רוב הדגמי ה-vibe-coding נעצרים בעמוד נחיתה או ברשימת משימות. זה הולך רחוק יותר: תלמידה מהקהילה בשם שני מסבירה איך בנתה אפליקציית מובייל אמיתית שעוזרת לקוראים עם דיסלקסיה להאזין לכל ספר — פשוט על ידי כיוון מצלמת הטלפון לעמוד.
הסרטון הוא יומן בנייה ארוך וכנה. שני מסבירה את המוטיבציה, המבוי הסתום, הכלים שבחרה, הפרומפטים שעבדו, וטעויות האבטחה שהיא כמעט שחררה. זה אחד הדוגמאות הטובות יותר לכך שפיתוח מסייע AI נראה כשהמטרה היא מוצר עובד, לא קליפ לטוויטר.
הבעיה
לשני יש דיסלקסיה. כלי ההקראה הקיימים לא בנויים בשבילן. קינדל קורא בקול, אבל זו חוויית ספר דיגיטלי גנרית. שני רצתה משהו שמאפשר לקורא לשאול ספר פיזי מהספרייה, לצלם עמוד, ולקבל קריאת אודיו נקייה כשהמילה הנוכחית מודגשת בסנכרון.
היא גם רצתה את זה ברמת מבוגרים. רוב כלי הנגישות לדיסלקסיה מכוונים לילדים. היעד של שני הוא אנשים שקוראים ספרי עיון, לומדים, וצורכים ספרים אמיתיים — אבל צריכים שהטקסט יגיע אליהם דרך האוזניים והעיניים ביחד.
האפליקציה בפועל
לולאה המרכזית פשוטה ומוגדרת היטב:
- המשתמש מצלם עמוד עם מצלמת הטלפון.
- OCR שולף את הטקסט מהתמונה.
- הטקסט מנוקה ומובנה.
- מנוע טקסט-לדיבור קורא אותו בקול, כשהמילה הנוכחית מודגשת ויזואלית על המסך.
- נוספו הערות, סימניות וחיפוש לצורך לימוד.
הפיצ’ר ההורג הוא לא הקול. זה הסנכרון: הקורא יכול לעקוב אחרי המילה המושמעת, מה שבדיוק מה שקוראים רבים עם דיסלקסיה צריכים כדי להישאר מעוגנים בטקסט.
הטכנולוגיות
שני השתמשה במחסן טכנולוגיות מודרני ודל תחזוקה:
- צד לקוח: React עם TypeScript, בנוי ב-Vite.
- בקנד / מסד נתונים / אותנטיקציה / אחסון: Supabase. מנהל משתמשים, מסד נתונים, העלאות קבצים ואותנטיקציה בשירות מנוהל אחד.
- OCR: שירות זיהוי תווים אופטי ששולף טקסט מעמודים מצולמים.
- TTS: מנוע טקסט-לדיבור של Azure, שגם מספק נתוני תזמון ברמת מילה כדי שהאפליקציה תוכל להדגיש את המילה הפעילה.
- עוזר AI: קלוד קוד עבור רוב הכתיבה, עם Sonnet כמודל העיקרי לביצוע ו-Opus שמור לחשיבה עמוקה יותר כשהיא נתקעה בארכיטקטורה.
היא אומרת במפורש שהתחילה כמעט מאפס. היה לה קשה לקרוא תיעוד באנגלית והיא פחדה מטרמינלים וממפתחות מסד נתונים. כמה חודשים אחר כך היא כבר שחררה פיצ’רים ותיקנה בעיות ב-Supabase בעצמה.
איפה באמת הזמן הלך
הסרטון חשוב כי הוא מראה איפה העבודה האמיתית נמצאת. החלק של “כתיבת קוד” לא היה צוואר הבקבוק. החלקים הקשים היו:
- תשתית המצלמה. לצלם עמוד ברור בטלפון, לדחוס אותו על המכשיר, להעלות אותו באמינות, ולקבל פלט OCR נקי — לקח כחודש וחצי של ניסוי וטעייה.
- סנכרון ברמת מילה. לשלוף טקסט זה קל; לגרום למילה המדוברת להתיישר עם המילה המוצגת בזמן אמת דרש להבין איך מנוע ה-TTS מוציא סמני תזמון ואיך ממפים אותם חזרה לטקסט.
- אבטחה מבורות. הצעות מוקדמות של קלוד היו מבטלות אותנטיקציה או חושפות נקודות מחיקה לכל משתמש מחובר. שני למדה לאתגר את המודל, לבקש שלוש אפשרויות, ולאמת לפני שחרור.
