06.11.2025 18:15
Mihanikuz 11 2100 Источник

или почему теперь любой менеджер может стать разработчиком

Введение

Работая руководителем проектов в IT-компании, я часто сталкивался с тем, что процессы в разработке не автоматизированы, а хаос — не редкость.
Особенно больной темой стали устройства для тестирования: разработчики брали модули, работали с ними неделями и… забывали вернуть.

Чтобы найти нужный модуль, приходилось устраивать настоящий «квест по офису»:

— У кого сейчас БАС?
— А МЦП кто забрал?

Таблицы и списки не помогали — они быстро устаревают и требуют ручного обновления.
Тогда я решил: нужно сделать автоматизацию, но без привлечения разработчиков.
Сделать самому, используя нейросети и no-code-инструменты.

Почему нейросети и no-code?

Я хотел доказать (в первую очередь себе), что автоматизировать процессы может не только программист.
Сейчас порог входа в разработку сильно снизился — достаточно понимать логику процессов и иметь немного системного мышления.

Для проекта я выбрал три ключевых инстру��ента:

  • n8n — no-code/low-code платформа для автоматизации.

  • Пачка — российская альтернатива Slack, через которую всё общается с пользователями.

  • OpenRouter — платформа, которая позволяет бесплатно подключать нейросетевые модели через API (вроде GPT, Claude и других).

Первые шаги: “Я не понимал, что такое JSON”

Когда я начинал, я честно не знал, что такое JSON, webhooks и как работает API.
Документация по Пачке оказалась довольно скромной, а ChatGPT помогал куда лучше.

Я показывал нейросети код, снимки экрана, таблицы — и вместе мы разбирались, почему что-то не работает.
Первым успехом было простое действие: отправить сообщение в Пачку из n8n.
Это был мой “Hello, World!” в мире автоматизации.

Первый MVP: когда всё было просто

Первая версия моего бота умела:

  • показывать список устройств,

  • бронировать,

  • и снимать бронь.

Всё работало отлично — пока устройств было 10.
Но как только коллеги попросили добавить все 35 модулей, бот просто упал.

Оказалось, что Пачка не умеет обрабатывать больше 30 кнопок одновременно.
Каждое устройство я выводил как кнопку — и архитектура посыпалась.

Решение: страницы и временные таблицы

Чтобы обойти ограничение, я сделал постраничный вывод — по 30 устройств на страницу.
Пользователь мог листать кнопками “Далее” и “Назад”.

Поначалу я пытался хранить временные данные в ChatMemory, но он работал нестабильно.
После долгих экспериментов я создал временную таблицу в PostgreSQL:

CREATE TABLE temp_user_modules (
  user_id BIGINT NOT NULL,
  message_id BIGINT NOT NULL,
  total_pages INT NOT NULL,
  current_page INT NOT NULL,
  id TEXT NOT NULL,
  created_at TIMESTAMP DEFAULT NOW()
);

Так я впервые по-настоящему понял, как работают временные таблицы. Теперь у каждого пользователя сохраняются его страницы с устройствами, и при новом запросе данные автоматически очищаются.

Архитектура интерфейса: один столбец против трёх

Чтобы пользователям было удобно, я сделал два разных представления:

  • Общий список устройств — в один столбец, потому что нужно показать название, срок и кто забронировал.

  • Список свободных устройств — в три столбца, чтобы быстрее выбрать и забронировать.

Когда нейросеть стала коллегой

Я добавил в n8n AI-агента, который обрабатывает не только команды, но и “человеческие” фразы.
Например:

“Покажи, какие у меня сейчас модули.”
“Забронируй БИС-М-1.”
“Сними бронь с БДМ.”

Модель через OpenRouter генерирует нужные JSON-запросы и передает их в workflow.
Это оказалось неожиданно удобно: пользователи не думают, “какая команда нужна”, просто говорят.

Автоматизация напоминаний

На этом я не остановился.
Я добавил задачу, которая каждое утро в 9:00 проверяет таблицу с бронями:

  • если срок заканчивается завтра — бот напоминает пользователю;

  • если срок уже прошёл — бронь снимается автоматически.

Что в итоге умеет бот

Сегодня бот:

  • показывает все устройства,

  • выводит свободные,

  • показывает устройства конкретного пользователя,

  • бронирует и снимает бронь,

  • продлевает бронирование,

  • уведомляет и автоматически освобождает модули.

Если нейросеть не понимает запрос, он дублируется мне — чтобы я мог скорректировать промт.
Это помогает системе “обучаться” на реальных ошибках.

Что изменилось в работе команды

После запуска мы перестали терять модули.
Теперь всегда понятно, кто и когда работает с устройством.
Если модуль ушёл в ремонт, сотрудник бронирует его на себя. Когда возвращает — снимает бронь.

Никаких Excel-таблиц. Никаких уточнений “а где мой блок?”. Всё в одном месте — в Пачке.

Личные выводы

Для меня это был не просто проект, а курс выживания менеджера в мире разработки.

  • Нейросети действительно снижают порог входа.

  • Чтобы делать автоматизации, не нужно быть программистом.

  • Но нужно уметь думать архитектурно — нейросеть не всегда понимает контекст.

  • Главное — начать, ошибаться и дорабатывать.

Я начал, не зная, что такое JSON, а закончил системой, которая работает автономно и помогает всей команде.

Что дальше?

Коллеги уже предложили новое улучшение —
добавить очередь на бронирование устройств, чтобы планировать работу заранее.

И это, кажется, следующая итерация нашей автоматизации.

Финал

Сегодня я уверен, что будущее разработки — это не код, а мышление.

Если вы менеджер, инженер или просто человек, которому надоело делать всё вручную — попробуйте.

Нейросети действительно дают возможность создавать инструменты под себя, без боли и бесконечных согласований.

И знаете, это чертовски вдохновляет. :-)

Комментарии (11)