Codex · AI-команда · инженерный контроль
Как мы создавали akonnov.com
с Codex и командой ИИ
Не «сгенерировали сайт одной кнопкой», а построили производственный процесс: владелец продукта задавал смысл и подтверждал факты, Codex проектировал и выпускал изменения, локальная модель выполняла ограниченную массовую работу, Claude независимо проверял результат, а автоматические тесты защищали production.
Антон Коннов · 8 сентября 2026 · 11 минут
Задача
Не новый дизайн, а рабочий профессиональный контур
Исходный сайт нужно было не просто освежить. Он должен был ясно представлять профессиональный опыт, консалтинг, AI-проекты, книги и настольные игры; корректно работать на телефоне; получить полноценную английскую версию; быть технически готовым к поиску, аналитике и дальнейшему развитию.
Главным источником требований стали мой просмотр страниц и фактическая база проекта. Это важная граница: AI может помочь найти формулировку или противоречие, но не должен самостоятельно придумывать должности, квалификации, достижения и коммерческие обещания.
Распределение ответственности
Кто и что делал
Антон Коннов — владелец продукта
Определял назначение сайта, оценивал результат как реальный пользователь, подтверждал профессиональные факты и принимал решения, которые нельзя вывести из кода: позиционирование, статус FCCA, точное название степени, географию услуг и корректность продуктовых материалов.
Codex — основной инженер и контроллер
Исследовал исходники, проектировал структуру, редактировал страницы, создавал повторяемые инструменты массовых изменений, управлял Git-релизами, проверял факты и ссылки, диагностировал дефекты и отвечал за итоговую приёмку. Codex оставался владельцем инженерного решения — результаты других моделей не принимались автоматически.
OpenClaw и Qwen 3.6 — ограниченный локальный исполнитель
Локальная модель получила крупную, но чётко очерченную задачу: подготовить черновой английский пакет по установленной структуре. Это ускорило обработку десятков страниц и не превращало платную облачную модель в обязательный маршрут каждой рутинной операции.
Claude Code CLI — независимый аудитор
Claude не менял production и не был вторым разработчиком. Он проверял подготовленный результат свежим взглядом — как клиент, редактор и технический аудитор. Codex затем сопоставлял каждое существенное замечание с исходниками и принимал только подтверждённые выводы.
Автоматические проверки — повторяемая приёмка
Детерминированные guards проверяли структуру страниц, языковые пары, canonical, hreflang, внутренние ссылки, ассеты, JSON-LD, sitemap, дубли и известные фактические регрессии. Там, где ответ можно получить точным правилом, генеративная модель не нужна.
Архитектура результата
Статический сайт, который не зависит от ИИ при посещении
akonnov.com построен как статический HTML/CSS/JavaScript-проект и публикуется через GitHub Pages. Простая архитектура дала прозрачную историю изменений, быстрые страницы и понятный rollback без тяжёлой CMS, которая не решала бы дополнительной пользовательской задачи.
Для поиска и социальных сетей используются semantic HTML, canonical, двусторонний hreflang, sitemap, JSON-LD и Open Graph. Шрифты и основные ресурсы находятся локально. ROI-калькулятор работает в браузере и не отправляет введённые показатели на сервер; аналитика включается только после согласия пользователя.
AI-системы участвовали в производстве, но не встроены в путь посетителя. Если локальная модель или агентный контур выключены, опубликованный сайт продолжает работать.
Двуязычный релиз
Почему английская версия стала отдельным проектом
Полный контур включает 63 русские и 63 английские страницы. Для каждой пары настроены переходы между языками, canonical и hreflang; все английские URL вошли в sitemap. Это была не механическая замена слов: потребовалось адаптировать позиционирование, CTA, профессиональную терминологию, metadata и structured data.
Qwen ускорил подготовку черновиков, но публикация прошла только после редакционной и фактической проверки. В финале были точно закреплены Bachelor of Science in Applied Accounting, действующий статус FCCA и международная география услуг.
Что пошло не так
Автоматизация масштабирует не только скорость, но и ошибку
Локальная модель дважды сохраняла результат не в тот рабочий каталог. Один из массовых исправителей оказался неидемпотентным: повторный запуск применял часть преобразований к уже исправленному тексту. Так появились повторы и искажения отдельных слов и сумм.
Отдельный дефект проявился только на мобильной английской главной: более длинный текст перекрывал элемент hero-композиции. Ещё одна ошибка была фактологической — фотография одной настольной игры оказалась подписана как другая. Такие случаи нельзя надёжно закрыть одной текстовой моделью или проверкой ширины страницы.
Каждый сбой превратился в постоянное правило: исправитель сделали идемпотентным и подтвердили нулевой разницей хешей после второго запуска; для мобильной приёмки ввели реальные браузерные скриншоты разных шаблонов; продуктовые фотографии начали сверять с первичным архивом.
Контроль качества
Как сайт проходил приёмку
Факты и источники
Публичные утверждения сверялись с утверждённой базой, первичными файлами и решениями владельца продукта.
Автоматический guard
Проверялись все страницы, ссылки, языковые соответствия, метаданные, structured data и локальные ресурсы.
Независимый AI-аудит
Claude нашёл русские строки в английском интерфейсе, терминологические ошибки, односторонний hreflang и другие дефекты, которые синтаксический тест не видит.
Браузерная и мобильная проверка
Тринадцать разных шаблонов проверялись в Firefox; отдельно тестировались ширина 390 пикселей, открытое меню, формы, consent и длинные заголовки.
Релиз и откат
Существенные изменения проходили через резервную копию, рабочую версию, проверки, отдельный Git-коммит, публикацию и повторную проверку уже публичного сайта.
Результат
Главный вывод — не «ИИ заменил команду»
Проект показал более практичную модель: небольшая команда может распределить работу между несколькими AI-системами и заметно ускориться, если ответственность не растворяется между агентами.
Рабочая цепочка выглядела так:
владелец продукта → Codex как инженер-контроллер → локальный AI-исполнитель → независимый AI-аудитор → автоматические тесты → браузерная приёмка → релиз
Одна модель не должна одновременно придумывать факты, реализовывать решение, проверять себя и принимать собственную работу. Разделение ролей, проверяемые источники, backups, история изменений и тесты оказались важнее обещания «сделать всё одной кнопкой».
Обсудить задачу
Нужен сайт или AI-контур с проверяемым результатом?
Можно начать с ограниченного проекта, в котором заранее определены факты, роли, проверки и критерии приёмки.