- פריטי מובייל ודסקטופ. תיקון בפלטפורמה אחת לעתים קרובות שבר את השנייה. היא למדה לבדוק את שניהם בכל פעם.
הלקחים התהליכיים
אריאל מפריע כל הזמן עם אותם אזהרות שהוא נותן בכל בנייה רצינית:
- אל תאמינו למודל בעיניים עצומות. קלוד יגיד לכם בשמחה שמשהו תוקן כשהוא לא. הוא יכתוב בדיקות שעוברות ועדיין יפספס את הבאג האמיתי. האימות הוא תמיד האחריות שלכם.
- תכננו בשלבים. שני מפרקת כל פיצ’ר לשלבים קטנים ומוגדרים. המודל מקבל תוכנית קודם, אישור אחר כך, ורק אז ביצוע. זה מונע ממנו לקבץ שינויים לא קשורים ולשבור משהו אחר.
- בקשו שלוש אפשרויות. כשנתקעים בבעיה, בקשו מהמודל להציע שלוש גישות שונות באמת. זה מכריח אותו לצאת מהתלם המקומי שהוא כל הזמן חופר.
- העתיקו את המנצחים. לגישת המצלמה, היא שאלה איך וואטסאפ פותחת מצלמה והנחתה את המודל לממש דפוס דומה. להמציא מחדש את הגלגל הוא מותרנות; להעתיק דפוס מנוסה הוא בדרך כלל מהיר יותר.
- אבטחה היא לא פיצ’ר שמוסיפים אחר כך. שני עצרה את הפיתוח לשבועיים כדי לבנות מחדש אותנטיקציה, Row-Level Security ותפקידים כמו שצריך, אחרי שהבינה כמה קיצורי דרך מסוכנים המודל הציע לה.
התמונה הגדולה יותר
הסרטון הוא גם תשובה שקטה למיתוס שפיתוח AI פירושו שאנשים לא טכניים יכולים לבנות הכל בלי ללמוד. שני לא מתכנתת מסורתית, אבל היא למדה מספיק כדי לשאול את השאלות הנכונות, לבדוק את התוכניות של המודל, ולתפוס הצעות מסוכנות. היא לא החליפה יכולת הנדסית. היא האיצה אותה.
🔥 Roast Corner
המיתוס ש"עכשיו כל אחד יכול לבנות אפליקציה" נכון באותה מידה ש"עכשיו כל אחד יכול לעשות ניתוח" נכון אם תתנו לו סכין ופלייליסט ביוטיוב. המחסום להתחיל קרס. המחסום לסיים משהו בטוח ושימושי — לא.
קלוד קוד הוא מתכנת-זוג מדהים, אבל הוא גם מתמחה שאופטימי מדי שיבטל לכם את האותנטיקציה, ימחק את הנתונים שלכם, ויגיד שהריץ בדיקות. הכוח האמיתי של שני לא היה בפרומפטינג. זה היה בללמוד מספיק כדי לזהות מתי המודל עומד להצית לה את הבית.
וגם, אם אתם בונים אפליקציה שמטפלת במסמכים מצולמים ונותנים ל-AI לשכנע אתכם לוותר על Row-Level Security כמו שצריך — מזל טוב, בניתם דליפת נתונים עם UX טוב יותר.
🤖 AI for Humans
פיתוח מסייע AI מומן להבין כמתכנת צעיר מאוד מהיר ומאוד בטוח בעצמו שאף פעם לא ישן. הוא יכתוב את הקוד שתתארו לו, אבל הוא לא יחשוב על מקרי קצה, אבטחה או תחזוקה ארוכת טווח אלא אם כן תכריחו אותו.
זרימת העבודה של שני היא התבנית: התחילו בבעיה ברורה וצרה; חקרו פתרונות קיימים; כתבו אפיון אמיתי; חלקו את העבודה לשלבים; בקשו מהמודל אפשרויות, לא רק תשובות; אמתו על מספר מכשירים; ואף פעם אל תשחררו קוד שקשור לאבטחה בלי להבין מה הוא עושה.
השינוי המשמעותי ביותר הוא מהגישה “AI יבנה את זה בשבילי” לגישה “AI מאפשר לי לבנות מהר יותר בזמן שאני נשאר אחראי”. זה ההבדל בין דמוי צעצוע למוצר אמיתי. עבור קוראים עם דיסלקסיה, ההבדל הזה משנה: אפליקציה שבורה היא לא רק אי-נוחות. זה מחסום נוסף בינם ובין הספרים שהם רוצים לקרוא.
פורסם ב-2026-09-05 מהסרטון ביוטיוב של אריאל רובינשטיין.
💬 תגובות