שיעורים מבניית Lovable
אמ;לק
מפתחי Lovable משתפים תובנות על בניית פלטפורמת Vibe Coding, כולל ניהול לולאות משוב מהירות וסביבות פיתוח מבודדות. רלוונטי למי שבונה כלים דומים או משתמש בהם.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: How we built Lovable, and why we keep rebuilding it

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
הפיכת Lovable לפשוט ואמין הצריכה חשיבה מחודשת על אופן הפעולה שלו שוב ושוב. ככל שהנוף הטכני משתנה, בחירות הנדסיות שסייעו בעבר עלולות להתחיל לעכב אותך. צוותים רבים שבונים מוצרים מבוססי AI מתמודדים עם אותה שאלה: מה כדאי לשמור, ומה כדאי לבנות מחדש?
באביב 2023 העליתי ל-GitHub פרויקט קוד פתוח בשם GPT Engineer. אתה מתאר את התוכנה שאתה רוצה, היא שואלת שאלות הבהרה, ואז כותבת את כל בסיס הקוד. מאוחר יותר באותה שנה רשמתי את התוכנית עבור Lovable: אנשים שלא יודעים לתכנת יוכלו ליצור, לפרוס ולשפר תוכנה באמצעות צ'אט ולראות את התוצאה באופן מיידי. יותר מ-100,000 בקשות משיכה (pull requests) בבסיס הקוד שלנו מאוחר יותר, המייסד השותף שלי Fabian וצוות המהנדסים, המעצבים ומנהלי המוצר שלנו הפכו את התוכנית הזו ל-Lovable, והמשתמשים שלנו יצרו עד היום יותר מ-70 מיליון פרויקטים על הפלטפורמה.
לאחרונה קראתי מחדש את התוכנית המקורית שלי, והיא דומה להחריד למה שבסופו של דבר בנינו. מה שלא צפיתי הוא כמה פעמים נצטרך להמציא מחדש את הדרך שבה נגיע לשם. בדרך, נאלצנו לחשוב מחדש כמה חופש לתת למודל, איך לתפוס את הטעויות שלו במהירות, ואפילו איך לבצע fork למחשב שעליו הוא עובד.
אני חושד שצוותים אחרים הבונים מוצרי תוכנה עוברים הרבה מאותם אתגרים. אני מקווה ששיתוף הדרך בה ניגשנו אליהם יקל על העבודה הזו.
צמצום הבעיה נתן לנו התחלה
בחרנו לעזור לאנשים ליצור אפליקציות חדשות. הם מביאים רעיון, ו-Lovable מייצר את בסיס הקוד ומארח אותו עבורם בלחיצת כפתור. ההתמקדות בפרויקטים חדשים (greenfield) חסכה מאיתנו את ההתמודדות עם המגוון העצום של בסיסי קוד, תלויות וסביבות קיימות. צמצמנו את הבעיה עוד יותר על ידי בחירת מחסנית טכנולוגית (stack) דעתנית, והסרנו בורר מוקדם שאפשר למשתמשים לבחור בין סוגי frontend שונים.
יחד, הבחירות הללו נתנו לנו שליטה על הספריות שבהן השתמשנו, מבנה הקוד והסביבה שבה הוא רץ. נוכל להריץ את הקוד שנוצר בסביבה שהבנו, לבדוק כשלים ולשפר את המערכת כולה באופן אוטומטי. שיפורים במערך המשותף הזה יכולים לעזור בפרויקטים רבים.
העיקרון היה פשוט: הגבלת הבעיה, שליטה בביצוע, ולמידה מהתוצאות.
התאימו את חופש הפעולה של הסוכן ליכולות המודל
הכנסת אפליקציה למסך הייתה דבר אחד. להמשיך לעבוד כמו שמישהו ביקש שינוי אחרי שינוי היה קשה יותר.
מפתח יכול לבדוק אפליקציה מקולקלת ולתקן את הקוד. מישהו שמעולם לא תכנת צריך שהמוצר יטפל בהרבה יותר מהעבודה הזו בשבילו.
המשכתי לדחוף אותנו לעבר סוכנים אוטונומיים כי ציפיתי שהמודלים ישתפרו במהירות. רציתי שנבנה עבור המודלים העתידיים האלה. המהנדס שלנו, Mårten Wiman, פיתח עיצוב אסינכרוני מתוחכם מאוד שבו הסוכן יכול ליצור משימות ולהאציל אותן לסוכני משנה. אך סוכנים עם פחות מגבלות נתקעו ב"חורי ארנב" טכניים, ביצעו שגיאות ונקטו בפעולות ללא זמן סיום צפוי. מתן חופש רב יותר הפך את המוצר לפחות אמין.
