Моя жена хотела Dior. Я потратил $600 на Claude Code, чтобы вместо этого вайб-кодить базу данных на 2 млн строк.
Мы с женой женаты уже десять лет, и на годовщину она хотела сумку Dior.
Вместо того чтобы что-то купить — потому что я был полностью поглощен экспериментом с ИИ — я провел весь праздник, запершись в кабинете, жонглируя тремя подписками Claude Code по $200 в месяц и пытаясь убедить LLM кросс-компилировать распределенную базу данных на C++ из 2 миллионов строк.
И вы, наверное, догадываетесь, что случилось со мной потом. 😂
Оглядываясь назад, это было не оптимальное распределение ресурсов.
Так что в те выходные я усвоил два урока.
Первый: слушайте свою жену. «Счастливая жена — счастливая жизнь» — это не просто слоган. Это принцип стабильности систем.
Второй: ИИ кажется волшебным на небольших, хорошо ограниченных задачах. Он ведет себя совсем иначе, когда вы направляете его на реальную распределенную инфраструктуру.
Этот пост — о втором уроке.
Предыстория
Я мейнтейнер и один из основных контрибьюторов Milvus, самой популярной open-source векторной базы данных с 42K+ звездами на GitHub на момент написания (~2 млн строк на C++, Go и Python). Система полностью распределенная: proxy-узлы, query-узлы, data-узлы и index-узлы координируются через очереди сообщений. Моя область — слой хранения и индексации.
Я пользовался Claude Code несколько месяцев и был искренне впечатлен. Он дописал все недостающие функции целого CLI за $20 в токенах. Он за день в 5 раз ускорил критический участок производительности запроса — такую оптимизацию, на которую мне понадобилась бы неделя, чтобы хотя бы достаточно хорошо понять код и рискнуть его трогать. Это ощущалось как наличие компетентного junior-инженера, который никогда не спит и не выставляет почасовые счета.
Я решил дать ему настоящую задачу: кроссплатформенную компиляцию.
Урок за $600
Годами никто в команде Milvus не хотел трогать кроссплатформенную компиляцию. Система сборки — это смесь Go, C++ и Rust, скрепленная накопившимися за годы патчами Conan и CMake, к которым никто не хотел возвращаться. Заставить ее работать на Linux уже мучительно. Windows и современная macOS были настолько кошмарны для сборки, что команда относилась к ним как к чужой проблеме.
Я решил, что теперь у меня есть Claude Code. Я справлюсь.
Поначалу казалось, что я прав. Windows скомпилировался, и я отправил патч, думая, что самое сложное позади.
Потом упал Linux. Я починил Linux — упал Mac. Я починил Mac, и упало GPU-окружение. Каждое исправление порождало две новые проблемы на другой платформе, и патчи начали наслаиваться. В итоге у меня был патч на 1000 файлов и ~100 тыс. строк, затрагивающий конфиги Conan, скрипты CMake, C++-шимы совместимости и вещи, которые я не узнавал.
Бесило не наличие багов, а сам цикл. Я продолжал говорить Claude: «Никаких хакерских фиксов», «дай мне чистое решение». Он каждый раз послушно выдавал патчи, которые выглядели чище. Затем каждый чистый патч ломал три другие платформы, и цикл начинался заново. Если бы вы посмотрели в мой .claude/settings.local.json, вы бы нашли 147 вручную одобренных правил доступа. Каждое из них — временная метка момента, когда я думал: «На этот раз сработает».
Я потратил $600 на тариф Max и сжег весь отпуск, а все, что у меня осталось, — это куча команд git reset --hard.
Я сидел и смотрел в терминал, задаваясь вопросом, не является ли все это просто хорошо упакованным хайпом. Потом я понял: проблема была не в Claude. Это было похоже на то, как сказать аспиранту опубликовать статью в Nature, не сформулировав исследовательский вопрос. Я дал ему проблему, так и не определив, что на самом деле означает «решена».
Что на самом деле работает
Провал был не в интеллекте Claude. Это был провал процесса. Поэтому я начал заново — уже с другим процессом.
Ограничения перед кодом. Не «сделать так, чтобы компилировалось на Windows». Настоящие ограничения, явно записанные: все платформы проходят свои unit-тесты, CI везде зелёный, никаких #ifdef-хаков под платформы, никаких обходных shim-слоёв вокруг сломанных зависимостей. Это самая сложная часть — она требует понимания, как выглядит «готово», а для этого нужно внимательно подумать, прежде чем что-либо трогать. В сложной инфраструктуре большая часть работы — это думать.
