Система DeepSeek Harness за три часа разработала браузерную аркаду на React

Система DeepSeek Harness за три часа разработала браузерную аркаду на React

Разработка программного обеспечения с помощью искусственного интеллекта выходит на новый уровень: от простейшей генерации отдельных функций разработчики переходят к полноценным автономным системам. В рамках публичного эксперимента нейросетевой инструмент DeepSeek Harness доказал способность самостоятельно создавать сложные веб-приложения по единому техническому заданию. Система смогла с нуля разработать полноценную браузерную аркадную игру, потратив на весь процесс менее трёх часов автономной работы без прямого участия человека.

В качестве тестового проекта была выбрана концепция браузерного тренажёра слепой печати, совмещённого с аркадным шутером. По задумке, игрок должен вводить появляющиеся на экране слова, чтобы уничтожать виртуальных противников, зарабатывать очки и сохранять жизни. В отличие от стандартных учебных примеров, проект требовал полноценного визуального оформления на HTML5 Canvas, подключения звукового сопровождения, реализации сложной игровой логики и подсистемы сбора статистики.

Процесс создания игры состоял из нескольких этапов. Сначала общая идея была проработана в диалоге с базовой версией ChatGPT в обычном браузере. Нейросеть помогла спроектировать архитектуру приложения, выявить слабые места в требованиях и оформить развёрнутое техническое задание. После этого итоговый промпт был передан в среду DeepSeek Harness, а вся дальнейшая разработка велась в рамках подписки OpenCode Go стоимостью всего 10 долларов.

Получив задание, автономная система запустила распределённый процесс: для решения задачи было задействовано 8 специализированных субагентов. В общей сложности нейросети потребовалось 183 последовательных шага и 2 часа 43 минуты непрерывной работы. За это время агент самостоятельно проектировал модули, писал код на языках TypeScript и React, проверял промежуточные результаты и исправлял возникающие ошибки, пока проект не был полностью собран.

Эксперимент продемонстрировал высокий потенциал мультиагентных систем в сфере веб-разработки и создания графических приложений. Несмотря на то что в редких специфических моментах автору всё же потребовалось внести точечные ручные правки, DeepSeek Harness успешно справился с основной частью работы, подтвердив эффективность использования доступных ИИ-моделей в специально подготовленных средах окружения.

Пожалуйста, войдите, чтобы прокомментировать

0 комментариев