AI-native модель разработки, проверенная продакшеном
snappyloop — это AI-продукт для изучения языков: курсы, живая голосовая практика с репетитором и словарь с интервальным повторением, доставляемые через Telegram, его Mini App и веб. Один инженер построил и эксплуатировал его на AI-native модели разработки.
В этой модели специализированные агенты выполняли чётко очерченные задачи — изменение сервиса, миграцию, набор тестов — через GitHub Issues, где хранились сама задача, её контекст и история решений между сессиями. Продуктовые решения, архитектура, приоритеты, риски, ревью и приёмка оставались за человеком: агенты предлагали и реализовывали, и ничто не принималось без ревью на соответствие архитектуре.
На этой модели держалось больше десятка сервисов на Go и PHP — курсы, голосовая практика, карточки, платежи, уведомления — на PostgreSQL, Redis и Kubernetes. Пока продукт рос с 200 до 5000 пользователей за три месяца, архитектура перешла от одного long-polling воркера к webhook-воркерам с горизонтальным масштабированием, с Redis для общего состояния сессий и глобальных лимитов и единым потолком запросов к AI-провайдерам для всех реплик. Платформа выдержала нагрузочное тестирование на 20 000 запросов в секунду.
Безопасность на пути webhook была четырёхуровневой: фаервол, ingress, список разрешённых IP и проверка подписи запроса; внутренний API был доступен только через исходящий Cloudflare Tunnel. За продакшеном следили SLO-алерты по burn rate и Playwright-пробы из нескольких городов. Из LLM-прокси этой платформы вырос Keystone — open-source шлюз.
