Lovable, Bolt, v0, Cursor — Ką Daryti, Kai AI Kodas Sulūžta

Scena, kurią matau beveik kas savaitę. Žmogus per savaitgalį su Lovable, Bolt ar v0 pasidaro veikiantį demo, apsidžiaugia, parodo draugams. Tada nori pridėti vieną dalyką – mokėjimus, prisijungimą, kitą ekraną – ir viskas pradeda griūti. Paprašo AI pataisyti. Pataiso. Po valandos sulūžta kažkas, kas veikė. Vėl prašo taisyti. Po dešimto rato kodas jau toks, kad nei jis, nei AI nebesupranta, kas vyksta.

Jei čia atpažinai save – tai ne tavo kaltė ir ne kvailumo požymis. Šie įrankiai būtent tam ir padaryti: greitai parodyti idėją. Problema prasideda tada, kai bandai iš demo padaryti tikrą, naudotojams atiduodamą produktą. Šiame straipsnyje atvirai išdėstysiu, kur konkrečiai kiekvienas įrankis pasiekia savo sieną, kodėl AI „pataiso" ir vėl sulaužo, ką paruošti prieš kreipiantis ir kada apskritai verta gelbėti esamą kodą, o kada pigiau perstatyti švariai.

Kalbu ne iš teorijos. Realiai perimu tokius projektus: paimu sulūžusį Lovable ar Bolt kodą ir paverčiu jį tuo, kas veikia produkcijoje, su realiais naudotojais ir pinigais. Tai irgi noriu, kad žinotum – nes tai keičia, ko apskritai verta prašyti.

Kodėl AI nuveda iki 80 % ir ten sustoja

Lovable, Bolt ir v0 nuostabiai greitai daro tą dalį, kuri matoma – mygtukus, formas, ekranus, gražų išdėstymą. Tai maždaug 80 % to, kas atrodo kaip „programa". Bet likę 20 % – mokėjimai, autentifikacija, duomenų bazė, deploy, saugumas, GDPR, kraštiniai atvejai – yra sunkiausia, brangiausia ir būtent ta dalis, dėl kurios programa apskritai veikia su realiais žmonėmis. AI ten ne tobulina – ten atsitrenkia.

Priežastis paprasta. Tas matomas sluoksnis yra šabloniškas: panašių formų ir ekranų internete milijonai, AI juos „matė" ir atkartoja akimirksniu. O likę 20 % yra unikalūs tavo projektui ir reikalauja sprendimų, kuriuos turi priimti suprasdamas visumą – kaip duomenys teka, kur jie saugomi, kas gali ką matyti, kas atsitinka, kai mokėjimas nepavyksta. Tai ne kopijavimas, o inžinerija. Ir būtent ten viskas pradeda lūžti.

Kur lūžta pagal įrankį

Kiekvienas įrankis turi savo „charakterį" ir savo tipinę gedimo vietą. Žinant ją, daug greičiau supranti, ką iš tikrųjų turi rankose.

Lovable — deploy ir duomenų bazė

Lovable kuria pilną aplikaciją (React + Supabase) ir tvarko nemažai pats, todėl pradžioje atrodo magiškai. Bet lūžta paprastai dviejose vietose. Pirma – Supabase duomenų bazė: kai duomenų modelis pasidaro sudėtingesnis, prasideda RLS (eilučių lygio saugumo) taisyklių painiava, lentelių ryšiai sukimba ir užklausos grąžina arba per daug, arba nieko. Antra – deploy ir aplinkos: lokaliai ar Lovable peržiūroje veikia, o realiame domene su tikrais kintamaisiais nebeveikia, nes raktai, nuorodos ar CORS sukonfigūruoti tik „demo režimui".

