AIruntime собирает сайт-визитку из чата с ИИ за 50–300 рублей токенов
Владелец пекарни или салона описывает в чате, какой сайт нужен, и получает рабочую ссылку: стартап AIruntime собирает его командой ИИ-агентов. Одностраничная визитка обходится в 50–300 рублей за токены, то есть оплату работы нейросетей. Раньше зависший цикл правок сжигал 500–700 рублей впустую, теперь он останавливается после двух-трёх итераций. Вывод для агентных продуктов: жёсткий лимит итераций защищает бюджет лучше, чем выбор модели.
AI-обработка оригинала Habr AI; редакция Hamidun News
Владелец пекарни, автомастерской или салона груминга описывает в чате с ИИ, какой сайт ему нужен, и через несколько минут получает ссылку на работающий проект. Так устроен стартап AIruntime: сервис сам пишет код, рисует дизайн, проверяет результат и выкладывает сайт или Telegram-бота на хостинг. Одностраничная визитка обходится примерно в 50–300 рублей. Это не подписка, а стоимость токенов, то есть оплата работы нейросетей за один прогон. Оценка получена в экспериментах с учётом всех ограничений на агентов. Без этих ограничений один зависший запрос мог стоить 500–700 рублей, и пользователь не получал ничего.
Сделать сайт в конструкторе можно давно, но микробизнесу это всё равно сложно. Нужно понимать, какие блоки поставить, чем их наполнить, как зарегистрировать домен и чем за него платить. Когнитивных ресурсов у владельца пекарни и так мало, поэтому он остаётся в соцсетях и мессенджерах. Там нельзя нормально автоматизировать запись на услуги или приём заказов. AIruntime предлагает заменить конструктор диалогом: объяснил задачу словами и получил готовый прод.
Это не copilot для программистов и не замена разработки. Сервис рассчитан на задачи, под которые раньше не нанимали людей из-за цены: визитка с записью на стрижку, простое приложение, которое пишет данные в базу и показывает их администратору, прототип или копия нишевого сервиса. Магазины с полной цепочкой продаж пока не получаются: неясно, как юридически корректно подключать платёжные системы в режиме ИИ-агента.
Как устроен конвейер из агентов
Внутри несколько ролей с разными промптами. Один агент пишет код с учётом SEO, другой делает дизайн (за него отвечает отдельная модель с плагинами, чтобы картинка не выглядела откровенно «нейросетевой»), третий отвечает за вёрстку, чтобы на смартфонах всё смотрелось нормально. Запрос пользователя превращается в quality gates, набор проверок, который проект должен пройти по каждой роли: чистый интерфейс, расширяемая архитектура, реальные тесты. Свои самописные проверки команда недавно заменила репозиторием ai-quality-gates, чтобы критерии были привязаны к задачам.
Отдельный агент-судья проверяет итог. По наблюдению команды, нейросети ошибаются по двум причинам: либо контекст слишком большой и модель теряет детали, либо задача размыта и она идёт своим путём. У судьи контекст небольшой, а задача понятная, поэтому именно он держит качество на приемлемом уровне.
Деньги и защита от бесконечных правок
Главная инженерная проблема оказалась в расходах. Сложный запрос загонял систему в бесконечный круг исправлений, который заканчивался таймаутом. Теперь после двух-трёх этапов правок процесс принудительно останавливается. Сервис берёт комиссию с израсходованных токенов, домены и хостинг отдельно пока не тарифицирует. Дополнительная выручка идёт от доработок: правки сайта тоже делаются через тот же чат.
Грабли автономных агентов
- Агенты любят задавать уточняющие вопросы и вставать в ожидание. Ответы на самые частые заранее подготовлены.
- При создании базы агент просит логин и пароль. Теперь пароль генерирует скрипт и кладёт в отдельный файл, а агенту дают команду прочитать его по нужному пути.
- Сначала проекты лежали в общей папке, и агент по промпту «места мало, удали файлы соседа» мог это сделать. Теперь у каждого проекта свой Docker volume, то есть изолированное хранилище. На старте команда считает этого достаточным.
- Работу с доменами сначала настраивали вручную, потом перешли на Cloudflare MCP-серверы. MCP (Model Context Protocol) даёт агенту стандартный способ вызывать внешние инструменты. Несколько доменов на одном IP обслуживает Traefik: он смотрит на имя в запросе, направляет его в нужный контейнер и сам выдаёт сертификаты.
В основе лежит OpenAI SDK, библиотека-обёртка над запросами к моделям. Жёсткой привязки к OpenAI нет: при необходимости можно перейти на китайские аналоги вроде Qwen.
Что дальше и какие остаются вопросы
Сервис только вышел на рынок: недавно появился приём оплаты за токены и автоматический разбор логов после деплоя. В планах мониторинг, алерты, автоматическое восстановление после сбоев, подключение своего домена и простая аналитика: сколько человек пришло на сайт и сколько записалось.
Идея не уникальна. Похожий сервис Base44 в 2025 году купила Wix, что показывает интерес крупных игроков. Остаются ограничения: гарантий результата нет, безопасность и разделение доступа придётся контролировать, каждого агента нужно ограничивать и проверять. Неизвестно и главное: поверит ли владелец цветочного магазина или парикмахерской, что ИИ справится без человека, и готов ли он отвечать за последствия ошибок.
Для тех, кто строит агентные продукты, вывод практичный: лимит итераций, короткий контекст у проверяющего агента, изоляция проектов и заготовленные ответы на типовые вопросы влияют на экономику сильнее, чем выбор самой модели.
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
- 21 нояб. 2026 г.Капитан пловцов отдала ChatGPT три задачи по расписанию и сократила рутину в разы
- 21 нояб. 2026 г.OpenAI GPT-6 Cyber нашла около 35 дыр в iPhone, Mac и другой технике Apple
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: как устроен конвейер из агентов?
Внутри несколько ролей с разными промптами. Один агент пишет код с учётом SEO, другой делает дизайн (за него отвечает отдельная модель с плагинами, чтобы картинка не выглядела откровенно «нейросетевой»), третий отвечает за вёрстку, чтобы на смартфонах всё смотрелось нормально. Запрос пользователя превращается в quality gates, набор проверок, который проект должен пройти по каждой роли: чистый интерфейс, расширяемая архитектура, реальные тесты.
Что известно по теме: деньги и защита от бесконечных правок?
Главная инженерная проблема оказалась в расходах. Сложный запрос загонял систему в бесконечный круг исправлений, который заканчивался таймаутом. Теперь после двух-трёх этапов правок процесс принудительно останавливается. Сервис берёт комиссию с израсходованных токенов, домены и хостинг отдельно пока не тарифицирует. Дополнительная выручка идёт от доработок: правки сайта тоже делаются через тот же чат.
Что известно по теме: грабли автономных агентов?
Агенты любят задавать уточняющие вопросы и вставать в ожидание. Ответы на самые частые заранее подготовлены. При создании базы агент просит логин и пароль. Теперь пароль генерирует скрипт и кладёт в отдельный файл, а агенту дают команду прочитать его по нужному пути. Сначала проекты лежали в общей папке, и агент по промпту «места мало, удали файлы соседа» мог это сделать. Теперь у каждого проекта свой Docker volume, то есть изолированное хранилище. На старте команда считает этого достаточным.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.