Lovable, Bolt, v0, Cursor — ko darīt, kad AI kods salūst

Šo ainu redzu gandrīz katru nedēļu. Cilvēks nedēļas nogalē ar Lovable, Bolt vai v0 uztaisa strādājošu demo, priecājas, parāda draugiem. Tad grib pievienot vienu lietu — maksājumus, pieslēgšanos, vēl vienu ekrānu — un viss sāk brukt. Palūdz AI salabot. Salabo. Pēc stundas salūst kaut kas, kas strādāja. Atkal lūdz labot. Pēc desmitā apļa kods jau ir tāds, ka ne viņš, ne mākslīgais intelekts vairs nesaprot, kas notiek.

Ja te atpazini sevi — tā nav tava vaina un ne muļķības pazīme. Šie rīki tieši tam ir taisīti: ātri parādīt ideju. Problēma sākas tad, kad no demo mēģini uztaisīt īstu, lietotājiem nododamu produktu. Šajā rakstā atklāti izklāstīšu, kur tieši katrs rīks sasniedz savu sienu, kāpēc AI "salabo" un atkal salauž, ko sagatavot pirms vēršanās un kad vispār vērts glābt esošo kodu, bet kad lētāk pārbūvēt tīri.

Runāju ne no teorijas. Es reāli pārņemu šādus projektus: paņemu salūzušu Lovable vai Bolt kodu un pārvēršu to par to, kas strādā produkcijā — ar īstiem lietotājiem un naudu. To arī gribu, lai zini, jo tas maina, ko vispār ir vērts lūgt.

Kāpēc AI aizved līdz 80 % un tur apstājas

Lovable, Bolt un v0 brīnišķīgi ātri uztaisa to daļu, kas ir redzama — pogas, formas, ekrānus, skaistu izkārtojumu. Tas ir apmēram 80 % no tā, kas izskatās pēc "programmas". Bet atlikušie 20 % — maksājumi, autentifikācija, datubāze, deploy, drošība, VDAR, robežgadījumi — ir vissmagākā, visdārgākā un tieši tā daļa, kuras dēļ programma vispār strādā ar īstiem cilvēkiem. Tur AI nevis pilnveido — tur tas atsitas.

Iemesls ir vienkāršs. Tas redzamais slānis ir veidnējs: līdzīgu formu un ekrānu internetā ir miljoniem, AI tos ir "redzējis" un atkārto acumirklī. Bet atlikušie 20 % ir unikāli tieši tavam projektam un prasa lēmumus, kas jāpieņem, izprotot kopumu — kā dati plūst, kur tie glabājas, kurš ko drīkst redzēt, kas notiek, kad maksājums neizdodas. Tā nav kopēšana, bet inženierija. Un tieši tur viss sāk lūzt. Par to, kur beidzas prototips un sākas reāls produkts, esmu rakstījis arī rakstā par vibe coding un AI prototipu.

Kur lūzt — pa rīkiem

Katram rīkam ir savs "raksturs" un sava tipiskā gluma vieta. Zinot to, daudz ātrāk saproti, kas tev patiesībā ir rokās.

Lovable — deploy un datubāze

Lovable būvē pilnu aplikāciju (React + Supabase) un daudz ko nokārto pats, tāpēc sākumā izskatās maģiski. Bet lūzt parasti divās vietās. Pirmā — Supabase datubāze: kad datu modelis kļūst sarežģītāks, sākas RLS (rindu līmeņa drošības) noteikumu juceklis, tabulu saites sapinas un vaicājumi atgriež vai nu pārāk daudz, vai neko. Otrā — deploy un vide: lokāli vai Lovable priekšskatījumā strādā, bet īstā domēnā ar reāliem mainīgajiem vairs ne, jo atslēgas, saites vai CORS ir nokonfigurēti tikai "demo režīmam".

