Больше чем ядро: как пет-проект вырос в мультитенантную платформу для создания AI-агентов
- Стартовая идея — универсальное ядро для ботов: Python, aiogram для Telegram и SQLite; сценарии и конфигурации задавались YAML-файлами.
- В раннем прототипе основным ограничением автор называет «потерю контекста» при работе с ChatGPT; затем он описывает переход на Cursor AI (упоминается версия около 1.0).
- Архитектура несколько раз пересматривалась: от попытки Clean Architecture к смеси event-driven и Vertical Slice, а затем к системе плагинов (утилиты и сервисы) с внутренним DI-контейнером.
- Для DevOps описан «один скрипт» развёртывания и обновления; накат на сервер через меню заявлен как процесс до 5 минут.
- В нагрузочных ограничениях упомянут потолок polling Telegram — до 100 событий в секунду.
- При переходе к Coreness Reborn заявлены мультитенантность, единая БД с tenant_id и изоляция через Row-Level Security, GitHub-синхронизация конфигов и переписывание примерно 70% кода; последний патч Legacy — 6.2.
Почему это важно: Это пример того, как пет-проект упирается не только в код, но и в управляемость: документацию, повторяемость деплоя и предсказуемость изменений. В тексте YAML и сценарии становятся «языком» платформы, а мультитенантности и изоляции данных выделяются как ключевой технический барьер при переходе к формату «для многих». Отдельно разбирается, как вайб-кодинг и LLM (большие языковые модели) сдвигают роль разработчика в сторону постановки задач и ревью.
На что обратить внимание: В статье описаны разные уровни разделения ответственности: плагины, конфиги, сценарии и инфраструктурные скрипты; отдельный вопрос — где проходит граница между ними в реальной разработке. Также подчёркнуты риски потери контекста в диалогах: автор связывает их с ростом проекта, контекстными окнами и качеством документации. Изоляция тенантов описана одновременно на уровне запросов (tenant_id) и на уровне БД (VIEW/Row-Level Security), что подразумевает этапы пилота, расширения и измерения эффекта на нагрузке.
Коротко
- Вайб-кодинг в тексте описан как сдвиг ролей: больше времени уходит на постановку задачи и ревью, чем на ручное написание функций.
- Когда проект становится платформой «для многих», ключевой вопрос — как формализована изоляция данных и доступов, а где остаются ручные договорённости.
- Декларативные YAML-сценарии упрощают перенос и версионирование, но требуют ясных границ между настройками, логикой и инфраструктурой.
- В тексте подчёркивается роль «правил» и обновлений IDE-агентов: системные изменения могут конфликтовать с локальными настройками и процессом.
- Несколько пересмотров архитектуры показывают, что «удобный на старте» дизайн может ломаться при росте связности и усложнении изменений.
FAQ
Зачем в этом кейсе так много внимания уделено переходу от «ядра для ботов» к мультитенантной платформе и изоляции данных между тенантами?
Потому что новый сценарий — множество независимых ботов на одной платформе — требует гарантировать раздельность данных. В тексте это решается через tenant_id и механизмы базы данных.
Что автор понимает под вайб-кодингом и почему он отделяет его от no-code/zero-code подходов, несмотря на участие LLM в написании кода?
Вайб-кодинг — когда код остаётся открытым и управляемым, но рутину пишет модель. No-code стремится скрыть код и, по описанию автора, чаще превращается в «чёрный ящик».
Почему выбранная на старте Clean Architecture, по описанию автора, оказалась неудобной для разработки с AI-ассистентом на растущем проекте?
Автор связывает это с большим числом файлов, связей и абстракций, из-за чего быстрее переполняется контекст и усложняется внесение изменений. Поэтому архитектуру пришлось пересматривать.
Как в статье разграничиваются системные и публичные тенанты и что означает порог ID 100 в модели Coreness Reborn?
Системные тенанты имеют ID ≤ 100 и используются для разработки и тестирования, а публичные — ID > 100 и синхронизируются с GitHub. Оба типа при этом описаны как часть единой модели платформы.
Читайте также
Как тимлид заменил десятки вкладок на файловую систему и Claude Code- Как научить LLM исправлять код без лишних изменений
- Когда, зачем и как правильно начинать новую сессию в Claude Code
- Как кодинг-агенты используют инструменты, память и контекст репозитория, чтобы писать код лучше
- Динамический ресайзинг изображений (Image Previewer)
- Вайб-кодинг: как отличать от no-code и какие роли остаются у человека: Вайб-кодинг — это подход, где код остаётся «живым» и доступным для чтения/рефакторинга, но большую часть рутинного написания выполняет LLM. Критично понимать, что ответственность разработчика смещается в архитектуру, ревью, постановку задач и контроль качества, а не «нажал Accept All и в прод».
[Процессы разработки]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Автор описывает эволюцию проекта Coreness: от ядра для ботов до мультитенантной платформы для создания AI-агентов. Главный итог — по мере роста менялись подходы к архитектуре, конфигурациям и процессу разработки с LLM.