PocketCoder-A1: comment faire travailler Claude en trois équipes

На Habr опубликована статья о PocketCoder-A1 — самодельном «Авто-Кодере», который автор построил, чтобы заставить ИИ-модель Claude работать по многосменному графику и выжать максимум пользы из имеющейся подписки на LLM.

Идея: пусть ИИ работает по ночам

Отправная точка материала — наблюдение автора о том, что появление мощных ИИ-моделей на практике не столько заменяет труд людей, сколько увеличивает их нагрузку: вместо того чтобы работать меньше, специалисты продолжают работать так же много, просто теперь параллельно с ИИ-инструментами. Логичным ответом на это автор считает перераспределение нагрузки на само время: если человек занят днём, пусть модель продолжает работу ночью, когда доступ к подписке всё равно не используется.

За этой идеей стоит наблюдение, знакомое многим, кто пользуется подписочным доступом к мощным LLM: реальная загрузка лимита в течение суток крайне неравномерна — пики приходятся на рабочие часы, а ночью и в выходные доступ фактически простаивает. С точки зрения экономики это упущенная возможность: пользователь уже заплатил за лимит, но не выбирает его полностью, тогда как задач, которые можно поручить модели без постоянного контроля человека — рефакторинг, генерация тестов, обработка бэклога issues, — в любой активной кодовой базе обычно накапливается с избытком.

• Инструмент: PocketCoder-A1 («Авто-Кодер»)
• Модель: Claude
• Идея: «три смены» — круглосуточная работа ИИ вместо разового использования в рабочие часы
• Мотивация: выжать максимум из подписки на LLM, а не из отдельных запросов
• Источник: Habr

Как устроена экономика LLM-подписок?

Подписочная модель доступа к LLM, в отличие от оплаты за токены через API, создаёт экономический стимул использовать выделенный лимит как можно полнее: пользователь платит фиксированную сумму независимо от того, сколько реально «наработала» модель за это время. Инструменты вроде Claude Code, работающие поверх такой подписки, позволяют запускать модель на выполнение задач без постоянного участия человека — то есть теоретически можно организовать очередь задач, которую модель будет разбирать в фоне, включая ночное время, когда человек не пользуется лимитом сам.

Этот подход отличается от классического использования API по счётчику токенов, где каждый дополнительный запрос напрямую увеличивает счёт: там у пользователя, наоборот, есть стимул минимизировать количество обращений к модели. Подписка переворачивает эту логику — и именно поэтому инструменты для автоматизации фоновых, круглосуточных запусков модели становятся особенно привлекательными для тех, кто уже платит за подписку с фиксированным лимитом, а не тарифицируется по факту использования.

Что это значит для разработчиков?

Автор описывает свой инструмент через метафору «трёх смен» — режима, при котором модель работает не эпизодически, по запросу, а практически непрерывно, как сотрудник на посменном графике. Для одиночного разработчика или небольшой команды это способ увеличить фактическую производительность без увеличения затрат на подписку: если лимит уже оплачен, простаивающие часы становятся упущенной вычислительной мощностью, которую можно занять фоновыми задачами — рефакторингом, генерацией тестов, обработкой бэклога.

Подобные самодельные «авто-кодеры» отражают более широкий сдвиг в том, как разработчики используют коммерческие подписки на LLM: не как разовый чат-ассистент, а как постоянно работающий фоновый процесс, встроенный в цикл разработки. Насколько устойчив такой подход с точки зрения условий использования конкретных подписок и ограничений на автоматизированные запросы — вопрос, который в подобных самодельных решениях обычно остаётся на усмотрение и риск самого автора.

Сама формулировка автора — «ИИ не заменяет людей, люди просто больше работают» — фиксирует наблюдение, которое всё чаще звучит в обсуждениях эффекта от внедрения ИИ в разработку: ожидание, что автоматизация освободит время специалистов, на практике нередко оборачивается тем, что от них начинают ожидать большего объёма работы за то же время, просто теперь с помощью ИИ-инструментов. PocketCoder-A1 в этом смысле — не столько технологическое решение, сколько личная стратегия одного разработчика компенсировать эту растущую нагрузку, переложив хотя бы часть работы на модель в те часы, когда сам он физически не может работать.