Пусть AI ускоряет поставку, а не только набор кода

За три месяца пилота я выстраиваю AI SDLC вместе с одной из ваших команд. Агенты встраиваются в то, как задачи ставятся, пишутся, проверяются и выкатываются. Мы измеряем, что изменилось в скорости и качестве, и готовим процесс для остальных команд.

Обсудить пилот

Как устроен пилот

AI пишет код быстрее. Поставка почти не ускоряется.

Ваши инженеры уже работают в Cursor, Claude Code или Codex и закрывают отдельные тикеты быстрее. Команда в целом выпускает почти в том же темпе.

У каждого инженера свой AI-сетап

Промпты, инструменты и приёмы живут в личных конфигах. То, что работает у одного, до соседней команды не доходит.

Узкое место уезжает дальше по конвейеру

Код появляется быстрее, поэтому постановка, ревью, тестирование, переделки, согласования и релиз занимают всё большую долю каждой задачи.

Агенты работают вслепую

Требования в Jira, решения в Confluence и в головах, договорённости в старых ревью. Агент ничего из этого не видит.

Никто не может сказать, сработало ли

Больше пул-реквестов, больше строк. Но стал ли короче lead time? Меньше ли откатов и переделок? Без стартового замера этого не знает никто.

Ускорить набор кода мало. Перестраивать нужно весь путь задачи — от требования до production.

Четыре уровня внедрения AI. Большинство команд на первом.

Все начинают с личных инструментов, и большинство застревает на следующем шаге. Переход с первого уровня на третий меняет то, как задачи ставятся и принимаются. Более сильная модель этого за вас не сделает.

  1. Уровень 1 · AI-ассистент

    AI помогает инженеру

    Автодополнение, чат, разовые скрипты и тесты в Cursor или Claude Code. Быстрее становится один человек.

    Быстрее инженер

  2. Уровень 2 · Агентная разработка

    Инженер управляет агентами

    Агент получает задачу с контекстом и делает большую часть изменения. Инженер ставит задачу и принимает результат, а руками пишет гораздо меньше.

    Код пишет агент

  3. Уровень 3 · AI SDLC

    Агенты на всём цикле

    Спеки, специализированные агенты и quality gates собраны в один процесс от требования до production. Люди проверяют работу в заданных точках. Ускоряется весь путь до релиза.

    Быстрее командаЦель пилота

  4. Уровень 4 · AI-native организация

    Один процесс на всю разработку

    Команды делят знания, правила, агентов, проверки и метрики. Новая команда с первого дня работает в готовом процессе.

    Общая инженерная база

Диагностика показывает, где вы сейчас и какой шаг окупится в этом году. Перепрыгнуть уровень не получится.

Harness: где ваша команда и агенты работают вместе

Спецификация становится главным артефактом задачи. Агенты пишут по ней код, люди задают рамки и принимают результат. Работу одного агента проверяет другой. Если проверка не прошла три раза подряд, задачу забирает человек.

Quality gatesci / review
Спецификацииspecs
База знанийdocs / adr
Правила и рамкиagent rules
Ваш репозиторийgit
Четыре слоя над вашей кодовой базой
Quality gates
Типовые изменения проверяются автоматически. Там, где ошибка стоит дорого, код смотрит человек.
Спецификации
Критерии приёмки привязаны к тестам, поэтому агент не выдумывает требования.
База знаний
Карта архитектуры, контракты и журнал решений версионируются в git рядом с кодом.
Правила и рамки
Инструкции агентам под ваш стек и кодовую базу. Конфиги линтеров и CI — защищённые пути, агенты не могут их менять.

Пять шагов: от диагностики до передачи процесса вашей команде

  1. Диагностика

    Разбираю, как на самом деле устроена ваша поставка. Репозитории, архитектура и где ставятся задачи — в Jira, от которой не уйти, или в markdown-спеках в репозитории.

    Фиксируем стартовые метрики, чтобы через три месяца результат был числом, а не впечатлением.

    2 недели

  2. Первая версия harness

    Правила, база знаний, спецификации и quality gates под ваш стек.

    Сам harness собирается за дни. Остальное время — договорённость о ролях — кто владеет им после пилота.

    2 недели

  3. Запуск

    Пилотная команда проводит две-три реальные задачи из бэклога через полный цикл — спека, код агента, ревью, релиз. После воркшопа команда работает только по-новому.

    На время пилота KPI по дефектам ставятся на паузу, чтобы люди не боялись пробовать.

    Воркшоп

  4. Сопровождение

    Я в чате вашей команды. По git видно, где работал агент, а где человек правил код руками. Каждая такая правка разбирается и превращается в правило harness.

    Ручная правка возвращает ту же ошибку в следующей задаче. Чинить нужно правило или проверку, которая её пропустила.

    2–3 месяца

  5. Результаты и передача

    Сравниваем DORA- и AI-метрики со стартовым замером — сколько решений принимают агенты и как это влияет на качество.

    Один–три ваших инженера с первого дня учатся как внутренняя команда harness. Следующую команду они запускают сами.

    Итоги

Что остаётся у вас

Всё живёт в вашем репозитории как часть кодовой базы и работает после пилота.

  • База знаний и карта архитектуры
  • Журнал решений (ADR) как привычка команды
  • Промпт-шаблоны для типовых задач
  • Регламент code review с AI
  • Чек-лист quality gates по типам задач
  • Внутренняя команда harness: 1–3 человека

Как выглядит зрелый процесс

Две системы, которые я построил и веду сам. Обе работают в production, и каждый механизм ниже существует в коде.

