Как ИИ-кодинг помог разработать фичу автообновления в терминале Ghostty

Mitchell Hashimoto, создатель популярного терминала Ghostty, недавно выпустил обновление с фичей автоматического обновления для macOS — и разработал его в основном с помощью ИИ. Но это не обычный "ИИ написал код" — это разбор реального, нетривиального инженерного процесса, который демонстрирует, как AI-инструменты работают в продакшене.

Зачем

Ghostty нужны фоновые обновления Ghostty — быстрый и современный терминал, где каждое обновление может содержать критичные исправления безопасности, оптимизации производительности или новые возможности. Но достать пользователя просьбой об обновлении посредине рабочего дня — это раздражает и подрывает пользовательский опыт. Нужно было сделать процесс обновления ненавязчивым: приложение самостоятельно проверяет версию в фоне, скачивает апдейт и предлагает обновиться в удобный момент, не требуя прерывания работы. Звучит просто, но на macOS это требует обработки множества нюансов. Нужно подписать обновление криптографически, проверить целостность, откатиться при ошибке, работать без администраторских прав, обработать сетевые таймауты и конфликты с файловой системой.

Как агентный ИИ-кодинг ускорял разработку

Hashimoto использовал не просто языковую модель для генерации кода, а агентные инструменты — когда ИИ может работать в цикле и: Читать и анализировать существующую архитектуру Ghostty (Rust, Cocoa framework для macOS) Предлагать несколько вариантов решения архитектурных задач и объяснять трейд-оффы Писать код, но не вслепую — исправлять ошибки, основываясь на выводе компилятора и результатах тестов Проходить граничные случаи, которые придумывал разработчик * Переписывать части кода, если первая итерация была неоптимальна > "Это не просто 'напиши функцию'. Это диалог с ИИ о том, как правильно решить сложную инженерную задачу в контексте конкретного проекта".

На что ИИ действительно способна

Ключевой вывод Hashimoto: ИИ-кодинг работает лучше всего не для тривиальных задач ("напиши CRUD"), а для сложных фич, где требуется: Глубокое понимание существующей кодовой базы Знание экосистемы платформы (в этом случае — macOS, подписание кода, Security Framework) Итеративная разработка с анализом ошибок в реальном времени Человеческий контроль и ревью каждого архитектурного решения Фича выпущена в продакшене и работает стабильно. Это подтверждает: ИИ способна помочь в реальных, сложных инженерных задачах, если использовать её как мысленного партнёра, а не как автоматическую фабрику кода.

Что это значит для разработчиков ИИ-кодинг взрослеет.

Перестаёт быть "напиши привет мир" и становится инструментом для реальных архитектурных решений в продакшене. Чем сложнее проект — тем больше смысла использовать ИИ как ассистента в процессе разработки. Это также означает, что нужны не просто хорошие AI-модели, но и инструменты, которые позволяют ИИ работать в цикле: видеть ошибки, учиться из них, итеративно улучшать решение.