Как Маша Лещинская спасила пет-проект от смерти: система бронирования устройств для AI

Маша Лещинская, Head of QA в Surf, поделилась историей пет-проекта, который выжил в отличие от сотен других. Система бронирования физических устройств живёт уже третий месяц. И это не благодаря революционным технологиям или венчурному финансированию, а благодаря одному простому решению: минимизации стоимости поддержки на этапе проектирования.

Почему пет-проекты умирают Большинство side-проектов живут одну-две недели.

Разработчик загорается идеей по ночам, быстро запускает MVP за выходные, выкатывает на GitHub, делится в соцсетях. Но потом открывается реальность: нужно следить за логами в 2 часа ночи, чинить ошибки в production, добавлять фичи по просьбам первых пользователей. Всё в свободное время, без дедлайнов, без бюджета, без аналитиков. Энтузиазм падает линейно со временем, проект замораживается в архиве на GitHub. Маша столкнулась с той же ловушкой, но поступила по-другому: вместо идеальной архитектуры с максимальной гибкостью, она сразу взяла за критерий минимальное обслуживание.

Как спроектировать систему на минимальное обслуживание

Система бронирования устройств в Surf решает конкретную задачу: QA-инженерам и тестерам нужно бронировать физические девайсы (смартфоны, планшеты, IoT) для тестирования. Обычно это либо гугл-таблица с конфликтами, либо дорогой enterprise-инструмент типа TestRail. Маша выбрала функциональный минимум и автоматизировала всё, что можно: Автоматическое освобождение устройства по таймауту — девайс занят ровно на отведённый слот, потом сам освобождается Уведомления через существующие каналы (Slack, Telegram) — без отдельного приложения Синхронизация БД полностью автоматична, нет ручных апдейтов Минимум custom-интеграций — готовые API (Slack, Google Calendar) * Логирование и мониторинг самодиагностируются, алерты идут только при реальных проблемах Результат: проект требует полноценного внимания раза в неделю на 15 минут, а не ежедневного присмотра.

Как пет-проект стал полигоном для AI

Маша использовала систему как реальный стенд для экспериментов с AI и LLM. Например, NLP-бот, который понимает запрос в natural language («мне нужен iPhone 15 на час с 3 до 4 вечера») и сам бронирует устройство без кликов в UI. Или AI-агент, предлагающий альтернативные девайсы, если нужный занят. Классический research-бот в Jupyter ноутбуке забывается. Бот в боевой системе живёт дольше: учится на реальных ошибках, на реальном поведении пользователей, а не на synthetic-датасета из документации.

Что это значит Долгоживущий пет-проект — это не магия и не везение.

Это результат трезвого дизайна: минимизируй боль поддержки, автоматизируй рутину, выбери практичный use-case. И если проект становится реальным полигоном для AI-экспериментов, он перестаёт быть хобби — превращается в инструмент, который стоит поддерживать.