Bolt — state un integrācijas

Bolt lieliski un ļoti ātri uzģenerē interaktīvu frontend. Siena ir tad, kad aplikācijā parādās daudz stāvokļa (state): grozs, pieslēdzies lietotājs, filtri, formas, kas viena no otras atkarīgas. Tas state sāk "aizbēgt" — uzspied vienviet, atjaunojas nesaistīta lieta citur. Otra Bolt sāpju vieta ir integrācijas ar reālām sistēmām: maksājumi, e-pasts, ārējais API. Demo līmenī Bolt parāda, "kā izskatītos", bet īstam pieslēgumam vajag servera daļu, noslēpumu (secrets) pārvaldību un kļūdu apstrādi, ko ātrā ģenerēšana neuztaisa.

v0 — skaists UI, bet nav backend

v0 (no Vercel) ir labākais šajā grupā vienai lietai — uztaisīt patiešām skaistu React/Next.js saskarnes komponentu vai veselu lapas skatu. Bet svarīgi saprast, ko tas dara: tas taisa priekšpusi. Nav datubāzes, nav pieslēgšanās, nav servera loģikas, nav tā, kur glabājas īsti dati. Cilvēki iestrēgst, jo viņiem ir brīnišķīgi izskatošs ekrāns un viņi domā, ka palicis "tikai pieslēgt" — bet realitātē palikusi visa smagā daļa, kuru v0 pat nebija jādara. Tā nav v0 vaina, bet pārpratums par to, kam tas paredzēts.

Cursor — ģenerē, bet tev jāsaprot

Cursor ir citāds nekā trīs augšā — tas ir redaktors ar jaudīgu AI, paredzēts cilvēkam, kurš jau prot lasīt kodu. Tas var uzrakstīt daudz un ātri. Bet, ja neproti novērtēt, ko tas uzrakstīja, tas vienkārši ļauj ātrāk sataisīt to, ko nesaproti. Tipisks scenārijs: Cursor uzģenerē sarežģītu loģiku, tā gandrīz strādā, tu lūdz salabot detaļu, tas pārraksta vairāk, nekā vajadzēja, un pēkšņi tev ir 2000 rindu, kuras ne izlasīt, ne droši mainīt nevari. Cursor ir brīnišķīgs profesionālim un bīstams tam, kurš cer, ka tas "pats visu sakārtos".

Kāpēc AI "salabo" un atkal salauž

Tas ir viens no biežākajiem jautājumiem, ko dzirdu: "kāpēc tas salabo vienu, bet salauž citu?" Atbilde — konteksta zudums. AI neredz visu tavu projektu vienlaikus kā vienotu sistēmu. Katrā labojumā tas strādā ar ierobežotu redzamo daļu, "atceras" tikai tik, cik ietilpst, un par pārējo mēģina uzminēt. Labojot vietu A, tas neapzināti maina kaut ko, no kā atkarīga vieta B, par kuru tobrīd "nezināja".

Jo lielāks projekts, jo ātrāk šis loks iegriežas. Sākumā, kamēr failu maz, AI vēl tur visu "galvā" un izskatās brīnišķīgi. Sasniedzot zināmu izmēru, katram jaunam labojumam ir arvien lielāka iespēja kaut ko salauzt. Tu lūdz labot biežāk, tas pārraksta arvien vairāk, kods kļūst arvien izmētātāks — un pēkšņi esi lokā, no kura AI tevi neizvilks, jo tas pats ir tā loka cēlonis.

Cilvēks šo loku pārrauj vienkārši: tur visu arhitektūru galvā, saprot cēloni, ne tikai simptomu, un salabo vienreiz tā, lai paliek salabots. Tur, kur AI lāpa desmit reizes, saprotošs cilvēks salabo vienreiz.

Ko darīt PIRMS vēršanās

Ja izlēmi meklēt palīdzību — vienalga pie manis vai citur — ir trīs lietas, kuras sagatavojot novērtējums notiek ātri un precīzi, nevis dārgā minēšanā. To vari izdarīt pats pusstundā.

Ar šīm trim lietām es diezgan īsā laikā varu pateikt, vai pietiek ar punktveida labojumiem, vai lētāk daļu pārbūvēt, un kāda reāli ir cena. Bez tām — tikai vispārīgas frāzes, kas nevienam nav vajadzīgas.

Glābt vai pārbūvēt?

