Я дал ИИ-агентам реальные опис... Заметка
DEV Community на русском

Я дал ИИ-агентам реальные описания вакансий. Скорость выполнения задач моей командой выросла на 300%. Вот как это было настроено

Автор, Сергий, рассказывает о пути ConnectiveOne по перестройке их жизненного цикла разработки программного обеспечения (SDLC) вокруг ИИ-агентов. Он подчеркивает, что простое предоставление ИИ широкого доступа и ведение бесед в свободной форме не является эффективным масштабированием. Вместо этого он выступает за назначение ИИ-агентам узких ролей с четко определенными границами и контролем качества перед проверкой человеком.Основная проблема традиционных ИИ-помощников по кодированию заключается в отсутствии у них постоянного контекста, что приводит к повторному выводу архитектуры и непоследовательному соблюдению соглашений. Сергий предлагает относиться к ИИ-агентам как к новым сотрудникам, предоставляя им конкретные должностные инструкции, области ответственности и ограничения, задокументированные в файлах, управляемых версиями. Это формализует операционный контракт агента, обеспечивая предсказуемое поведение.ConnectiveOne структурирует это с помощью "слоя правил", где агенты имеют определенные области действия, запрещенные действия, входные данные и требуемые выходные данные, а также обязательные проверки качества. Этот подход опирается на три столпа: правила как источник истины, агенты на основе ролей для специализированных задач и ИИ, дополняющий, а не заменяющий традиционные этапы SDLC.Успешное внедрение включало начало с одного узкого, рутинного процесса, такого как проверка PR или генерация документации, создание одного агента с ограниченной ролью, а затем постепенное добавление новых ролей. Они выяснили, что параллельное выполнение агентов, или "рой агентов", следует внедрять только после установления стабильных правил и автоматизированных контрольных точек качества. Люди остаются важными для проверки намерений, архитектурных решений, корректности бизнес-логики и окончательного утверждения слияния.Критически важным упущенным аспектом является "происхождение", понимание того, почему агент внес конкретное изменение. ConnectiveOne построила внутренний слой оркестрации для маркировки диффов, сгенерированных агентом, деталями выполнения, превращая отладку в простой поиск. Хотя их система достигла значительного увеличения скорости разработки, они подчеркивают, что устойчивая скорость достигается за счет стабильных контрольных точек качества, а не только скорости. Ключевой вывод для команд, начинающих этот переход, заключается в том, чтобы сосредоточиться на определении узких ролей агентов и обеспечении контрольных точек качества, прежде чем пытаться сложные параллельные взаимодействия агентов.