Я сделал сайт с Claude Code вместо админки — и это оказалось очень удобно

Автор описывает переход с Тильды на собственный сайт на Next.js, собранный вместе с Code. Вместо классической админки и подрядчиков он использует LLM как «главного разработчика»: Claude проектирует архитектуру, пишет код, настраивает деплой в Docker и помогает с миграцией контента.

Ключ к работе — заранее подготовленная knowledge base (architecture, patterns, UX-гайдлайны, git-воркфлоу, роадмап и др.) и spec driven development: каждая фича описывается в отдельном spec, который затем бьется на атомарные задачи. Это снижает «тупняк» модели и позволяет автору, не будучи разработчиком, контролировать процесс.

На запуск нового сайта ушло около трех дней: первый — планирование, документация и главная страница; второй — остальные страницы и блог; третий — полировка, SEO и перенос на боевой домен. Claude за 15 минут распарсил sitemap старого сайта, выгрузил статьи в mdx и разложил картинки; на исправление артефактов ушло еще около часа. После аудита кода и SEO модель сама добавила sitemap, robots.txt, метатеги и Open Graph, а производительность по PageSpeed улучшилась по сравнению с ~70 баллами у старой версии.

В итоге автор полностью отказался от headless CMS: любые изменения теперь делает через диалог с Claude Code (добавить отзыв, сменить текст, подправить дизайн), проверяет на localhost и просит запушить в main, после чего срабатывает автодеплой. SEO-трафик при переезде не просел, а сам сайт теперь не привязан к Тильде и может быть легко перенесен на другой VPS благодаря хранению кода на GitHub.

Читайте также

  1. Мультиагентная разработка в Cursor: как заставить субагентов работать на большие проекты
  2. Jules: вайбкодинг-агент Google, который не справился
  3. Мой опыт настройки и использования ИИ-инструментов в разработке
  4. GitHub SpecKit: вайб-кодинг на основе спецификаций
  5. Миллениал и вайб-кодинг: как я делаю ИИ-анализатор новостей по инструкциям ChatGPT (Часть 3) + демо
Ключевые инсайты из новости (по версии ChatGPT)
  • Knowledge base для LLM-проектов: Для устойчивой работы LLM в разработке полезно заранее собирать knowledge base в виде набора md-файлов: архитектура, паттерны, UX, деплой, воркфлоу, контекст проекта. Такая база подгружается в начале сессии и обновляется после задач, что делает поведение модели предсказуемым и снижает количество ошибок.
    [процесс]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!