• Автор собрал MVP без бюджета и команды, используя Gemini 3.1 Pro как основного помощника по разработке.
• KiSwipe работает как полноэкранная вертикальная лента HD-трейлеров с лайками, избранным и механикой совпадений между двумя связанными сессиями.
• Для MVP выбрали Node.js и Express на бэкенде, TMDB API как источник данных о фильмах, localStorage и память сервера для хранения лайков, комнат и связей.
• После первой попытки с монолитным index.js на 1000 строк проект разделили на отдельные модули для UI, плеера, свайпов и хранения данных.
• Из-за проблем с доступностью YouTube Iframe API при тестировании из России автор перевёл интерфейс на английский и адаптировал сервис под рынок США и данные TMDB по региону US.

Почему это важно: Материал показывает, что даже в небольшом проекте ИИ ускоряет сборку MVP, но не снимает задачу архитектуры и контроля. В этом кейсе ценность была не только в генерации кода, но и в том, что человек удерживал продуктовую логику и разделение ответственности между модулями. Отдельно заметно, что внешние платформы и региональные ограничения могут напрямую менять рынок, аудиторию и сценарий запуска продукта.

На что обратить внимание: В описании проекта явно заявлена ставка на максимально лёгкий стек и быстрый запуск, но часть решений завязана на внешние API и доступность видеоплатформ. В одном из ключевых эпизодов именно YouTube стал источником сбоя, поэтому важным выглядит вопрос об устойчивости таких зависимостей и о запасных сценариях. Следующий логичный шаг в этой логике — не столько расширение функций, сколько проверка UX, стабильности синхронизации и реальной жизнеспособности канала привлечения при нулевом маркетинговом бюджете.