14 июля 2026 года Simon Willison выпустил Datasette 1.0a37 — минорный релиз с улучшением производительности и документации системы прав, плюс откат косметического изменения API, которое сломало тест-сьюты почти всех существующих плагинов. Параллельно вышел sqlite-utils 4.0 с поддержкой миграций схемы. Но по-настоящему громкая деталь не в changelogs, а в подзаголовке: rc2 sqlite-utils 4.0 был «в основном написан Claude Fable примерно за $149.25».
Контекст
Simon Willison — один из создателей Django, автор с двадцатилетней репутацией в open-source. Datasette — его проект с 2017 года: инструмент для исследования и публикации данных через SQLite. Популярен у журналистов-данных, исследователей, небольших команд, которым нужен быстрый data API без тяжёлого BI-стека. Версия 1.0 до сих пор в alpha — Willison намеренно держит темп, не режет обратную совместимость без причины и дорожит экосистемой плагинов.
Откат API в a37 — хрестоматийный урок для мейнтейнеров. Косметическое переименование показалось мелочью, но обрушило тест-сьюты почти каждого плагина. Willison откатил без объяснений «кто прав» и без давления на авторов плагинов. Урок простой: чем шире экосистема, тем дороже стоит «невинная» правка интерфейса.
sqlite-utils — параллельная утилита того же автора: CLI и Python-библиотека для работы с SQLite. Версия 4.0 добавила миграции схемы — функцию, которой не хватало годами и которая открывает инструмент для серьёзных production-сценариев за пределами одноразовых скриптов.
Аналитика
Главное здесь — не сами изменения, а процесс. «Большая часть sqlite-utils 4.0rc2 написана Claude Fable примерно за $149.25» — Willison написал это в заголовке поста, не в сноске. Для разработчика с его авторитетом это сигнал: AI-assisted разработка перестала быть маркетинговым тезисом. Она стала рабочим инструментом даже у самых требовательных инженеров — тех, кто принципиально не выпускает код без проверки.
$149 за release candidate реального open-source инструмента — это конкретный ценовой ориентир для любой дискуссии об ROI. Не «AI поможет написать скрипт», а «AI написал важный модуль production-библиотеки за стоимость ресторанного ужина». Claude Fable — последняя модель Anthropic, ориентированная на рассуждения и код. То, что Willison выбрал именно её и публично это зафиксировал, говорит: качество генерации достигло уровня, при котором мейнтейнер готов поставить своё имя на результат.
История с откатом API одновременно напоминает: AI пишет код, но архитектурные решения и управление совместимостью — зона человека. Willison сам оценил цену изменения для экосистемы и сам принял решение. Это не AI vs человек. Это разные уровни ответственности в одном процессе.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если есть PostgreSQL с аналитическими данными и нужно быстро дать команде или клиенту доступ к срезам без отдельного BI — выгрузите нужные таблицы в SQLite, поднимите Datasette. Настройка занимает часы. Встроенная система прав позволяет ограничивать доступ по таблицам и строкам без написания отдельного API. Вариант для демо-стендов и внутренней аналитики.
Корпорация с legacy. sqlite-utils 4.0 с миграциями схемы позволяет скриптово трансформировать legacy-выгрузки в структурированный SQLite и исследовать через Datasette. Сценарий: BI-аналитик получает CSV-дамп из ERP раз в неделю и хочет ad-hoc запросы без IT-задачи. Решается sqlite-utils + Datasette за полдня — без лицензий, без нового сервера баз данных.
SMB и локальный бизнес в КР/СНГ. Весь стек — полностью open-source, без лицензионных платежей. Для компании, которая хочет дать менеджерам доступ к операционным данным без дорогого BI-инструмента, это практичный выбор. SQLite не требует отдельного сервера; Datasette запускается одной командой на любом VPS за $5/мес.
Кейсы в личной жизни
Разработчик. Повторите подход Willison: возьмите реальную задачу (написать модуль, CLI-команду, набор тестов), передайте Claude Fable с чёткой спецификацией и залогируйте время и стоимость. Не просто «сгенерируй код», а итерация: спек → черновик → ревью → фикс. $149 за rc2 реального инструмента — конкретный бенчмарк, от которого можно отталкиваться при оценке собственных задач.
Дата-аналитик или исследователь. Если есть CSV, JSON или Excel с интересными данными — конвертируйте в SQLite через sqlite-utils и опубликуйте через Datasette. Статичный датасет превращается в интерактивный API с поиском, фильтрацией и SQL-интерфейсом за несколько команд. Журналисты-данные используют этот стек для публикации открытых данных уже несколько лет.
Студент или фрилансер. sqlite-utils + Datasette — быстрый способ сделать портфельный проект с данными, который выглядит профессионально. Вместо «я сделал Jupyter notebook» — «я поднял data API с публичным доступом и SQL-интерфейсом». Весь стек изучается за выходные, документация у Willison образцовая.
Как применить сегодня
- Установите sqlite-utils 4.0:
pip install sqlite-utils— изучите migration API, это меняет подход к локальным данным. - Запустите Datasette на любом датасете:
datasette serve data.db— посмотрите на обновлённую систему прав из a37. - Повторите эксперимент Willison: возьмите реальную задачу, напишите спек, передайте Claude Fable — замерьте стоимость и качество. Сравните с тем, сколько часов заняло бы вручную.
- Читайте блог Simon Willison — он публикует подробные разборы AI-экспериментов в реальной разработке. Один из лучших практических источников по LLM для инженеров.
- Для команды: оцените, какие внутренние данные можно открыть через Datasette прямо сейчас — без BI-инструмента и без IT-задачи на два спринта.