.Opus 4.8 с трудом ориентируется в существующих кодовых базах. Когда Claire попросила его сделать rebase веток и устранить конфликты в её продакшен-кодовой базе, потребовался цикл правок за циклом, потому что он постоянно выпускал баги в граничных случаях. Модель не могла понять, на каком уровне ей следует работать и как правильно встроиться в существующий код.Модели не хватает амбициозности для по-настоящему агентной работы. Claire попросила её предложить забавные вещи для сборки, которые впечатлили бы 9-летнего ребёнка, подталкивая её исследовать границы агентного программирования. Хотя она выдала рабочий код, результаты были приемлемыми, но не впечатляющими — не тот 10-кратный опыт агентного программирования, которого она ожидала от модели уровня state-of-the-art.Для работы над бизнес-стратегией Opus 4.7 значительно превосходит Opus 4.8. Claire протестировала обе модели на одном и том же стратегическом промпте, дав им доступ к трём месяцам бизнес-контекста. Opus 4.7 выдал привязанный к цифрам, структурированный анализ, укоренённый в реальных данных. Opus 4.8 был расплывчатым, чрезмерно зацикливался на мелких данных и испытывал больше трудностей с поиском релевантной информации.

Блог и подробные разборы рабочих процессов из этого эпизода:

How I AI: Мои первые впечатления от Claude Opus 4.8 — программирование, стратегия и где он блистает: https://www.chatprd.ai/how-i-ai/claude-opus-4-8-review

↳ Используйте креативность Claude Opus 4.8, чтобы создать играбельную игру: https://www.chatprd.ai/how-i-ai/workflows/use-claude-opus-4-8-s-creativity-to-generate-a-playable-game

↳ Сгенерируйте бизнес-стратегию на основе данных с Claude Opus 4.7: https://www.chatprd.ai/how-i-ai/workflows/generate-a-data-driven-business-strategy-with-claude-opus-4-7

↳ Соберите greenfield-прототип одним промптом с помощью Claude Opus 4.8: https://www.chatprd.ai/how-i-ai/workflows/build-a-greenfield-prototype-with-a-single-prompt-using-claude-opus-4-8

Если вам нравятся эти эпизоды, ответьте на письмо и дайте знать, о чём вам хотелось бы узнать больше: AI-воркфлоу, найм, рост, продуктовая стратегия — о чём угодно.

До встречи на следующей неделе,Lenny

P.S. Хотите получать каждый новый эпизод в момент его выхода? Нажмите «Follow» в вашем любимом подкаст-приложении.