Ревьюить тесты, а не код. Я пишу тест-кейсы (или прошу Claude сгенерировать их), но ревьюю тесты, а не реализацию. Проверяет ли этот тест, что Conan recipe корректно резолвится на ARM? Покрывает ли он конфигурацию CMake в Docker? Я могу оценить это за минуты. Я не могу с какой-либо уверенностью отревьюить 10 000 строк кроссплатформенных C++-патчей за какое бы то ни было время.
Снизу вверх, по одному слою за раз. Не позволяйте Claude менять 1000 файлов. Сначала зафиксируйте версии зависимостей. Когда эти ограничения проверены, поднимайтесь к конфигурации CMake. Когда она стабильна — к платформенно-специфичному коду. Каждый слой достаточно мал, чтобы его можно было полностью проверить перед переходом выше.
Я переделал кроссплатформенную сборку с нуля, используя этот подход. Два дня. Несколько десятков коммитов. Каждый маленький, каждый с соответствующим тестом. Никаких #ifdef-хаков — настоящим исправлением стало обновление Conan recipes и повышение версий сторонних библиотек, то есть исправление реальной цепочки зависимостей, а не замазывание проблемы.
Та же задача. Совершенно другой результат.
Инсайт про тесты заслуживает отдельного пункта: в распределённой системе со зрелым набором тестов тесты и есть спецификация. Если эти integration tests проходят — все 47, которые стали красными во время моей первой попытки, — значит, контракты seal/flush не нарушены, WAL replay корректен, а query nodes по-прежнему могут mmap-load-сегменты без повреждений. Мне не нужно читать C++, чтобы это знать.
Я перестал ревьюить код. Я начал ревьюить тесты. Код стал деталью реализации.
Бросить на это железо
Когда рабочий процесс стал правильным, появился новый bottleneck: я сидел и ждал.
Один сеанс Claude Code, пережёвывающий кодовую базу на 2 млн строк, — это не быстро. Каждая задача занимает 20–30 минут wall-clock time. Bottleneck был не в интеллекте. Он был в throughput.
Поэтому я сказал жене, что мне нужен сервер с GPU для моих «AI agents». Этот разговор прошёл примерно так, как вы и ожидаете. Я всё равно купил его — плюс Mac Mini в пару к моему MacBook. В итоге у меня было три машины и шесть терминалов, в каждом из которых работал независимый сеанс Claude Code.
Это работает благодаря git worktree. Каждый сеанс получает свою задачу, ветку и рабочую директорию, полностью изолированную от остальных. А поскольку подход «сначала ограничения» означает, что у каждой ветки есть свои acceptance criteria, параллелизм становится тривиально безопасным: если тесты каждой ветки проходят независимо, merge несёт низкий риск.
Для кроссплатформенной сборки это означало, что один сеанс резолвит Linux ARM Conan dependencies, другой чинит конфигурацию CMake для macOS, а третий занимается совместимостью Windows MSVC, и всё это выполняется одновременно без взаимных помех. То, что раньше было последовательным переключением контекста между платформами, стало параллельным выполнением на разных машинах.
Этот паттерн обобщается на повседневную работу. В любой конкретный день один сеанс рефакторит compaction scheduler, другой оптимизирует HNSW search path, а третий пишет integration tests для edge case в streaming insert. Я переключаюсь между терминалами как менеджер, проверяющий подчинённых, только этим подчинённым никогда не нужны перерывы на кофе и у них нет мнений о sprint planning.
Главный урок в том, что vibe coding инфраструктуры упирается в вычисления, а не в талант. Ограничивающий фактор — не то, насколько умён AI; а то, сколько экземпляров вы можете запускать параллельно. Anthropic использовала 16 параллельных экземпляров Claude для создания целого компилятора C, из-за чего мои шесть терминалов кажутся скромными.
То, к чему я постоянно возвращаюсь
AI решает ровно ту проблему, которую вы перед ним ставите, и ничего больше. Если вы неправильно формулируете проблему, вы получаете идеальное решение не той задачи.
"Compiles on macOS 15" — решено за час. Но это локальный оптимум. Настоящая цель была "compiles everywhere without hacks." Это разные задачи. У AI не было никакого способа это понять. Это целиком ответственность инженера.
Создавать что-то для себя с помощью AI поразительно легко — вы знаете свою машину, свои пограничные случаи, и "works for me" — достижимая цель оптимизации. Создавать инфраструктуру, которая работает для каждого пользователя, на каждой платформе, в каждом окружении, — принципиально другое дело. Именно в этом разрыве всё еще живет инженерия. Для инфраструктурного ПО этот разрыв огромен.
