Создание PCF Control с нуля при помощи AI: практический кейс

Развитие AI-компетенций сегодня становится ключевой задачей для всех команд, работающих в технологической сфере. В рамках академии Whiskey Coding было поставлено амбициозное задание — исследовать возможности современных AI‑моделей в ускорении разработки. Эта статья — о том, как эксперимент с Gemini превратился в полноценный рабочий PCF Control всего за пару часов, без глубокого погружения в код и без традиционного процесса разработки.

А узнать больше можно в нашем видео:

Контекст и цель проекта

Whiskey Coding Academy была задумана как экспериментальная площадка для изучения AI-инструментов. Целью стало тестирование: могут ли современные модели помочь в создании рабочих решений — не просто шаблонов, а действительно работающих прототипов.

Работа началась с попытки преобразовать HTML/CSS в PCF Control. При этом не было ни технического задания, ни подготовленной документации — только Excel-файл с данными и желание быстро получить результат.

Первый опыт работы с Gemini

Первый промпт был намеренно хаотичным — без структуры, с перемешанными пожеланиями и техническими деталями. Несмотря на это, Gemini:

• правильно определил, что нужно создать таблицу в Dataverse;

• предложил структуру PCF-проекта;

• подсказал, как оформить манифест;

• показал зависимости и требования к окружению.
  

Хотя автор не был разработчиком и не разбирался в деталях CLI и Node.js, инструмент сам сформировал нужный фундамент. Это стало точкой, в которой стало понятно: AI может понимать задачу практически «между строк».

Создание PCF Control совместно с AI

Дальнейшая работа шла в режиме быстрых итераций. Gemini:

• сгенерировал проектную структуру;

• подготовил файлы package.json, ControlManifest.xml, index.ts и др.;

• реагировал на ошибки сборки — копирование логов из консоли и простые пояснения приводили к корректировке кода;

• исправлял неверно сформированную структуру, даже если пользователь не понимал, что именно не так.
  

Несмотря на постоянное «забывание» контекста, Gemini снова и снова восстанавливал последнюю рабочую версию кода — достаточно было напомнить: «забудь предыдущие правки».

Основные вызовы разработки

Несмотря на скорость, некоторые вызовы всё же возникли:

• модель периодически теряла нить переписки;

• приходилось возвращать её к рабочей версии вручную;

• попытка создать модалку на React оказалась слишком долгой;

• было принято решение использовать нативные модальные окна Power Apps.

Однако каждая итерация занимала минуты, а не часы. Ошибки исправлялись быстрее, чем успевали появляться.

Готовый результат: рабочий PCF Control

Всего через пару часов была собрана рабочая версия компонента с функционалом:

• сортировка данных;

• поиск;

• вывод KPI;

• переключение видов;

• редактирование;

• нативная интеграция с Power Apps.

  
  

Ключевой момент — разработчик не написал ни одной строки кода вручную. После этого компонент успешно прошёл code review, был переработан в соответствии с best practices и стал полностью рабочим элементом решения.

Ценность для бизнеса

Этот эксперимент показал стратегическую ценность AI для продуктовой разработки:

• прототипы создаются в десятки раз быстрее;

• менеджеры могут подготавливать POC почти самостоятельно;

• разработчики получают не идеальный код, но хорошую основу — что резко ускоряет итоговую реализацию;

• клиенту можно принести не идею, а живой работающий продукт, за который он готов платить.

AI не заменяет разработчиков — он сокращает время доставки результата и уменьшает стоимость входа в проект.

Концепция Whiskey Coding

Название «Whiskey Coding» появилось неслучайно. Оно отражает подход: без напряжённой разработки, без сложных архитектурных сессий — просто бокал виски, один промпт и открытый эксперимент.

Этот «несерьёзный» старт привёл к серьёзному результату: рабочий PCF‑контрол, созданный почти полностью усилиями AI.

Исходные данные и первые прототипы

Вся работа началась с обычного Excel-файла. Никаких диаграмм, никаких ТЗ, никаких склонений в сторону формальной аналитики.

Были:

• таблицы со значениями;

• визуальные прототипы, сделанные за считаные минуты;

• наброски интерфейса.

Всё это — база, которую Gemini смог перевести в реальный работающий компонент.

Заключение

Этот кейс показывает, насколько радикально AI меняет подход к созданию цифровых решений. Без глубоких знаний разработки, без долгой подготовки и без полноценной команды можно получить рабочий прототип практически «с нуля».

Главная ценность — скорость. Скорость создания, скорость тестирования идей, скорость выхода к клиенту.

AI становится партнёром, который позволяет фокусироваться не на рутинной разработке, а на концепции, бизнес-ценности и клиентском опыте.

Именно поэтому Whiskey Coding — это не просто случайное название. Это символ новой эры разработки, где один промпт может стать началом большого продукта.