«AI-агенты в продакшен разработке [Pytex]» [Алексей Жиряков]

​ За три дня ты перейдешь от базового использования ИИ-агента к полноценной агентной разработке: от постановки задачи до релиза в прод Используешь ИИ-Агента, но разработка как-будто не ускорилась? Это частая история. Недостаточно просто скачать Codex или Claude Code: без правил, управления контекстом, разными ролями агентов и ограничений агент, действительно, быстрее генерирует изменения, но не гарантирует их качество Проблема КОД-РЕВЬЮ делает тот же агент, Который пишет код Проблема Контекст постоянно засоряется и агент галлюцинирует Проблема агент постоянно забывает правила проекта и говнокодит ДЛЯ КОГО ИНТЕНСИВ Разработчиков Научишься ставить задачи ИИ-агентам, задавать правила и проверять результат. Тимлидов и техлидов Выстроишь командный процесс работы с ИИ-агентами: роли, контекст, проверки и критерии приёмки. ML- и DS-инженеров Адаптируешь агентный подход под работу с моделями и данными: проверки, границы изменений и контроль качества. Программа ИНТЕНСИВА Занятие 1 [20 октября] Настраиваем кодинг-агента под реальный проект Что разберёшь Из чего состоит готовая среда для агентской разработки: модель, кодинг-агент и тулы (tools) Как настроить OpenCode и выбрать модели для разработки и ревью AGENTS.md и правила (rules) проекта: что агент должен учитывать в каждой сессии Разница между общими правилами репозитория и инструкциями под конкретные задачи Скиллы для типовых задач разработки и повторяемых сценариев Как задавать формат входа и результата агента, чтобы работа шла по понятному контракту Ограничения для агента: область изменений, размер diff и условия передачи задачи человеку TDD в работе кодинг-агента: тесты как способ проверять результат, а не доверять ответу модели Как добиваться минимального diff и не позволять агенту менять лишний код Структура репозитория и журнал решений как постоянный контекст для новых сессий Результат занятия Настроишь готовую среду для агентской разработки и поймёшь, как встроить кодинг-агента в рабочий процесс проекта. Задача → правила и скиллы → кодинг-агент → минимальный diff → тесты → ревью кода В результате агент будет получать нужный контекст, работать в заданных границах и возвращать проверяемый результат вместо неконтролируемых изменений по всему проекту. Занятие 2 Строим агентный пайплайн: разработка, ревью и приёмка Что разберёшь Почему один агент не должен одновременно писать код и принимать собственную работу Разделение ролей между агентом-разработчиком и агентом-ревьюером Отдельные сессии и чистый контекст для независимой проверки результата Как ставить задачу через спецификацию, ограничения и критерии приёмки вместо длинного промта Handoff (передача задачи между агентами) без переноса всей истории чата Что входит в handoff-пакет и какой контекст действительно нужен следующему агенту Как проводить ревью кода отдельным агентом в режиме только чтения Агентный цикл (agent loop): разработка, ревью, доработка и повторная проверка Ограничение количества итераций и передача сложной задачи человеку Как собрать агентный пайплайн от постановки задачи до приёмки Результат занятия Построишь агентный пайплайн, в котором разработка и ревью разделены между независимыми агентами и отдельными сессиями. Задача → агент-разработчик → handoff-пакет → агент-ревьюер → доработка → приёмка Научишься передавать между агентами только нужный контекст, контролировать агентный цикл и получать независимую проверку результата перед тем, как работа считается завершённой. Занятие 3 [22 октября] Работаем с большим репозиторием и управляем контекстом агента Что разберёшь Почему кодинг-агенты начинают хуже работать в больших репозиториях и длинных сессиях Как определить зону изменений: что агент может менять, что только читать, а что трогать запрещено Планирование изменений до написания кода Права и ограничения агента-разработчика и агента-ревьюера Как сохранять состояние задачи между отдельными сессиями Формирование компактного контекста вместо переноса всей истории работы Структура репозитория и журнал решений как внешняя память для агента Контроль области изменений и минимального diff в большой кодовой базе Как независимо проверять качество тестов, включая мутационное тестирование Перенос подходов всех трёх дней в собственный рабочий репозиторий Результат занятия Научишься управлять работой кодинг-агентов в большой кодовой базе и не терять контроль над контекстом и областью изменений. Контекст задачи → зона изменений → план → агент-разработчик → handoff → агент-ревьюер → проверка → приёмка В результате сможешь переносить состояние между сессиями, ограничивать действия агентов и использовать тот же подход уже в собственном рабочем репозитории.