Самые сложные баги в нашей production-системе — те, из-за которых приходилось откатываться после merge, — не были пойманы ни одним подходом к AI code review, который мы пробовали. Баги были синтаксически корректными. Проблема была в неявных предположениях разработчика, невидимых в diff и отсутствующих в окружающем коде. Поведение системы имело смысл только если держать в голове ментальную модель того, как три разных компонента должны координироваться, — модель, которая существовала только в голове одного разработчика и нигде не была записана.
Для этого всё еще нужен человек, который понимает систему достаточно хорошо, чтобы знать, какие вопросы задавать.
Три плана по $200 и один потерянный отпуск оказались лучшей инвестицией, которую я сделал. Не потому, что они научили меня пользоваться AI. А потому, что они научили меня, как не надо им пользоваться.
Инструменты действительно хороши. Недостающим звеном всегда был workflow вокруг них. Тесты до кода, ограничения до тестов и достаточно железа, чтобы запускать всё это параллельно. Вот и всё.
Проблемы, которые остаются нерешенными
После всего — провалившегося патча, команд reset, шести параллельных терминалов — самой сложной проблемой по-прежнему остается человеческая.
Сейчас у меня две головные боли, и ни для одной из них нет чистого решения.
Первая: моя жена. Она приехала в отпуск с разумными ожиданиями. А уехала, наблюдая, как я делаю git reset --hard своей жизни. Бюджет на сумку Dior превратился в счет за серверы. Она, что вполне понятно, не впечатлена моими достижениями в кроссплатформенной сборке. Я пока не нашел workflow для "как извиниться за то, что провел годовщину, занимаясь распределенными системами." Claude Code тут не помогает. Я пробовал спрашивать. Он предложил цветы и рукописную записку. Я попросил быть конкретнее. Он сгенерировал двенадцать вариантов искреннего письма в голосе C++-разработчика. Ни один не сработал.
Если кто-то решил проблему сохранения отношений во время vibe-coding в отпуске, я очень открыт к предложениям по workflow. 😂
Вторая: как масштабировать это за пределы меня. Всё вышеописанное — подход constraints-first, параллелизм через git worktree, дисциплина review через test-first — сейчас находится в моей голове и моей локальной настройке. Внедрить это в ежедневный workflow команды сложнее, чем любую кроссплатформенную сборку.
Отчасти это проблема инструментов. Но в основном это проблема людей. Такой workflow требует инженеров, которым по-настоящему нравится разбираться, как всё работает, — людей, которые действительно сначала напишут тест, которые получают удовлетворение от чистого, хорошо определенного ограничения и которые не будут срезать путь до "just make it pass." Такое сочетание встречается реже, чем должно бы.
Так что да — мы нанимаем.
Если вы тот тип инженера, который читает статью про infrastructure vibe coding и тут же начинает формировать твердые мнения о том, в чем я был неправ, вы ровно тот человек, с которым я хочу поговорить.
Milvus — это по-настоящему сложная задача распределенных систем: storage engines, indexing pipelines, compaction, replication, failure recovery — и всё это под реальной production-нагрузкой. Мы не строим демо. Мы строим инфраструктуру, от которой зависят люди.
Если решать проблемы такого уровня звучит интересно, приходите строить вместе с нами.
А план восстановления после годовщины я возьму на себя.
Вы можете ознакомиться с нашими открытыми вакансиями или связаться со мной напрямую в LinkedIn.
А если вы с чем-то в этом посте не согласны, тем лучше — я буду рад обсудить это с вами.
Присоединяйтесь к нашему Slack-сообществу или запишитесь на сессию Milvus Office Hours — мы всегда рады поговорить о распределенных системах, AI-инфраструктуре или о том, в чем, по вашему мнению, мы ошибаемся.
Читать далее
3 Easiest Ways to Use Claude Code on Your Mobile Phone
Run Claude Code from your phone with Remote Control, Happy Coder, or SSH + Tailscale. Comparison table, setup steps, and tools for typing, memory, and parallel tasks.
Why Teams Are Migrating from Weaviate to Zilliz Cloud — and How to Do It Seamlessly
Explore how Milvus scales for large datasets and complex queries with advanced features, and discover how to migrate from Weaviate to Zilliz Cloud.
Why Context Engineering Is Becoming the Full Stack of AI Agents
Discover how context engineering unifies prompts, RAG, and tools to build smarter, production-ready AI agents powered by Milvus.