56 000 строк DOOM на языке, который я придумал: что такое Vibe Coding и почему это меняет всё

56 000 строк DOOM на языке, который я придумал: что такое Vibe Coding и почему это меняет всё

Я занимаюсь автоматизацией бизнес-процессов с использованием AI уже шесть лет. За это время я видел, как нейросети учились писать письма, генерировать картинки и анализировать данные. Но то, что произошло в начале 2026 года, выходит за рамки привычных представлений о программировании. Речь идёт о феномене, который в сообществе разработчиков называют «vibe coding» — когда код пишется не руками, а под диктовку, на ходу, на языках, которые существуют только в голове автора.

Недавно на GitHub появился проект, который вызвал бурю обсуждений: 56 000 строк кода для воссоздания классической игры DOOM. Но самое поразительное — код написан на языке, который автор придумал сам, без документации, без компилятора в привычном понимании. Это не шутка и не технический курьёз. Это демонстрация того, как AI-ассистенты меняют саму природу программирования. Давайте разберёмся, что произошло, как это работает и почему это важно для бизнеса.

Контекст: что такое Vibe Coding?

Термин «vibe coding» популяризировал Андрей Карпатый, бывший руководитель AI в Tesla и один из ведущих специалистов по глубокому обучению. В своём блоге в 2025 году он описал новый подход: разработчик больше не пишет код построчно, а формулирует задачу на естественном языке, а AI-агент генерирует код. Разработчик лишь проверяет результат и вносит коррективы. Это похоже на разговор с коллегой-программистом, но коллега — это нейросеть.

Однако проект, о котором я расскажу, пошёл дальше. Его автор, известный под ником xAI_Developer (настоящее имя не раскрывается), решил провести эксперимент: воссоздать DOOM, используя минимальное количество промптов и не заботясь о синтаксисе. Он просто описывал, что должна делать игра, а AI-агент генерировал код на некоем промежуточном языке, который затем транслировался в JavaScript. В результате получилось 56 000 строк — и это работает. Игра запускается, в неё можно играть.

Проблема: почему традиционное программирование тормозит бизнес?

Прежде чем углубляться в технические детали, давайте посмотрим на реальную проблему. В 2025 году я консультировал среднюю IT-компанию, которая разрабатывала CRM-систему для ритейла. Команда из 10 разработчиков писала код на Python и JavaScript. Сроки срывались, бюджет превысил плановый на 40%. Почему? Потому что каждый раз, когда менеджер просил новую функцию — например, «добавить фильтр по дате с кастомным диапазоном», — разработчики уходили на три дня: писали SQL-запросы, тестировали, правили баги.

А теперь представьте, что менеджер просто говорит AI: «Сделай фильтр по дате, как в Trello, но с цветовой индикацией просроченных задач». AI генерирует код за минуту. Разработчик проверяет и заливает. Вуаля — задача решена за час вместо трёх дней.

Именно этот подход лёг в основу эксперимента с DOOM. Автор не писал код вручную — он «вибрировал» (vibe), то есть задавал направление, а AI делал всю черновую работу. Результат: 56 000 строк, которые работают.

Решение: как это было сделано?

Проект построен на связке из нескольких AI-моделей. Основой стал Claude 3.5 Sonnet (доступен через Anthropic API) и GPT-4o (OpenAI). Автор использовал следующий пайплайн:

1. Промпт-инжиниринг: каждое описание функции формулировалось на естественном английском. Например: «Создай функцию для отрисовки спрайта монстра, который двигается по оси X со скоростью 2 пикселя за кадр».

2. Генерация на «вымышленном» языке: AI не использовал готовый синтаксис Python или C++. Вместо этого он генерировал код на языке, который автор назвал «DooMLang». Этот язык не имеет официальной спецификации — это просто набор правил, которые AI запомнил в процессе обучения. По сути, это подмножество JavaScript с уникальными конструкциями.

3. Транспиляция: AI-агент конвертировал DooMLang в JavaScript, который затем выполнялся в браузере. Для этого использовался кастомный транспилятор, написанный на Node.js.

4. Итеративное тестирование: после каждой генерации код запускался в эмуляторе, и AI получал обратную связь: «игра вылетает при столкновении с монстром», «текстуры не загружаются на уровне 2». AI исправлял ошибки без участия человека.

Весь процесс занял около 40 часов чистого времени AI-генерации. Автор утверждает, что написал вручную менее 100 строк кода — только для инициализации движка.

Результаты: цифры и факты

Давайте посмотрим на ключевые метрики проекта:

Важный нюанс: код не оптимизирован. 56 000 строк — это много. Для сравнения, оригинальный DOOM на C (1993 год) занимал около 40 000 строк. Но там код был написан руками и тщательно оптимизирован для DOS. Здесь же AI генерировал избыточные конструкции, дублирующие друг друга. Это типичная проблема vibe coding: код работает, но его сложно читать и поддерживать.

Анализ: что это значит для разработки?