Pats svarīgākais lēmums. Un, pretēji gaidāmajam, ne vienmēr pareizā atbilde ir "met visu un raksti no nulles". Lemju, paskatoties kodā, bet loģika apmēram tāda.

Situācija	Ko es daru
UI kārtīgs, problēmas lokālas (nepieslēdzas maksājumi, salūst deploy, viena integrācija)	Glābju. Punktveida labojumi, bieži lētākais ceļš.
Frontend labs, bet nav reāla backend vai datu modeļa	Jaukti. Paturu frontend, zem tā uzbūvēju tīru backend.
Loģika izmētāta, katrs labojums salauž citu, neviens nesaprot struktūru	Pārbūvēju. Vizuālo izmantoju kā specifikāciju, kodu rakstu tīri.
Tas ir iekšējs rīks vai demo, ne reāliem klientiem un naudai	Varbūt tev pietiek ar AI. Pasaku atklāti, ja es neesmu vajadzīgs.

Gribu izcelt pēdējo rindu. Ja tavs projekts ir hobijs, iekšējs rīks dažu cilvēku komandai vai idejas vizualizācija — AI tev tiešām pietiks, un es tev to pateikšu. Necenšos pārdot darbu tur, kur tas nav vajadzīgs. Tā, starp citu, arī ir zīme, ka tad, kad saku "te jāpārbūvē", to saku ne rēķina dēļ.

Vietējais slānis, ko AI nepazīst — VDAR un integrācijas

Te ir tā vieta, kur AI prototipi visbiežāk klusi pieviļ Latvijas biznesu. Mākslīgais intelekts uzģenerē formu, bet nesaprot, ka Latvijā tā nedrīkst sūtīt datus bez sīkdatņu piekrišanas (cookie consent) un privātuma politikas. VDAR (Vispārīgā datu aizsardzības regula) ievērošanu uzrauga Datu valsts inspekcija (DVI), un tā piemēro reālus sodus. AI ģenerēts demo gandrīz nekad to neizdara pareizi — nav korekta piekrišanas baneru, dati glabājas, kur pagadās, un nav skaidrs, kurš tiem var piekļūt. Reālam projektam tas nav "papildinājums vēlāk", bet pamats.

Tas pats ar vietējām integrācijām, kuras AI rīki vienkārši nepazīst, jo to apmācības datos dominē amerikāņu servisi. Latvijas e-veikalam reāli vajag:

• Maksājumi: Klix (Citadeles maksājumu vārteja — kartes, banku tiešie maksājumi, Apple Pay / Google Pay, Klix Pay Later) ir de facto vietējais standarts. Plus Swedbank, SEB, Citadeles un Luminor vārtejas, banklink (internetbankas pārlēkšana), kā arī Stripe starptautiskiem un SaaS projektiem.
• Piegāde un pakomāti: Omniva, DPD, Latvijas Pasts un Venipak pakomātu tīkli. Pircēji izvēlas pēc tuvākā pakomāta, tāpēc checkout obligāti vajag dzīvu pakomātu sarakstu — to AI prototips nekad neuztaisa pareizi.
• Autentifikācija un paraksts: eParaksts un eParaksts mobile (PIN1 autentifikācijai, PIN2 parakstīšanai), eID karte un Smart-ID — vietējais standarts drošai pieslēgšanai un dokumentu parakstīšanai.
• E-rēķini un nodokļi: VID EDS, eAdrese un PEPPOL strukturētie e-rēķini. B2G strukturētie e-rēķini caur eAdresi/VID ir obligāti jau no 2026. gada 1. janvāra, B2B — no 2028. gada. Biznesa projektam tas jāparedz no sākuma.

AI šīs lietas neuzbūvēs, jo tas pat nezina, ka tās eksistē. Tieši šeit visbiežāk paliek "iestrēgušais" projekts — vizuāli gatavs, bet bez vienas maksājumu vārtejas, bez pakomātu izvēles, bez VDAR atbilstības. Vairāk par to, kā vietējās integrācijas pievienot kārtīgi, esmu apkopojis aplikāciju un produktu izstrādes lapā.

Kurš rīks kam der — un kur tā siena

Īsa tabula, lai nesajauktos, izvēloties. Tas nav reitings "labākais–sliktākais", bet karte, kuram darbam katrs paredzēts un kur beidzas tā iespējas.

