Его рабочий процесс выглядел так:
Таким образом, каждый инструмент выполнял отдельную задачу: Claude Code служил интерфейсом разработки, GitHub — репозиторием, Supabase обеспечивал серверную часть, а Vercel отвечал за запуск приложения.
Тан не рассчитывал, что первая версия окажется идеальной. Он последовательно тестировал приложение, описывал, что работает неправильно или чего не хватает, и просил внести изменения. Цикл выглядел просто: запрос, проверка, тестирование и доработка.
Из этого опыта он вывел практическое правило: расплывчатые инструкции дают расплывчатый результат. Чем точнее Тан описывал поля, права доступа, расчёты и пользовательский опыт, тем полезнее становился ответ Claude Code. Система в целом понимала даже несовершенный, «ломаный» английский, но понять просьбу — не значит получить из неё полный набор требований.
Это важное уточнение для всех, кто пробует ИИ-инструменты для программирования. Они снижают порог входа, но не отменяют необходимость чётко определить задачу и проверить итог.
Для исследования Тан использовал Claude Code вместе с Perplexity AI, поскольку сервис предоставляет ссылки и цитаты. Но наличие ссылки он не считал автоматическим доказательством достоверности.
В одном случае система назвала рыбу с плавниками одной из главных причин аллергии в Сингапуре. Тан усомнился в этом утверждении, поскольку в его представлении более очевидной проблемой были моллюски. Он проверил приведённые материалы и исправил информацию в приложении. В описании проекта также подчёркивается, что системы ИИ-поиска могут ссылаться на вымышленные исследования, поэтому важные сведения о здоровье требуют независимой проверки.
Для приложения, связанного с младенцем, это особенно существенно. Такой сервис может структурировать наблюдения и сопоставлять их с рекомендациями, но ссылки, сгенерированные ИИ, сами по себе не превращают результат в медицинское заключение.
Навыки, которые Тан приобрёл во время работы над приложением, пригодились ему и в другой задаче. Он создал инструмент с одной кнопкой, способный переводить англоязычный контент на 48 языков.
Причём задача не сводилась к дословной замене слов. Сначала инструмент должен был понять смысл исходника, намерение автора и его убеждающую цель. Затем ему предписывалось написать естественный текст на целевом языке, не сохраняя английскую структуру фраз, ритм и логику.
Это тот же принцип, что и при создании трекера для ребёнка: результат зависит не только от выбранного инструмента, но и от того, насколько ясно пользователь объяснил цель, контекст и ограничения.
Опыт Тана не доказывает, что ИИ полностью автоматизировал разработку. Ему по-прежнему пришлось найти конкретную проблему, составить подробную спецификацию, зарегистрироваться на нескольких платформах, связать сервисы, протестировать приложение и усомниться в сомнительных результатах поиска.
Но эта история показывает, что человек без опыта программирования может начать не с многолетнего изучения технологий, а с полезной и чётко очерченной идеи. Для Тана эксперименты с ИИ и умение формулировать запросы становятся практическими навыками будущего — в том числе для людей, которые не владеют английским идеально.
Главный вывод здесь не в том, что «ИИ способен создать что угодно». Скорее, он помогает быстрее собрать прототип узкоспециализированного инструмента, если человек сохраняет за собой ответственность за требования, тестирование и оценку достоверности информации.