Как я построил Poligramm с помощью бесплатного ChatGPT: путь от плиточника к архитектуре цифрового продукта

Я решил написать этот текст честно — без попытки выглядеть тем, кем я не являюсь.

По профессии я плиточник. Уровня middle—middle+. Вот мой профайл И да — это мой основной бэкграунд, а не программирование.

Я не разработчик, не backend-инженер и не человек, который 10 лет пишет на C++ по ночам. Но я также не «нулевой» в разработке: я понимаю логику систем, структуру цифровых продуктов, архитектуру решений и умею формулировать требования.

В этом проекте я выступал не как кодер, а как архитектор идеи, продакт, дизайнер логики и драйвер продукта.

Когда работы стало меньше, я решил направить энергию в создание собственного цифрового продукта. Так появился проект Poligramm.

Что я хотел сделать — ещё до первой строчки кода

У меня была чёткая цель: создать поведенческий тест, который измеряет не то, что человек говорит о себе, а то, как он реально реагирует под когнитивной нагрузкой.

Я заранее сформулировал:

1. концепцию продукта
2. механику теста
3. сценарную логику
4. принципы анализа реакций
5. ограничения и требования к защите от манипуляций

То есть я не «попросил ИИ сделать стартап». Я пришёл с готовым архитектурным видением.

ИИ стал исполнителем и ускорителем, а не источником идеи.

Почему я выбрал бесплатный ChatGPT ?

Я использовал бесплатную версию ChatGPT, потому что:

1. из России затруднён доступ к платным тарифам
2. проект стартовал без инвестиций
3. было интересно проверить пределы именно бесплатного инструмента

Это был своего рода эксперимент: насколько далеко можно зайти с бесплатным ИИ, если есть чёткое техническое мышление и продуктовая логика?

Ответ: дальше, чем я ожидал.

Вайбкодинг, но с архитектурой

Формат работы можно назвать «вайбкодингом», но это не хаотичная генерация кода.

Моя роль:

1. формулировать задачи
2. разбивать систему на модули
3. определять архитектуру
4. проектировать пользовательский флоу
5. задавать метрики качества
6. принимать решения, что подходит продукту, а что — нет

ИИ выполнял роль:

1. ускорителя разработки
2. генератора кода
3. помощника в отладке
4. инструмента быстрого прототипирования

Я не писал:

«Сделай мне продукт»

Я писал:

«Собери архитектуру теста из 108 вопросов с ветвлением, защитой от случайного клика и логикой сценарных переходов».

Технологический стек проекта

Основной стек Poligramm

1. JavaScript / TypeScript — логика фронтенда
2. React / Next.js — интерфейс
3. Node.js — серверная логика
4. Vercel — деплой и хостинг
5. GitHub — контроль версий
6. Local Storage / Backend API — хранение состояний сессий
7. Markdown / JSON — структура сценариев

Используемые библиотеки и инструменты

1. UI-компоненты и кастомные хуки React
2. Логика маршрутизации сценариев
3. Тайминговые модули для фиксации реакции
4. Модули защиты от «рандомного прокликивания»
5. Система прогресс-бара и состояния прохождения теста

Архитектура теста: что именно я проектировал

Тест строится как сценарная система, а не как линейный опрос.

Основные элементы архитектуры:

1. 108+ вопросов
2. ветвление сценариев в зависимости от ответов
3. тайминги реакции на каждый шаг
4. анализ стабильности поведения
5. отслеживание расхождений в логике ответов
6. фиксация паттернов под когнитивной нагрузкой

Я проектировал:

1. логику переходов
2. правила интерпретации
3. ограничения на повтор отражающих вопросов
4. структуру формирования поведенческого профиля

Какие метрики используются в Poligramm

Тест анализирует не «правильность», а поведенческие паттерны.

Примеры метрик:

1. время реакции
2. стабильность ответов
3. логическая согласованность
4. динамика изменения паттерна
5. уровень вариативности поведения
6. реакция под повышенной когнитивной нагрузкой
7. попытки подстроиться под «социально желаемый ответ»

Фактически мы измеряем не образ человека, а его поведенческую структуру.

Lite и Pro версии

Poligramm Lite

Для массового пользователя:

1. быстрый тест
2. инсайты
3. поведенческий профиль
4. вовлекающий формат

Poligramm Pro

Для:

1. HR
2. команд
3. исследовательских задач
4. расширенной аналитики
5. пилотных корпоративных сценариев

Самый сложный момент — смена моделей ChatGPT

Один из самых болезненных этапов — это момент, когда заканчивалась более продвинутая модель, и система переключалась на упрощённую версию.

Разница ощущалась сразу:

1. хуже понималась архитектура
2. ломалась логика
3. появлялись ошибки в коде
4. приходилось чаще перепроверять и откатывать изменения

Этот этап научил меня важному: ИИ — это мощный инструмент, но контроль и архитектура должны оставаться у человека.

Почему я пока отказался от подключения видеокамеры

Я сознательно не стал подключать анализ видео и лица на раннем этапе.

Причины:

1. Юридические риски (биометрия, персональные данные)
2. Этические вопросы
3. Усложнение MVP
4. Риск смещения фокуса с поведенческой логики на «эффектную магию»

Сначала я хочу довести до зрелости анализ реакций и сценарных паттернов — без перегруза системой.

Telegram-бот для конвертации TXT и Markdown в PDF

Параллельно я разработал Telegram-бота, который преобразует текстовые файлы в аккуратно оформленные PDF.

Функциональность:

1. загрузка TXT / Markdown
2. парсинг структуры
3. форматирование заголовков, списков, выделений
4. генерация готового PDF

Технологии:

1. Python
2. pyTelegramBotAPI
3. ReportLab / WeasyPrint
4. Markdown parser

Это вспомогательный, но полезный инструмент — и отдельный продукт в портфеле.

Что получилось на текущий момент

1. Полноценный рабочий тест
2. 108+ сценарных вопросов
3. Ветвящаяся логика
4. Система защиты от случайного клика
5. Прогресс-бар и устойчивый UI
6. Версии Lite и Pro
7. Telegram-бот для PDF
8. Рабочий MVP, а не концепт

Это не презентация и не идея в Notion. Это живой продукт, который можно тестировать и развивать.

Я не разработчик — я архитектор идеи

Важно уточнить: я не выступал как классический программист.

Моя роль:

1. архитектура
2. продуктовая логика
3. сценарный дизайн
4. требования к системе
5. контроль качества решений
6. принятие решений о направлении продукта

ИИ помогал писать код. Но идея, структура, требования и система — были моей зоной ответственности.

Итоги: что показал этот опыт

Этот проект доказал мне несколько вещей:

1. Один человек + ИИ = маленькая продуктовая команда
2. Бесплатный ChatGPT может быть достаточным, если есть архитектурное мышление
3. ИИ не заменяет интеллект — он усиливает его
4. Решающее значение имеет не код, а структура мышления
5. Скорость реализации иногда важнее, чем идеальная инженерная чистота

И да — иногда удивительно видеть, как человек без классического dev-бэкграунда может собрать работающий технологический продукт, если мыслит системно. Я не программист. Но я сделал продукт с помощью бесплатного ChatGPT — и он работает лучше, чем многие проекты dev-команд.