Vibe Coding Promet une Augmentation de Productivité 10x — PyPI Ne Le Confirme Pas

Поклонники вайбкодинга и агентных инструментов говорят, что стали продуктивнее в 2, в 10, а то и в 100 раз. Один разработчик собрал браузер с нуля за выходные. Скептики задают резонный вопрос: если это правда — где весь этот новый софт?

Феномен вайбкодинга С 2023 года AI-ассистенты в разработке

превратились из лабораторного эксперимента в повседневный инструмент. Cursor, GitHub Copilot Workspace, Claude Code, Windsurf — новые продукты выходят каждый квартал. Принцип один: разработчик задаёт намерение, языковая модель генерирует код, разработчик проверяет и корректирует. Утверждения о производительности звучат серьёзно. Их делают не новички, а опытные инженеры с многолетним стажем: ускорение в 5–10 раз на рутинных задачах, MVP за неделю вместо месяца, SaaS-продукт в одиночку за месяц вместо квартала командой. В соцсетях это уже не исключение, а жанр. Экономическая логика подсказывает: если разработка подешевела — её должно стать больше. Такие вопросы исходят из допущения, что мир хочет больше программ, а значит, если их дешевле делать — их будут делать больше. Если вы с этим согласны, то должен существовать измеримый «AI-эффект».

Тест на PyPI PyPI — центральный репозиторий Python-пакетов — идеальный измеритель для этой гипотезы.

Он большой и стабильный, данные публичны и собираются годами. Python — один из главных языков AI-экосистемы, поэтому если эффект проявится публично, то именно здесь. Признаки, которые мы ожидали бы увидеть после 2023 года: рост числа новых пакетов, публикуемых в месяц увеличение числа авторов, впервые выпускающих пакет появление новых тематических кластеров (агенты, LLM-инструменты) ускорение релизных циклов у существующих библиотек * снижение времени от первого коммита до публикации Данные PyPI открыты и доступны через BigQuery. Если кривая роста публикаций после 2023 года резко пошла вверх — это весомый аргумент за вайбкодинг-нарратив. Если нет — значит, эффект есть, но проявляется иначе, чем ожидается.

Почему данные могут молчать Даже если прирост реален, PyPI его может не показать.

Большинство вайбкодинг-проектов не попадают в публичные реестры: персональные утилиты, внутренние инструменты компании, прототипы для клиентов — всё это остаётся приватным. AI ускоряет прежде всего начало: набросать архитектуру, сгенерировать каркас, написать тесты. Медленные части — финальная отладка, документация, поддержка после релиза — остаются такими же медленными. Результат: проекты стартуют быстрее, но финишируют не чаще. Есть и эффект роста амбиций. Раньше разработчик тратил неделю на простой скрипт. Теперь с той же неделей он берётся за полноценный продукт с UI, API и базой данных. Общий объём опубликованного кода не удвоился — но сложность каждого проекта выросла. PyPI это не фиксирует.

«Если мы не видим удвоения числа пакетов, значит, выигрыш в скорости

поглощается чем-то другим» — примерно так звучит центральный тезис скептиков.

Что это значит Вайбкодинг — реальный сдвиг в том, как ощущается разработка.

Но публичные метрики пока не подтверждают взрывного роста объёма создаваемого ПО. Возможные объяснения: большинство AI-проектов остаются приватными; выигрыш перенаправляется на задачи более высокой сложности; или мы в начале кривой и данные появятся через несколько лет. В любом случае, прежде чем принимать цифры x10 и x100 за чистую монету, смотреть стоит не на твиты, а на репозитории.