Источник
История Lovable
Пост про эволюцию от GPT Engineer до платформы с оценкой $6.6B.
Lovable - пример того, как open-source проект превращается в платформенный AI-продукт. Компания прошла путь от CLI-утилиты генерации кода до full-stack AI builder, где пользователь управляет разработкой через диалог с агентом.
- Anton Osika - co-founder, инженерный бэкграунд в ML и физике (включая опыт CERN).
- Fabian Hedin - co-founder, серийный предприниматель и инженер.
Таймлайн
Open-source начало
Проект стартует как GPT Engineer: CLI-инструмент, который по одному промпту генерирует кодовую базу.
Переход к коммерческому продукту
Команда развивает SaaS-версию, а в конце 2024 года закрепляет бренд Lovable и фокус на создании готовых веб-приложений.
Гиперрост оценки
Компания проходит путь от раннего раунда до Series B и выходит на оценку $6.6B, привлекая крупных стратегических инвесторов.
Платформенный этап
Фокус на enterprise-governance, автономных агентах и развитии инфраструктуры вокруг полного цикла разработки.
Раунды и бизнес-динамика
Pre-Series A
Февраль 2025
$15M
Лид: Creandum. Среди ангелов: Charlie Songhurst, Adam D'Angelo, Thomas Wolf.
Series A
Июль 2025
$200M при оценке $1.8B
Лид: Accel. Участники: 20VC, byFounders, Hummingbird, Visionaries Club.
Series B
Декабрь 2025
$330M при оценке $6.6B
Лиды: CapitalG и Menlo Ventures. Стратегические инвесторы: NVentures, Salesforce Ventures, Databricks Ventures, Atlassian Ventures.
Связанная глава
AI Engineering
Контекст про production-практики и системный взгляд на AI-продукты.
Концептуальная архитектура
Product UX
- Chat-first интерфейс: запрос слева, live preview справа.
- Итеративный цикл: промпт, генерация, проверка, доработка.
- Подход vibe coding: пользователь задает intent, платформа делает реализацию.
AI Orchestration
- Агент анализирует задачу и строит план изменений.
- Генерируются изменения для фронта, API, данных и интеграций.
- Платформа применяет патчи и переходит к следующей итерации.
Runtime & Delivery
- Выходной стек обычно включает React, TypeScript и Tailwind.
- Для backend-слоя часто используется интеграция с Supabase.
- Есть экспорт кода и git-синхронизация для full code ownership.
Агентный workflow
- 1Пользователь формулирует цель продукта и требования.
- 2Система собирает контекст проекта: файлы, логи, ограничения.
- 3LLM-агент предлагает план и генерирует изменения в кодовой базе.
- 4Проект пересобирается, результат сразу виден в превью.
- 5Ошибки и новые требования возвращаются в следующий цикл итераций.
Что работает хорошо
- Сильно сокращает time-to-prototype для web-продуктов.
- Смещает ценность к результату, а не к ручному набору кода.
- Подходит как инженерам, так и продуктовым ролям.
- Сохраняет возможность развивать проект вне платформы.
Где нужны ограничения
- Качество зависит от четкости постановки задачи и промптов.
- Нужны ручные проверки безопасности, архитектуры и cost-контроля.
- Enterprise-сценариям требуется governance и policy-контур.
- Без observability агентные циклы сложнее диагностировать.
Материалы и отсылки
Официальный сайт Lovable
Продукт, демо и публичные материалы команды.
GPT Engineer (open source)
Исходный проект, с которого начиналась история Lovable.
Архитектура платформы (часть 1)
Стек, интеграции и концептуальная схема продукта.
Агентный workflow и инфраструктура (часть 2)
Как платформа оркестрирует генерацию кода и dev-цикл.
Дополнительно: UX-паттерны vibe coding в посте book_cube/4246 и разбор внутренних компонентов в book_cube/4253.
Из соседних глав: Prompt Engineering и AI Engineering Interviews.