Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
РелизКод / SDK · В работуGitHub Trending AI→ оригинал

shadcn/improve набрал 10 тыс. звёзд: сильная модель планирует, дешёвые правят код

Репозиторий shadcn/improve за сутки получил 333 звезды и дошёл до 10 415 в сумме. Идея из описания проста: самая сильная модель аудирует кодовую базу и пишет планы, а модели подешевле их исполняют. Так дорогие токены уходят на решения, а не на механические правки. Подробностей реализации в источнике нет, но паттерн «планировщик — исполнитель» уже можно примерить на своём проекте.

AI-обработка оригинала GitHub Trending AI; редакция Hamidun News
shadcn/improve набрал 10 тыс. звёзд: сильная модель планирует, дешёвые правят код
Источник: GitHub Trending AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникGitHub Trending AI ↗
Главный редактор
Ключевой факт #1Дорогая модель читает код один раз и выдаёт пошаговые планы
Ключевой факт #2Дешёвые модели исполняют узкие задачи по готовому плану
Проверяйте результат тестамиплан не гарантирует верный код

Платить за самую умную модель, чтобы она переименовывала переменную в сорока файлах, — всё равно что звать главного архитектора таскать кирпичи. Репозиторий shadcn/improve предлагает развести роли: думает дорогая модель, работают дешёвые.

Что известно о проекте

shadcn/improve вышел в дневной топ GitHub Trending: +333 звезды за сутки и 10 415 в сумме. Автор — shadcn, которого знают по библиотеке shadcn/ui, и это объясняет часть интереса. Описание умещается в одну строку: использовать самую способную модель, чтобы аудировать кодовую базу и писать планы, которые выполнят модели подешевле.

Важная оговорка. В источнике есть только это описание и статистика. Язык репозитория не указан, README мы не видели. Какие именно команды, форматы планов и агенты поддерживаются, неизвестно, и додумывать мы не будем. Разбираем сам паттерн, а не конкретную реализацию.

Как это работает на примере

Представьте проект, где 40 компонентов используют устаревший способ работы с формами. Сильная модель один раз читает код целиком: находит повторы, замечает неочевидные зависимости и выдаёт список задач. Например: «в файле A заменить старый хук на новый, обновить тест, не трогать файл B». Каждый пункт самодостаточен и не требует знать остальные.

Дальше каждый пункт получает дешёвая модель. Ей не нужно понимать архитектуру всего проекта: у неё узкая задача, чёткие границы и понятный критерий готовности. Ошибиться в таких условиях сложнее, а один проход стоит в разы меньше, чем такой же объём работы флагмана.

Логика простая. Дорогая часть работы — это понимание и выбор, что именно менять. Само исполнение по готовому рецепту механическое. Многие команды уже делают это руками: просят флагманскую модель составить план в markdown и скармливают его модели попроще. Судя по описанию, shadcn/improve пытается превратить этот приём в повторяемый процесс, чтобы не собирать его заново в каждом проекте.

Что с этим делать

Даже не устанавливая репозиторий, можно проверить идею на своём коде:

  • Возьмите один модуль и попросите сильную модель составить план рефакторинга без единой правки кода.
  • Требуйте атомарные пункты: один файл или одна проверка и явное условие «готово».
  • Судьёй делайте тесты, линтер и типизацию, а не саму модель.
  • Посчитайте деньги: сравните стоимость плана плюс исполнения со сплошным прогоном флагманом.

Ограничения

Звёзды — это интерес, а не доказательство качества. 333 за день говорят, что идея зацепила, но не что инструмент надёжен на реальных кодовых базах.

У самого подхода есть слабые места. Ошибка в плане размножится на все исполнения: если аудит ошибся, дешёвые модели аккуратно сделают неправильно. Большую кодовую базу не всегда получится целиком уложить в контекст сильной модели, значит, аудит придётся резать на части и следить, чтобы части не противоречили друг другу. А пункты плана, которые зависят друг от друга, плохо раскладываются на параллельные задачи.

Главный вывод для практики не зависит от судьбы этого репозитория: разделяйте «решить, что менять» и «поменять». Первое стоит дорого и нужно редко, второе дёшево и нужно часто. Следите за shadcn/improve, но пока воспринимайте его как заметную заявку на хороший паттерн, а не как готовый инструмент для продакшена.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что известно о проекте?

shadcn/improve вышел в дневной топ GitHub Trending: +333 звезды за сутки и 10 415 в сумме. Автор — shadcn, которого знают по библиотеке shadcn/ui, и это объясняет часть интереса. Описание умещается в одну строку: использовать самую способную модель, чтобы аудировать кодовую базу и писать планы, которые выполнят модели подешевле. Важная оговорка. В источнике есть только это описание и статистика. Язык репозитория не указан, README мы не видели.

Что известно по теме: как это работает на примере?

Представьте проект, где 40 компонентов используют устаревший способ работы с формами. Сильная модель один раз читает код целиком: находит повторы, замечает неочевидные зависимости и выдаёт список задач. Например: «в файле A заменить старый хук на новый, обновить тест, не трогать файл B». Каждый пункт самодостаточен и не требует знать остальные. Дальше каждый пункт получает дешёвая модель. Ей не нужно понимать архитектуру всего проекта: у неё узкая задача, чёткие границы и понятный критерий готовности.

Что известно по теме: что с этим делать?

Даже не устанавливая репозиторий, можно проверить идею на своём коде: Возьмите один модуль и попросите сильную модель составить план рефакторинга без единой правки кода. Требуйте атомарные пункты: один файл или одна проверка и явное условие «готово». Судьёй делайте тесты, линтер и типизацию, а не саму модель. Посчитайте деньги: сравните стоимость плана плюс исполнения со сплошным прогоном флагманом.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…