Briefly: редакция без редактора-человека

Свой продукт · мультиязычная публикация

Briefly публикует дайджесты об AI, софте и безопасности на английском, испанском, русском и португальском. Ни один пост не одобряет человек. Агент-Writer пишет черновик, агент-Reviewer сверяет каждый пункт с источниками, а Dagu запускает каждый шаг как идемпотентную задачу.

  1. Источники
  2. Writer
  3. Reviewer
  4. 4 языка
  5. Публикация
блокирующие замечания возвращаются Writer'у — максимум три переписывания, потом шаг падает

Повторы живут вне сервиса

Сервис никогда не повторяет сам. Упавший шаг перезапускает Dagu, и это безопасно, потому что каждый шаг идемпотентен.

Решения лежат в git

Каждое архитектурное решение — ADR в репозитории. Люди и агенты читают одни и те же причины.

Как ошибка стала правилом

  1. Симптом. Один португальский выпуск прошёл 15 циклов Writer/Reviewer за четыре запуска.
  2. Данные, а не догадка. По логу ревью Reviewer отклонял обычные заимствования вроде «offline» и «hub», а рядом нашлась одна настоящая ошибка — профессор превратился в исследователя.
  3. Причина. Любое стилистическое замечание блокировало публикацию, а полное переписывание чинило одну претензию и ломало другой пункт.
  4. Правило в harness. Замечания теперь типизированы как блокирующие или рекомендательные. Блокируют только фактические ошибки и ошибки точности, а одобрение решает код, а не модель.
  5. Каждый следующий выпуск. Правило — это ADR и схема ответа, поэтому все последующие выпуски идут по нему.

Исправление ушло в harness, а не в одну статью.

Factory: на входе GitHub issues, на выходе проверенные пул-реквесты

Свой инструмент · фабрика софта

Self-hosted фабрика агентов на Dagu. Я завожу цель как issue; агент-планировщик режет её на задачи, агент-кодер открывает пул-реквест на каждую, а отдельные агенты делают ревью, тестируют и выносят вердикт. Единственный источник правды о состоянии — GitHub. Фабрика разрабатывает и саму себя.

  1. Planner
  2. Проверка владельцем
  3. Coder
  4. Review · QA · Judge
  5. Проверка владельцем
замечания возвращаются кодеру как раунд доработки

Автор никогда не проверяет свою работу

Ревью, QA и merge gate — разные роли. Вердикты привязаны к head-коммиту пул-реквеста, а гейты проверяет код, а не слова агента.

Агенты не могут ослабить правила

Конфиги линтеров и CI — защищённые пути. Любая правка агента в них откатывается до push.

Как ошибка становится уроком

  1. Симптом. Четыре пул-реквеста подряд падали на QA, хотя проверка проекта проходила.
  2. Причина. Планировщик писал команды проверки с shell-синтаксисом, который ломается под sh -c.
  3. Урок. Retro-агент записал его в docs/lessons.md с доказательствами — правило, пул-реквесты и на что смотреть.
  4. Следующая цель. Планировщик читает уроки перед планированием, и ошибка не возвращается.

У уроков есть жизненный цикл: открыт, применён, подтверждён — или переоткрыт с новыми доказательствами.

Пять принципов

Harness собирает ваша команда

Коробки для установки нет. Ваши инженеры собирают агентов и правила вместе со мной под свой стек и кодовую базу. Что команда собрала сама, то она и поддерживает.

Всё остаётся у вас

База знаний, журнал решений, промпт-шаблоны и регламенты живут в вашем репозитории и работают после пилота.

Проверка по масштабу последствий

Изменение внутри одного модуля проходит автоматические гейты. Изменение, которое задевает другие команды, идёт на архитектурное ревью.

Инженеры правят инструкции, а не результат

Главный сдвиг для инженера — он правит инструкции агентам, а код следует из них. Править код агента руками — как патчить бинарник после компилятора.

Один путь, быстрый отказ

Никаких тихих фолбэков и скрытых повторов. Если что-то ломается, оно останавливается с диагнозом, а дальше решает человек.

Чего я не обещаю

  • Полностью автономных агентов за квартал. Цель пилота — устойчивый процесс в одной команде и люди, которые перенесут его в другие.
  • Решения об архитектуре и составе команд остаются за вами. Я даю процесс и цифры для них.

С кем вы работаете

Michael Kozii

Инженерные практики, проектирование harness, агентные системы

Backend-инженер с двенадцатью годами в коммерческой разработке, живёт в Евросоюзе. С 2022 года Senior Backend Engineer в крупной продуктовой компании, пишет на Go. До этого пять с половиной лет в Spryker — Senior Backend Engineer, затем Technical Lead — модули e-commerce, Docker-инфраструктура, интеграции с ERP, CRM, PIM и платёжными провайдерами, консультирование клиентов по инфраструктуре Spryker. Раньше — adtech в Lucky Labs, RTB-сеть на миллиард показов в месяц. Строит и ведёт агентные AI-системы в production, в том числе Briefly и Factory.

Начнём с разговора о вашей команде

На первом созвоне разбираем, как сейчас ставятся и делаются задачи, где уже используется AI и что можно измерить. После созвона понятно, какой harness собирать и с какой команды начинать.

Написать мне [email protected]