Rīks	Kam der	Kur siena
Lovable	Pilns demo ar DB un pieslēgšanos, ātrs MVP idejas pārbaudei	Supabase noteikumi, deploy uz reālu domēnu, augošs datu modelis
Bolt	Interaktīvs frontend prototips, ātrs skats, kā strādātu	Sarežģīts state, reālas integrācijas, maksājumi, servera daļa
v0	Skaisti React/Next.js komponenti un lapas, UI pamats	Vispār nav backend, DB, pieslēgšanās — tikai priekšpuse
Cursor	Ātrāka izstrāde tam, kurš prot lasīt un vērtēt kodu	Bez izpratnes ātri sataisi to, ko vairs nevaldi

Reālie cenu rāmji

Atklāti, jo to neviens nepasaka tieši. Cenas atkarīgas no tā, cik daudz paliek, bet rāmji ir tādi (visas summas bez PVN; Latvijā uzņēmumi cenas gandrīz vienmēr norāda bez 21 % PVN):

• Lokāli labojumi uz kārtīga projekta (deploy, viena integrācija, state kļūda): no 600–1500 €
• AI MVP pabeigšana līdz reālai palaišanai ar pieslēgšanos, maksājumiem (Klix vai Stripe), datiem un deploy: 2500–6000 €
• Tīra pārbūve līdz produkcijai, paturot labo vizuālo, ar vietējām integrācijām (Omniva pakomāti, eParaksts, VDAR): no 4000–8000 € un vairāk, atkarībā no apjoma

Te ir konteksts, kas svarīgs Latvijā. Reklāmā redzi "mājaslapa no 999 €", un tas izklausās vilinoši. Bet tā cena ir par veidni — gatavu šablonu ar tavu logo. AI prototipa pārbūve līdz drošam produkcijas produktam ar reālām integrācijām nav tā pati lieta un nav vērtējama pēc tā paša mēra. Es pozicionējos kā drošs, pabeigts rezultāts — nevis lētākais, bet tāds, kas nesabrūk pēc pirmā īstā klienta. Precīzu skaitli pasaku tikai paskatoties kodā — pretējā gadījumā jebkurš būtu minējums. Un bieži sākam ar mazu soli: novērtēju, parādu, kas patiešām salūzis, un tad lem ar pilnu ainu. Par to, kāpēc "bezmaksas" AI mājaslapa reti ir bezmaksas, esmu rakstījis atsevišķā rakstā par tās īsteno cenu.

Reāls piemērs — Rīgas e-veikals ar Lovable

Tipisks gadījums. Vietējs uzņēmējs ar Lovable uztaisīja nelielu e-veikalu — produktu katalogs, grozs, skaists noformējums. Demo izskatījās lieliski. Tad pienāca brīdis palaist reāli: vajadzēja Klix maksājumus, Omniva pakomātu izvēli checkout un sīkdatņu piekrišanu, lai atbilstu VDAR. Lovable to nevarēja — Supabase datubāzē sajuka pasūtījumu un produktu saites, maksājumu vārteja bija tikai demo līmenī, un pakomātu saraksta nebija vispār.

Es paturēju visu vizuālo daļu — tā bija laba — un zem tās uzbūvēju tīru backend: reālu pasūtījumu modeli, drošu Klix pieslēgumu ar webhook apstrādi, dzīvu Omniva pakomātu sarakstu checkout un korektu VDAR piekrišanu. Frontend palika tas pats; mainījās tas, kas zem tā. Rezultāts — veikals, kas pieņem īstus maksājumus un nesabrūk, kad ienāk vairāki pasūtījumi vienlaikus. Tieši to es saucu par "pārvērst demo produkcijā".

Biežāk uzdotie jautājumi

Vai vari pārņemt manu Lovable projektu?

