Как ИИ-агенты переносят миллион строк кода за две недели

Я изучил свежий кейс от Anthropic. В нем ИИ-агенты помогли разработчикам перенести миллион строк кода на другой язык всего за две недели. Для продюсеров и владельцев агентств это важный сигнал. Бесконечное переписывание устаревшего кода уходит в прошлое. ИИ перестраивает экономику разработки сложных сайтов, рекламных платформ и баз данных. Он превращает многомесячные долгострои в быстрые задачи.

Как устаревший код съедает прибыль агентств

У агентств на сложных проектах со временем копится технологический долг. Это касается спецпроектов, личных кабинетов и систем аналитики. Фреймворки устаревают, базы данных тормозят, а поддержка костылей съедает прибыль. Переписывать код с нуля долго и дорого, поэтому клиенты не согласуют сметы. В итоге агентство годами поддерживает старую систему и тратит ресурсы разработчиков.

Кейс Anthropic показывает: проблему можно решить за считаные дни. Разработчик Bun Джарред Самнер перенес миллион строк кода с Zig на Rust за две недели. А руководитель Anthropic Labs Майк Кригер за выходные перевел 165 тысяч строк кода с Python на TypeScript. После миграции инструменты стали работать быстрее, а потребление памяти снизилось в разы. И всё это практически без ручного написания кода.

Как ИИ-агенты автономно переводят кодовые базы

Секрет такой скорости – в мультиагентных системах. Инженеры не просто просили нейросеть переписать файл. Они построили автономный цикл из ИИ-агентов разного уровня. Процесс идет по конвейеру:

1. Подготовка правил и тестов. Человек формулирует правила перевода и создает симулятор-арбитр. Он автоматически проверяет, работает ли новый код так же, как старый.

2. Параллельный перевод. Инженеры разбивают проект на тысячи мелких модулей. Десятки ИИ-агентов одновременно переводят свои части.

3. Состязательная проверка. ИИ-контролеры проверяют работу переводчиков. При ошибке система автоматически возвращает задачу в очередь.

4. Финальная сборка и тесты. ИИ-агенты запускают компилятор, находят баги и сами исправляют их до идеальной работы программы.

Человек в этой схеме не пишет код. Продюсер или технический директор выступает архитектором: он задает правила и запускает конвейер. При системной ошибке разработчик не правит код вручную. Он добавляет новое правило в инструкцию для ИИ и запускает генерацию заново.

Экономика разработки проектов силами ИИ-агентов

Раньше ручной перенос миллиона строк кода стоил бы 3–4 миллиона долларов и занял бы около четырех лет работы команды. Теперь затраты исчисляются тысячами долларов. Например, миграция миллиона строк в Bun потребовала 5,9 миллиарда входных токенов и обошлась в 165 тысяч долларов по тарифам API. А перенос 165 тысяч строк кода у Майка Кригера стоил копейки: на него ушло всего 27 миллионов токенов.

Для продюсеров и руководителей агентств этот кейс дает новые сценарии:

• Вторая жизнь для спецпроектов. Старый интерактивный сайт или мобильное приложение на устаревших технологиях теперь можно быстро перенести на современный стек. Это повод предложить старому клиенту обновить проект за разумный бюджет.

• Быстрое устранение ограничений. Если бэкенд промо-сайта перегружен при пиковых нагрузках, ИИ-агенты могут переписать узкие места на быстрый язык за одни выходные.

• Снижение рисков разработки. У продюсеров часто есть страх перед крупным переносом кода: всегда есть риск застрять в переписывании и сорвать сроки. С ИИ-агентами худший сценарий выглядит иначе: разработчик просто стирает неудачную ветку кода, корректирует промпты и запускает процесс заново.

Этот подход перестраивает экономику заказной разработки. Скоро проекты будут оценивать не часами программистов, а стоимостью токенов и эффективностью ИИ-конвейеров. Продюсерам стоит изучать принципы работы мультиагентных систем уже сейчас, чтобы одними из первых предложить клиентам быструю модернизацию их продуктов.