לכן לקחנו צעד אחורה. מחקנו כמעט את כל קוד הסוכן וחזרנו למצב שבו בקשת משתמש אחת מביאה לשרשרת כלים צפויה למדי, עם צ'אט ותצוגה מקדימה חיה של הפלט. עד סוף 2024, זרימת העריכה העיקרית הייתה תגובה בודדת המכילה את השינויים המבוקשים בקובץ. קריאת כלים (tool calling) מקורית לא הייתה אמינה מספיק עבורנו אז, לכן גרמנו למודל לעטוף את הקוד בתגיות דמויות XML כגון <lov-write> וביצענו parsing לעריכות לאחר שהסוכן סיים.
היו לנו נסיונות חוזרים וטיפול בשגיאות, אבל לא לולאה פתוחה שבה המודל הפעיל כלי, בדק את התוצאה ובחר את הצעד הבא שלו. האדם יכול לבדוק את התוצאה בתצוגה המקדימה ולנווט את השינוי הבא.
למודלים היו גם מגבלות על כמות הקוד שהם יכולים לעבד בבת אחת. ככל שהאפליקציות גדלו, הבחירה מה להציג להם הפכה לבעיה בפני עצמה. השתמשנו במודלי שפה (LLMs) קטנים ומכוונים (fine-tuned) כדי לזהות מאיזה קוד מושפע כל שינוי, כולל קבצים שלא נדרשה בהם עריכה, והעברנו את ההקשר הזה למודל הקידוד.
למדנו לעצב גם מה המודל יכול לעשות וגם מה שהוא יכול לראות.
תכננו לאמן מודלים. קבצי ידע ו-RAG עבדו טוב יותר.
בחירת הקוד הנכון הייתה רק חלק מבעיית ההקשר. כשאנשים בנו פרויקטים, ראינו את אותן טעויות חוזרות. התוכנית מ-2023 קבעה ש-Lovable יופעל על ידי מודלים מכוונים (fine-tuned), שאומנו על הנתונים שהמוצר מייצר, כך שכל ניסיון כושל ישפר את המערכת.
בשנת 2024 מצאנו דרך פשוטה יותר להתחיל: מהנדסים בדקו יומני צ'אט מאפליקציות מקולקלות וכתבו הערות קצרות המסבירות טעויות חוזרות וכיצד להימנע מהן.
קראנו לאלה "קבצי ידע". בעיית אייקונים יכולה להפוך להוראה פשוטה כמו זו:
# Icons Only use icons that exist in lucide-react. Never invent an icon name. If unsure, pick a generic one.
שלב אחזור בחר את ההערות הרלוונטיות והוסיף אותן להקשר של המודל. אין כוונון עדין, רק טקסט. התבנית תהיה מוכרת לכל מי שמשתמש במיומנויות סוכן היום: שמור הוראות שימושיות בקבצים וטען את הרלוונטיות למשימה.
אני מאמין שהעבודה הייתה קריטית להמראה שלנו בסוף 2024 ואפילו התייחסתי אליה כחוק קנה מידה. שיעור שימושי מאפליקציה אחת שבורה יכול לעזור לאדם הבא מבלי לחכות שנכשיר דגם חדש.
מאוחר יותר יישמנו את אותו רעיון ב-Lovable Stack Overflow, ששלף בעיות ופתרונות עבור הסוכן. גרסה מוקדמת הפחיתה את שיעור המקרים שבהם משתמשים נתקעו ב-5%.
לולאות משוב מהירות יותר של סוכנים יצרו חוויה זריזה
סוכן שיכול לתקן את הטעויות שלו עדיין צריך לגרום לך לחכות לתיקונים האלה. אם כל ניסיון דורש בנייה מלאה, אפילו שינוי קטן יכול להפוך לשיחה איטית.
בנינו ארגזי חול ששמרו את הקבצים של כל פרויקט ושמרנו את שרת הפיתוח שלו פועל בזמן שהמשתמש עבד. עריכות יכולות לעדכן את התצוגה המקדימה החיה ללא חבילת הפקה חדשה.
בדיקות TypeScript מצטברות נפרדות עשו שימוש חוזר בעבודה מבדיקות קודמות כדי לתפוס שגיאות באופן שבו הקוד משתלב. הסוכן יכול להשתמש בשגיאות אלו כדי לעבוד על תיקון בזמן שהפרויקט עדיין רץ.
כבר היו לנו דרכים להחזיר שגיאות לדגם ולנסות שוב. המטרה של תשתית זו הייתה לקצר כל מחזור של עריכה-בדיקת תקינות. המהירות של סוכן קידוד תלויה במהירות שבה הוא יכול לבדוק ולתקן את עבודתו. ההאצות הללו עבור כל עריכה עשו הבדל גדול בתחושה הכללית של Lovable.
אבן בסיס חדשה: חילוף ומיזוג המחשב
השארת שרת הפיתוח פועל קיצרה את מחזור בדיקת העריכה. מאוחר יותר, לקחנו את זה הלאה: נתנו לסוכן לחזור ימים לאחר מכן ולאסוף את אותה סביבת עבודה תוך שניות.
