Manus and AI agents are changing development: MVP code now appears in 20 minutes

AI-агенты добрались до той части разработки, где раньше съедались дни: старт проекта, связка фронтенда и бэкенда, черновая архитектура и первый рабочий демо-экран. В статье на Habr AI автор проверил это на Manus и показал, как идея стартапа превращается в работающий код примерно за 20 минут.

Почему код ускорился

Программирование оказалось одной из самых удобных сред для генеративных моделей. У языков есть строгий синтаксис, повторяющиеся шаблоны и понятный формат результата: либо код собирается и делает нужное, либо нет. Поэтому LLM уже забрали большой пласт рутины — от поиска примеров и написания boilerplate до SQL-запросов, индексов, API-обвязки и правок между фронтендом и бэкендом.

Там, где раньше разработчик тратил часы на документацию, форумы и склейку кусков, теперь первый драфт появляется почти мгновенно. Но у обычного чат-бота быстро вскрывается потолок. Чем сложнее задача, тем больше копипаста, ручной синхронизации и борьбы с потерей контекста.

Один и тот же человек вынужден пересказывать модели, какие ручки уже есть на бэкенде, как устроен компонент на фронте и что именно сломалось после последней правки. В итоге ускорение есть, но оно упирается в механический менеджмент: ты уже не столько пишешь код, сколько переносишь контекст между окнами и сообщениями.

Эксперимент с

Manus На этом фоне автор взял Manus — агентный инструмент, который не просто отвечает в чате, а сам раскладывает задачу на цепочку действий и прогоняет через модель множество шагов подряд. Вместо россыпи разрозненных фрагментов он должен вернуть более цельный результат: концепт продукта, структуру проекта, готовые файлы и рабочее демо. Для проверки автор дал ему идею стартапа и попросил собрать MVP почти с нуля.

По его описанию, генерация заняла около 20 минут и стоила несколько сотен рублей. На выходе получился не только набор файлов, но и вполне осязаемый черновик продукта, который можно скачать, открыть в IDE, доработать и показать другим. Для автора важнее всего было то, что агент вернул не обрывки логики, а уже связанный каркас, с которым можно работать как с обычным MVP, а не как с пачкой подсказок из чата.

• Продуманный концепт MVP без чистого листа Backend и frontend, связанные в одну систему Демо-версия, которую можно сразу прокликать * Возможность задавать вопросы по сгенерированному коду > «Это не 100% готовая штука — но он рабочий». Главный эффект здесь не в магии, а в сжатии времени. То, на что раньше уходили дни стартовой сборки, базовой архитектуры и ручной интеграции, агент упаковывает в один длинный прогон. Для соло-фаундера или небольшой команды это снижает цену входа в MVP: появляется шанс быстрее проверить идею, не начиная с пустого репозитория и бесконечного списка мелких технических задач. Это меняет ритм первых запусков и позволяет быстрее показать концепт партнёрам, первым пользователям или инвесторам.

Где предел агента При этом сам автор не делает вывода, что разработчики больше не нужны.

Наоборот: чем опытнее инженер или стартапер, тем заметнее ограничения такого подхода. Агент хорошо закрывает пустой лист, но плохо чувствует продуктовые приоритеты, компромиссы и долгосрочные последствия решений. Он умеет собрать рабочую основу, но не понимает по-настоящему, где нужно заложить сильное ядро, где можно схалтурить ради скорости, а где технический долг потом ударит по всему проекту.

Есть и вторая проблема — иллюзия продуктивности. Когда инструмент сам генерирует интерфейс, серверную часть и демо, кажется, что продукт почти готов. Но затем начинается самая дорогая фаза: разбор чужой логики, ревью архитектуры, проверка узких мест, безопасность, поддержка и развитие.

Если человек не контролировал систему по ходу сборки, ему придётся расплачиваться позже — временем на понимание того, как этот код вообще живёт и что в нём сломается первым.

Что это значит AI-агенты вроде

Manus уже делают создание чернового софта заметно дешевле и быстрее, но это пока не замена сильным разработчикам, а усилитель для тех, кто умеет ставить задачу и принимать инженерные решения. Рынок сдвигается от ручного набора кода к умению формулировать требования, проверять результат, видеть архитектурные риски и брать ответственность за систему после того, как первый вау-эффект от генерации закончился и началась обычная инженерная работа.