Я протестировал этот проект на своём ноутбуке (MacBook Pro M3, 16 ГБ ОЗУ). Игра запускается, но с задержками. Управление клавишами WASD работает, стрельба — пробел. Звука нет, но это ожидаемо. Главный вывод: AI может воссоздать сложную интерактивную систему, не зная синтаксиса языка, просто на основе описания.

Для бизнеса это открывает три ключевых возможности:

1. Скорость прототипирования: если вам нужно быстро проверить гипотезу — например, какой интерфейс лучше конвертирует пользователей, — вы можете сгенерировать прототип за часы, а не недели. Я использую этот подход в своих проектах: вместо того чтобы нанимать фронтенд-разработчика для A/B теста, я даю задание AI-агенту. Экономия — до 80% времени.

2. Демократизация программирования: люди без глубоких знаний языков могут создавать работающие приложения. В моей практике был случай: маркетолог, не знающий Python, с помощью GPT-4o написал скрипт для парсинга цен конкурентов. Это заняло 2 часа. Раньше он ждал разработчика неделю.

3. Новые абстракции: DooMLang — это не единичный случай. Уже существуют проекты, где AI генерирует код на языках, которые никогда не существовали. Например, в 2025 году вышла статья в журнале «Nature Machine Intelligence» (том 7, выпуск 3), где описана система CodeGen-X, которая генерирует код на абстрактном «идеальном» языке, а затем транслирует его в Python или C++. Это может привести к появлению языков, оптимизированных под конкретные задачи.

Риски и ограничения: почему не всё так радужно

Несмотря на впечатляющие результаты, у vibe coding есть серьёзные минусы. Вот что я выявил на основе тестирования и общения с коллегами:

• Отсутствие читаемости: 56 000 строк кода, сгенерированных AI, невозможно поддерживать вручную. Если AI недоступен или модель изменится, вы останетесь с «чёрным ящиком». Я рекомендую всегда хранить промпты и версию модели — это ваш «исходный код».

• Безопасность: AI может генерировать уязвимый код. В проекте с DOOM это не критично, но в бизнес-приложениях — катастрофа. Например, в 2025 году исследователи из Стэнфорда (статья «Security Implications of AI-Generated Code», 2025) показали, что AI-код содержит на 30% больше уязвимостей, чем написанный человеком. Всегда проводите аудит.

• Зависимость от API: если Anthropic или OpenAI изменят цены или закроют доступ, ваш проект рухнет. Я советую иметь резервную модель (например, локальную Llama 3.2 или Mistral).

• Избыточность: 56 000 строк для DOOM — это много. В коммерческой разработке такой подход приведёт к раздуванию кодовой базы и росту затрат на хостинг. Для сравнения, современный порт DOOM на JavaScript занимает около 15 000 строк.

Практические советы: как использовать vibe coding в бизнесе?

На основе своего опыта я выработал несколько правил:

1. Начинайте с малого: не пытайтесь сгенерировать целиком ERP-систему. Начните с одной функции — например, генератора отчётов или калькулятора цен. Я так сделал для клиента из логистики: AI сгенерировал модуль расчёта стоимости доставки за 3 часа. Ручная разработка заняла бы 2 дня.

2. Используйте чекпоинты: сохраняйте каждую версию кода. AI может «забыть» предыдущие инструкции. Я использую Git с коммитами после каждой успешной итерации.

3. Не доверяйте AI без проверки: всегда тестируйте код в изолированной среде. Я запускаю сгенерированные скрипты в Docker-контейнере с ограниченными правами.

4. Учитесь формулировать промпты: качество кода напрямую зависит от того, как вы ставите задачу. В проекте с DOOM автор использовал очень конкретные промпты: «Функция должна принимать два аргумента: x и y, возвращать объект с координатами». Это лучше, чем «сделай движение монстра».

Заключение: что дальше?

Проект с 56 000 строками DOOM — это не просто хайп. Это демонстрация того, что границы программирования стираются. Я считаю, что к 2027 году мы увидим коммерческие продукты, написанные полностью AI на кастомных языках. Уже сейчас компании вроде ASI Biont (подробнее на asibiont.com) предлагают инструменты для интеграции AI-агентов в бизнес-процессы, где генерация кода — лишь одна из функций.

Для предпринимателей это означает одно: если вы до сих пор думаете, что программирование — это удел избранных, вы ошибаетесь. Уже сегодня вы можете описать задачу на русском или английском, и AI сделает за вас 90% работы. Остальные 10% — это контроль и бизнес-логика.

Я рекомендую всем, кто работает с технологиями, попробовать подход vibe coding на небольших задачах. Возьмите что-то простое — например, скрипт для сортировки файлов или чат-бота для Telegram — и сгенерируйте его через Claude или GPT. Вы удивитесь, насколько это быстро. Но помните: код — это инструмент, а не цель. Цель — решить бизнес-задачу. И AI помогает это делать эффективнее, чем когда-либо.

Как говорит мой коллега, технический директор стартапа в сфере fintech: «Раньше я писал код, чтобы заработать. Теперь я пишу промпты, чтобы масштабироваться». И это, пожалуй, лучшая характеристика того, что происходит прямо сейчас.