Bolt — state ir integracijos

Bolt puikiai sugeneruoja interaktyvų frontend'ą labai greitai. Siena – kai aplikacijoje atsiranda daug būsenos (state): krepšelis, prisijungęs naudotojas, filtrai, formos, kurios viena nuo kitos priklauso. Tas state pradeda „pabėgti" – paspaudi vienur, atsinaujina nesusijęs dalykas kitur. Antra Bolt skausmo vieta – integracijos su realiomis sistemomis: mokėjimai, el. paštas, išorinis API. Demo lygmenyje Bolt parodo „kaip atrodytų", bet tikram pajungimui reikia serverinės dalies, paslapčių valdymo ir klaidų apdorojimo, kurio greitas generavimas nepadaro.

v0 — gražus UI, bet nėra backend'o

v0 (iš Vercel) yra geriausias iš šios grupės vienam dalykui – sukurti tikrai gražų React/Next.js sąsajos komponentą ar visą puslapio vaizdą. Bet svarbu suprasti, ką jis daro: jis daro priekį. Nėra duomenų bazės, nėra prisijungimo, nėra serverio logikos, nėra ten, kur saugomi tikri duomenys. Žmonės įstringa, nes turi nuostabiai atrodantį ekraną ir galvoja, kad liko „tik prijungti" – o realiai liko visa sunkioji dalis, kurios v0 net neturėjo padaryti. Tai ne v0 trūkumas, o nesusipratimas dėl to, kam jis skirtas.

Cursor — generuoja, bet tu turi suprasti

Cursor kitoks nei trys viršuje – tai redaktorius su galingu AI, skirtas žmogui, kuris jau moka skaityti kodą. Jis gali parašyti daug ir greitai. Bet jei nemoki įvertinti, ką jis parašė, jis tiesiog leidžia tau greičiau prikurti to, ko nesupranti. Tipinis scenarijus: Cursor sugeneruoja sudėtingą logiką, ji beveik veikia, tu prašai pataisyti detalę, jis perrašo daugiau, nei reikėjo, ir staiga turi 2 000 eilučių, kurių nei perskaityti, nei saugiai keisti negali. Cursor nuostabus profesionalui ir pavojingas tam, kuris tikisi, kad jis „pats viską sutvarkys".

Kodėl AI „pataiso" ir vėl sulaužo

Tai vienas dažniausių klausimų, kurį girdžiu: „kodėl jis taiso vieną, o sulaužo kitą?" Atsakymas – konteksto praradimas. AI nemato viso tavo projekto vienu metu kaip vientisos sistemos. Kiekvienoje pataisoje jis dirba su ribota matoma dalimi, „prisimena" tik tiek, kiek telpa, ir spėja apie likusią. Taisydamas vietą A, jis nesąmoningai keičia kažką, nuo ko priklauso vieta B, apie kurią tuo metu „nežinojo".

Kuo projektas didesnis, tuo greičiau šis ratas užsiveda. Pradžioje, kol failų mažai, AI dar laiko viską „galvoje" ir atrodo nuostabiai. Pasiekus tam tikrą dydį, kiekvienas naujas pataisymas turi vis didesnę tikimybę ką nors palaužti. Tu prašai taisyti dažniau, jis perrašo vis daugiau, kodas darosi vis labiau išmėtytas – ir staiga esi rate, iš kurio AI tavęs neištrauks, nes jis pats ir yra to rato priežastis.

Žmogus laužą šį ratą paprastai: laiko visą architektūrą galvoje, supranta priežastį, ne tik simptomą, ir taiso vieną kartą taip, kad liktų pataisyta. Ten, kur AI lopo dešimt kartų, suprantantis žmogus pataiso vieną.

Ką daryti PRIEŠ kreipiantis

Jei nusprendei ieškoti pagalbos – nesvarbu pas mane ar kitur – yra trys dalykai, kuriuos pasiruošus įvertinimas vyksta greitai ir tiksliai, o ne brangiu spėliojimu. Tai padaryti gali pats per pusvalandį.

Su šiais trimis dalykais aš per gana trumpą laiką galiu pasakyti, ar užtenka taškinių pataisymų, ar pigiau dalį perstatyti, ir kokia realiai kaina. Be jų – tik bendros frazės, kurių niekam nereikia.

Gelbėti ar perstatyti?

Pats svarbiausias sprendimas. Ir, priešingai nei galima tikėtis, ne visada teisingas atsakymas yra „mesk viską ir rašyk iš nulio". Sprendžiu pažiūrėjęs į kodą, bet logika maždaug tokia.

