Продакшн на Laravel, написанный нейросетью: честный отчет о коде от Claude Opus

Зачем писать Laravel нейросетью, если у тебя есть руки?

Честно? Я не хотел. Мне казалось, что AI-генерация кода — это игрушка для прототипов, а не для продакшена. Но в середине 2026 года, когда Claude Opus 4.5 и Claude Code уже дышат в спину каждому DevOps'у, я решил провести эксперимент: скормить нейросети задачу написать полноценное веб-приложение на Laravel 11 с Livewire 3, Meilisearch и деплоем на продакшн. Без доработок человека.

Спойлер: код пошёл в прод. Но не без скелетов в шкафу. Ниже — максимально честный разбор того, что сгенерировал Claude, где он облажался, и как это фиксить, чтобы не сгореть на code review.

Что и как генерировали

Приложение — внутренняя CRM для управления заказами с поиском, фильтрацией, ролями и дашбордом. Стек: Laravel 11 (PHP 8.4), Livewire 3 для реактивного UI, Meilisearch для полнотекстового поиска, PostgreSQL, Redis, Docker. Claude работал в режиме Claude Code — без использования обычного чата, только через claude в терминале, с итеративными промптами.

Промпты писал так, как описано в гайде "Секреты создателя Claude Code": сначала архитектура, потом детали. Не давал нейросети сразу писать код — заставлял её объяснять план.

1 Архитектура без кода

Первым промптом я попросил Claude описать структуру базы, связи и роуты. AI справился на ура — предложил правильные миграции, но забыл про soft deletes. Пришлось на втором шаге явно указать.

2 Генерация моделей и контроллеров

Тут началось веселье. Claude написал модели с HasFactory, трейтами Searchable для Meilisearch, но в контроллерах зачем-то импортировал хелперы, которых нет в Laravel 11. Классика: array_get вместо data_get. Пришлось править руками.

3 Livewire компоненты

Тут AI превзошёл ожидания — сделал полноценный компонент OrderTable с пагинацией, сортировкой и живым поиском через Meilisearch. Но один баг чуть не угробил всё: он забыл добавить #[Reactive] на свойства, из-за чего компонент не обновлялся при изменении фильтров. Потратил 20 минут на дебаг.

Что шло в прод, а что пришлось переписать

Граница между "ок" и "ужас" оказалась тонкой. Вот честная статистика по 5000 строк сгенерированного кода:

Вывод: шаблонные вещи AI делает отлично, а вот логика и edge cases — уже лотерея. Без человека, который понимает PHP 8.4 и особенности фреймворка, не обойтись.

Топ-5 ошибок, которые чуть не убили продакшн

1. Инъекция зависимостей в Livewire — AI пишет конструктор с DI, как в обычном контроллере. Но во Livewire компоненты создаются через контейнер только при первом рендере, а при последующих обновлениях — нет. Пока не проставишь #[Computed] или не вызовешь resolve — будет NullPointerException.
2. Meilisearch синхронизация — нейросеть сгенерировала job для индексации, но не учла, что при массовом импорте через insert() Meilisearch не обновляется. Пришлось добавлять Model::booted() с saved() и deleted() событиями.
3. N+1 в Livewire таблицах — классика. AI делает Order::with('user')->get() на странице без пагинации. На 10 000 заказах — привет, 500 запросов.
4. Секреты в .env не оттуда — Claude сгенерировал config/meilisearch.php и прописал ключи прямо там. Потом закоммитил в Git. Хорошо, что я заметил до пуша.
5. Тесты, которые ничего не тестируют — 30% сгенерированных тестов на Pest были пустыми: test('orders can be created')->assertTrue(true);. Формально — покрытие есть, по факту — ноль.

Каждая из этих проблем — следствие того, что AI не видит контекста проекта. Он не знает, какие пакеты уже установлены, какие конфиги переопределены, как настроен очереди. Поэтому сравнение Claude Code с другими AI-агентами часто упирается не в качество кода, а в способность агента запоминать контекст.

Когда AI экономит часы, а когда — убивает

Написать с нуля весь код для CRM с поиском через Meilisearch заняло бы у сеньора недели две. Claude сделал это за ~8 часов (с учётом правок). Но реальное время разработки — 3 дня: 2 дня на ревью и фиксы, и ещё день на деплой и мониторинг.

То есть скорость увеличилась, но не в 10 раз, а в 2-3. И это с учётом того, что я сам довольно плотно вхожу в контекст Laravel. Если бы проект до этого писал новичок, AI-генерация была бы чистой головной болью.

Особенно больно было с экспериментом, где AI учили писать плохой PHP-код. Выяснилось, что если промпт плохой — модель выдает откровенный шлак. Но даже с хорошим промптом, как в статье про кастомный промпт для VS Code, нужен жёсткий code review.

Что в итоге. Реальный вердикт

Claude Opus 4.5 — мощный инструмент для черновиков. Он отлично генерирует скелет приложения, шаблонные файлы, но полностью доверять ему нельзя. Особенно в вопросах безопасности, производительности и edge cases.

Из эксперимента я вынес три правила:

• Всегда указывай версии PHP и пакетов в промпте — иначе AI будет использовать устаревшие API.
• Заставляй нейросеть писать тесты сразу — потом дописать тесты к AI-коду сложнее, чем переписать самому.
• Не давай AI доступ к Git до code review — слишком велик риск закоммитить секреты или битые файлы.

Кстати, в нашем научном эксперименте по сравнению Claude Code и ручной разработки мы получили похожие цифры: AI даёт 2-3x прирост на шаблонных задачах, но проигрывает в нестандартной логике.

Неочевидный совет, который сэкономит вам нервы

Не пытайтесь заставить Claude написать весь код за один промпт. Разбивайте задачу на микрошаги, как в руководстве по продакшену без иллюзий. После каждого шага — вручную проверяйте результат и только потом двигайтесь дальше. Это единственный способ не получить код, который работает "вроде бы", но ломается в неожиданный момент.

AI — отличный джуниор, который пишет быстро, но не понимает, что творит. Обращайтесь с ним соответственно.

Часто задаваемые вопросы о продакшн-коде от нейросети

Если у вас есть свой опыт продакшена на Laravel, написанного нейросетью — делитесь в комментариях. Интересно, сколько народу уже обожглось на Meilisearch с AI.

Подписаться на канал