От идеи к MVP за день: AI собрал профайлер PostgreSQL

Переход с MS SQL на PostgreSQL принёс неожиданный сюрприз: встроенного профайлера нет. Одна из ключевых функций, знакомая каждому, кто работал с SQL Server, просто отсутствует. Раньше это означало бы: поставить задачу разработчикам, согласовать спецификацию, ждать недели результата. Один инженер выбрал другой путь и собрал работающий MVP за одни сутки — не написав ни строки кода самостоятельно.

Почему

PostgreSQL без встроенного профайлера PostgreSQL опережает MS SQL по функциональности во многих областях, но диагностика и профилирование — его известное слабое место. В SQL Server профайлер встроен прямо в ядро базы данных. Он позволяет отслеживать каждый выполняемый запрос: время выполнения, затраченные ресурсы, планы оптимизации, блокировки. В PostgreSQL всё иначе. Полноценного встроенного профайлера нет. Да, есть расширения — pg_stat_statements для статистики, auto_explain для логирования планов, — но они требуют отдельной установки и настройки. И главное, не дают той полноты информации, что встроенный профайлер SQL Server.

Как AI создал код за день

Вместо традиционного цикла (задача → спецификация → разработка → недели ожидания) инженер выбрал иной подход. Он открыл диалог с AI-помощником и описал требование: нужен инструмент, который перехватывает запросы к PostgreSQL и выводит полезные метрики. Не «напиши класс на Python», не «создай функцию для парсинга логов». Просто описание проблемы. Дальше началась итеративная разработка: Первый промпт с описанием задачи Получение готового кода от AI Тестирование на реальной боевой БД Описание найденных ошибок в новом промпте Исправленная версия кода Повторение цикла до рабочего MVP За 24 часа интенсивной работы (не недели ожидания в очереди разработчиков) появился инструмент, который реально работает. Никаких совещаний, утверждений, планирования спринтов.

Что получилось на выходе MVP профайлера перехватывает SQL-запросы,

попадающие в базу, и собирает метрики: время выполнения каждого запроса, используемые индексы, количество строк. Есть базовый интерфейс для просмотра собранной статистики. Это не финальный коммерческий продукт со всеми наворотами оптимизации и интеграции с системами мониторинга. Но это рабочее решение, которое даёт то, что нужно: видимость в происходящее внутри БД.

Что это значит История иллюстрирует смену парадигмы разработки.

Раньше разработчик писал код сам (долго). Теперь: описывает задачу, AI генерирует основу, разработчик уточняет детали (быстро). Это не замена программиста — ускорение его работы в разы. Для компаний это означает меньше техдолга, короче циклы разработки, и разработчики сосредоточены на логике, а не на синтаксисе.