Situacija	Ką darau
UI tvarkingas, problemos lokalios (neprisijungia mokėjimai, lūžta deploy, viena integracija)	Gelbėju. Taškiniai pataisymai, dažnai pigiausias kelias.
Frontend geras, bet nėra realaus backend'o ar duomenų modelio	Mišriai. Pasilieku frontend'ą, po juo pastatau švarų backend'ą.
Logika išmėtyta, kiekvienas pataisymas laužo kitką, niekas nesupranta struktūros	Perstatau. Pasiremiu vizualu kaip specifikacija, kodą rašau švariai.
Tai vidinis įrankis ar demo, ne realiems klientams ir pinigams	Galbūt tau pakanka AI. Pasakau atvirai, jei nereikia manęs.

Noriu pabrėžti paskutinę eilutę. Jei tavo projektas yra hobis, vidinis įrankis kelių žmonių komandai ar idėjos vizualizacija – AI tau tikrai užteks, ir aš tau tai pasakysiu. Nesistengiu parduoti darbo ten, kur jo nereikia. Tai, beje, ir yra ženklas, kad kai sakau „čia reikia perstatyti", tą sakau ne dėl sąskaitos.

Kuris įrankis kam tinka — ir kur jo siena

Trumpa lentelė, kad nesusipainiotum renkantis. Tai ne reitingas „geriausias–blogiausias", o žemėlapis, kuriam darbui kiekvienas skirtas ir kur baigiasi jo galimybės.

Įrankis	Kam tinka	Kur siena
Lovable	Pilnas demo su DB ir prisijungimu, greitas MVP idėjai patikrinti	Supabase taisyklės, deploy į realų domeną, augantis duomenų modelis
Bolt	Interaktyvus frontend prototipas, greitas vaizdas, kaip veiktų	Sudėtingas state, realios integracijos, mokėjimai, serverinė dalis
v0	Gražūs React/Next.js komponentai ir puslapiai, UI pagrindas	Visiškai nėra backend'o, DB, prisijungimo – tik priekis
Cursor	Greitesnis kūrimas tam, kas moka skaityti ir vertinti kodą	Be supratimo greitai prisikuri to, ko nebevaldai

Jei nori plačiau apie tai, kodėl AI prototipas dar nėra produktas ir kas skiria „veikia mano ekrane" nuo „veikia realiems naudotojams", apie tai esu rašęs atskirai – o kur konkrečiai įstringa AI aplikacijos ir ką daryti pirmiausia, aptariu straipsnyje apie įstrigusias AI aplikacijas.

Realūs kainų rėmai

Atvirai, nes to niekas nesako tiesiai. Kainos priklauso nuo to, kiek išlieka, bet rėmai tokie:

• Lokalūs pataisymai ant tvarkingo projekto (deploy, viena integracija, state klaida): nuo 600–1 500 €
• AI MVP užbaigimas iki realaus paleidimo su prisijungimu, mokėjimais, duomenimis ir deploy: 2 500–6 000 €
• Švarus perstatymas iki produkcijos, pasiliekant gerą vizualą: nuo 4 000–8 000 € ir daugiau, priklausomai nuo integracijų

Tikslų skaičių pasakau tik pažiūrėjęs į kodą – be to bet kas būtų spėjimas. Bet šie rėmai padeda suprasti dydį, kad nenustebtum nei į vieną, nei į kitą pusę. Ir dažnai pradedame nuo mažo žingsnio: įvertinu, parodau, kas iš tikrųjų sulūžę, ir tada sprendi su pilnu vaizdu.

Dažniausiai užduodami klausimai

Ar gali perimti mano Lovable projektą?

Taip. Lovable leidžia kodą sinchronizuoti į GitHub – kai turiu prieigą prie repo, perimu projektą kaip įprastą React/Vite + Supabase aplikaciją. Pirmiausia jį atsisiunčiu lokaliai, paleidžiu, pažiūriu, kas iš tikrųjų lūžta, ir tik tada sprendžiu, ar užtenka tikslinių pataisymų, ar pigiau dalį perstatyti švariai. Tau nereikia nieko ardyti iš anksto – tiesiog duok prieigą ir trumpą aprašymą, ką norėjai gauti.