שמירת קבצי המקור לא הספיקה. היינו צריכים לשמר גם את התהליכים הפועלים. ארגזי החול הסטטיסטיים שלנו יוצרים נקודות בדיקה (checkpoint) לזיכרון המכונה, למצב ה-CPU ולדיסק, ואז משחזרים אותם בעת הצורך.
עבודה זו הפכה לבסיס למאפיינים טכניים רבים נוספים של Lovable. כעת היא מאפשרת לנו לבצע fork לא רק לקוד, אלא ליישום שלם עם סביבת העבודה ומסד הנתונים שלו, מה שנותן לסוכנים דרך לנסות גישות שונות מאותה נקודת התחלה.
מה שהתחיל כדרך לבצע עריכות מהירות יותר מאפשר לנו כעת לבקש מהסוכנים לקחת על עצמם הרבה יותר.
100,000 בקשות המשיכה הבאות
המוצר שרצינו לבנות ב-2023 עזר כעת לאנשים לבנות יותר מ-70 מיליון פרויקטים, מאתרי אינטרנט ועד יישומי Fullstack מתוחכמים ביותר. המשמעות של להגיע לכאן הייתה להמציא מחדש את האופן שבו בנינו Lovable, מספר פעמים. כל אחת מהבחירות הללו קירבה את אותה שאיפה: מישהו עם רעיון יכול להפוך אותו למציאות בלי מחסומים שיעכבו אותו.
העברת עבודת הפרך לטייס אוטומטי. בניית אפליקציה הייתה תמיד רק ההתחלה. ברגע שלקוחות אמיתיים וכסף אמיתי תלויים בה, כל שינוי נעשה קשה ומסוכן יותר. האתגר הגדול יותר הוא לנהל את כל מחזור החיים הזה: בדיקה, פריסה ותחזוקה של תוכנה בסביבת הייצור (production), אפילו בזמן שאתה ישן. Scalability, זמן פעילות (uptime), אבטחה, ותיקון באגים לפני שהלקוחות שלך מוצאים אותם. החלק הקשה ביותר הוא אמון. בקשה אחת שלא הובנה נכון מצד משתמש יכולה למחוק נתונים או לשבור משהו שלא ניתן להחזיר לקדמותו. אנחנו אחראים למנוע זאת.
הפוך את כל סוגי התוכנה לחלקה. לקוחות צריכים פשוט לתאר מה הם צריכים וזה עובד, ללא קשר אם זה שולחן העבודה, נייד, זרימות עבודה מורכבות, עיבוד נתונים בזמן אמת או מערכות עסקיות גלובליות. כל אחד מהם מביא סביבות שונות, אילוצים ודרכים להיכשל.
בניית ערימת תוכנה טובה יותר. אנחנו לא רואים בתפקיד שלנו רק הפיכה של בניית התוכנה לחלקה עבור הלקוחות שלנו; התפקיד שלנו הוא לשאוף לעבר ערימת תוכנה טובה יותר באופן כללי. זה אומר להמציא יסודות חדשים: חידושים ב-observability, חילוף ומיזוג של תמונות מצב (snapshots) של המחשב, מנועי סנכרון חדשים, דפוסי ביצוע עמידים, ואבטחה ופרטיות ניתנות לאימות עבור המשתמשים. יש עוד הרבה מה לשפר לפני שמחסנית התוכנה שאנשים בונים עליה תתפתח לצורתה האולטימטיבית והמועילה ביותר.
פתרו את שלושת האתגרים שלמעלה ותקבלו משהו יותר מאשר "AI Software Engineer": פלטפורמה שאנשים מנהלים בה עסקים שלמים. המשתמשים שלנו כבר מושכים אותנו לשם: הם מחברים את ה-Slack שלהם, מזינים את הנתונים שלהם לתוך Lovable, ומחברים את Lovable לכל שירות אחר שבו הם משתמשים. הם מנהלים את החברות שלהם, משתמשים ב-Lovable כדי לטפל בתשלומים שלהם, ואז משתמשים בתכונות כמו כלי הצמיחה, יכולת הגילוי (discoverability) והניתוח שלנו כדי להצמיח את העסקים שלהם איתנו. הם אפילו מבקשים מ-Lovable להתאגד כחברה. התפקיד שלנו הוא לעשות כל שביכולתנו כדי להסיר חסמים מהשאיפות שלהם.
זו העבודה המצפה לנו ב-100,000 בקשות המשיכה הבאות.
אם אתה רוצה לעבוד על הבעיות הקשות האלה, שבהן התשובה לא נמצאת בספר לימוד והתוצאה מופיעה בפני מיליוני אנשים באותו שבוע, בוא לבנות איתנו ב-Lovable .
ואם אתה מתמודד עם אותן בעיות במקומות אחרים, הירשם לבלוג הטכנולוגי החדש שלנו שהושק (האם בדיוק כתבתי "בלוג טכנולוגי" ב-2026?). נשתף את מה שאנו לומדים בעבודה לקראת החזון שלנו ישירות מהמהנדסים שעושים זאת.