Jā. Lovable ļauj kodu sinhronizēt uz GitHub — kad man ir pieeja repo, es pārņemu projektu kā parastu React/Vite + Supabase aplikāciju. Vispirms novelku to lokāli, palaižu, paskatos, kas patiešām salūst, un tikai tad lemju, vai pietiek ar mērķtiecīgiem labojumiem, vai lētāk daļu pārbūvēt tīri. Tev nekas nav jāizjauc iepriekš — vienkārši iedod pieeju un īsu aprakstu, ko gribēji iegūt.

Vai Bolt kods der produkcijai?

Frontend bieži ir pietiekami labs, lai to būtu vērts paturēt. Bet "der produkcijai" nozīmē ne tikai skaistu UI — vajag kārtīgu state pārvaldību, drošu backend, reālu datubāzi, autentifikāciju, maksājumus un kļūdu apstrādi. Bolt ģenerē ātru demo, nevis to smago slāni. Tāpēc reālu Bolt projektu parasti atstāju kā UI pamatu un zem tā uzbūvēju uzticamu backend un integrācijas, lai tas strādā ar īstiem lietotājiem un naudu.

Kāpēc AI labo un atkal salauž to pašu kodu?

Tāpēc, ka AI neredz visu projektu vienlaikus un tam nav pastāvīga konteksta. Katrā labojumā tas strādā ar ierobežotu redzamā koda daļu, tāpēc, labojot vienu vietu, neapzināti salauž citu, par kuru "aizmirsa". Jo lielāks projekts, jo ātrāk sākas šis loks. Cilvēks tur visu arhitektūru galvā un labo cēloni, nevis simptomu, tāpēc labojums paliek izlabots.

Ko man sagatavot pirms vēršanās par salūzušu AI projektu?

Trīs lietas. Pirmā — pieeju kodam: GitHub repo vai eksportētu projektu (nevis ekrānuzņēmumus). Otrā — pieeju servisiem, ko izmanto (Supabase, Vercel, maksājumu vai e-pasta kontiem). Trešā — 5–10 teikumus, ko programmai jādara un kas konkrēti nestrādā. Ar to es ātri varu novērtēt stāvokli un pateikt, vai pietiek labojumu, vai vērts pārbūvēt, kā arī reālo cenu.

Kad vērts glābt esošo AI kodu, un kad lētāk pārbūvēt?

Glābt vērts, kad UI un struktūra ir kārtīgi, bet problēmas ir lokālas — nepieslēdzas maksājumi, salūst deploy, nestrādā viena integrācija. Pārbūvēt lētāk, kad loģika ir izmētāta, nav reāla backend vai datu modeļa, un katrs labojums salauž kaut ko citu. Bieži labākais variants ir jaukts: paturu labo frontend un zem tā uzbūvēju tīru backend. Lemju, paskatoties kodā, nevis iepriekš.

Cik maksā sakārtot vai pabeigt AI ģenerētu projektu Latvijā?

Atkarīgs no tā, cik daudz paliek. Lokāli labojumi uz kārtīga projekta — no 600–1500 € bez PVN. AI MVP pabeigšana līdz reālai palaišanai ar autentifikāciju, maksājumiem (piemēram, Klix vai Stripe), datiem un deploy — parasti 2500–6000 € bez PVN. Tīra pārbūve līdz produkcijai — no 4000–8000 € bez PVN un vairāk, atkarībā no integrācijām un vietējām prasībām (Klix, Omniva pakomāti, eParaksts, VDAR). Precīzu cenu pasaku tikai paskatoties kodā — pretējā gadījumā jebkurš skaitlis būtu minējums.

Īsumā

Lovable, Bolt, v0 un Cursor ir lieliski rīki tam, kam paredzēti — ātri parādīt ideju. Tie salūst ne tāpēc, ka slikti, bet tāpēc, ka no demo mēģini uztaisīt to, kam vajag inženieriju: drošu backend, reālas integrācijas, kārtīgus datus un VDAR atbilstību. AI lāpa simptomus un zaudē kontekstu; cilvēks labo cēloni. Ja tavs projekts iestrēdzis — nedari divdesmito apli. Eksportē kodu, savāc pieejas, apraksti, ko gribēji, un ļauj paskatīties. Bieži paturu tavu labo darbu un zem tā uzbūvēju to, kas neļaus atkal sabrukt — lai strādā un pelna, ne tikai izskatās.