Ar Bolt kodas tinkamas produkcijai?

Frontend dažnai būna pakankamai geras, kad jį verta išlaikyti. Bet „produkcijai tinkamas" reiškia ne tik gražų UI – reikia tvarkingo state valdymo, saugaus backend'o, realios duomenų bazės, autentifikacijos, mokėjimų ir klaidų valdymo. Bolt generuoja greitą demo, o ne tą sunkų sluoksnį. Todėl realų Bolt projektą paprastai palieku kaip UI pagrindą ir po juo pastatau patikimą backend'ą bei integracijas, kad veiktų su tikrais naudotojais ir pinigais.

Kodėl AI vis pataiso ir vėl sulaužo tą patį kodą?

Nes AI nemato viso projekto vienu metu ir neturi pastovaus konteksto. Kiekvienoje pataisoje jis dirba su ribota matomos kodo dalimi, todėl taisydamas vieną vietą nesąmoningai laužo kitą, apie kurią „pamiršo". Kuo projektas didesnis, tuo greičiau prasideda šis ratas. Žmogus laiko visą architektūrą galvoje ir taiso priežastį, ne simptomą, todėl pataisymas lieka pataisytas.

Ką turėčiau paruošti prieš kreipdamasis dėl sulūžusio AI projekto?

Tris dalykus. Pirma – prieigą prie kodo: GitHub repo arba eksportuotą projektą (ne ekrano nuotraukas). Antra – prieigą prie servisų, kuriuos naudoji (Supabase, Vercel, mokėjimų ar el. pašto paskyrų). Trečia – 5–10 sakinių, ką programa turi daryti ir kas konkrečiai neveikia. Su tuo galiu greitai įvertinti būklę ir pasakyti, ar užtenka pataisymų, ar verta perstatyti, bei realią kainą.

Kada verta gelbėti esamą AI kodą, o kada pigiau perstatyti?

Gelbėti verta, kai UI ir struktūra tvarkingi, o problemos lokalios – neprisijungia mokėjimai, lūžta deploy, neveikia viena integracija. Perstatyti pigiau, kai logika išmėtyta, nėra realaus backend'o ar duomenų modelio, o kiekvienas pataisymas laužo ką nors kitą. Dažnai geriausias variantas mišrus: pasilieku gerą frontend'ą ir po juo pastatau švarų backend'ą. Sprendžiu pažiūrėjęs į kodą, ne iš anksto.

Kiek kainuoja sutvarkyti ar užbaigti AI sugeneruotą projektą?

Priklauso nuo to, kiek išlieka. Lokalūs pataisymai ant tvarkingo projekto – nuo 600–1 500 €. AI MVP užbaigimas iki realaus paleidimo su autentifikacija, mokėjimais, duomenimis ir deploy – paprastai 2 500–6 000 €. Švarus perstatymas iki produkcijos – nuo 4 000–8 000 € ir daugiau, priklausomai nuo integracijų. Tikslią kainą pasakau tik pažiūrėjęs į kodą – be to bet koks skaičius būtų spėjimas. Apie paslėptus „nemokamų" AI sprendimų kaštus plačiau rašau straipsnyje apie tikrąją „nemokamos" AI svetainės kainą.

Trumpai

Lovable, Bolt, v0 ir Cursor yra puikūs įrankiai tam, kam skirti – greitai parodyti idėją. Jie sulūžta ne dėl to, kad blogi, o dėl to, kad bandai iš demo padaryti tai, kam reikia inžinerijos: saugaus backend'o, realių integracijų, tvarkingų duomenų. AI lopo simptomus ir praranda kontekstą; žmogus taiso priežastį. Jei tavo projektas įstrigo – nedaryk dvidešimto rato. Eksportuok kodą, surink prieigas, aprašyk, ko norėjai, ir leisk pažiūrėti. Dažnai pasilieku tavo gerą darbą ir po juo pastatau tai, kas neleis vėl griūti – kad veiktų ir uždirbtų, ne tik atrodytų.