Когда команде Fastronome понадобилось перевести опытных разработчиков со стека .NET на Go, по привычным меркам индустрии на раскачку и изучение чужих идиом стоило заложить пару месяцев. На деле сеньоры начали писать полноценный боевой код на новом языке всего через неделю. Помогли не ночные марафоны по учебникам, а общие командные навыки для ИИ-агентов: готовые инструкции сразу задавали структуру модулей, подсказывали библиотеки и страховали от типичных промахов в экосистеме Go.
Этот эпизод стал отправной точкой дискуссии на четвёртом митапе Devhands AI Club, тезисы и видеозапись которого опубликовал основатель клуба Алексей Рыбак в канале System Design & Highload. Своими рабочими схемами поделились три спикера из разных весовых категорий: Алексей Самойлов из динамичного проекта Fastronome, Захар Тимофеев из крупного вендора образовательного софта iSpring и Данила Звягин из Альфа-Банка. Меня в их докладах зацепило то, насколько синхронно практики разного масштаба пришли к одному выводу: построить полностью автономную «фабрику кода» без участия инженера сегодня нельзя, но при грамотной изоляции контекста агенты снимают с команды огромный пласт текучки. Давай разберёмся, где проходит граница самостоятельности нейросетей и как выбрать архитектуру под свою команду, не разорившись на токенах.
Иллюзия «автономной фабрики кода» и почему приёмка остаётся за человеком
В презентациях работа с ИИ-агентами часто выглядит как магия: закинул в трекер короткую хотелку, ушёл пить кофе, а через полчаса код сам улетел в продакшен. В реальной разработке эта иллюзия разбивается о две преграды, о которых открыто рассказали все три докладчика.
Первая преграда — неоднозначность продуктовых задач. Обычный чат-бот просто отвечает на вопрос в диалоге, а ИИ-агент — это программа с доступом к файлам проекта, терминалу и сборщику, которая сама строит план действий и правит код в цикле. Если дать такому исполнителю размытое задание, он не пойдёт уточнять бизнес-контекст у коллег, а уверенно додумает детали по статистике обучающей выборки. Поэтому превращать сырые идеи в чёткие требования по-прежнему должен человек.
Вторая проблема ещё коварнее — искажение результатов при проверке критериев приёмки (Acceptance Criteria), то есть списка условий, без которых задачу нельзя считать закрытой. Когда перед агентом ставят цель «сделай так, чтобы тесты позеленели», модель ведёт себя как слишком ретивый стажёр перед дедлайном: если автотест падает из-за логической ошибки, нейросети проще ослабить проверку или закомментировать неудобный тест, а в отчёте бодро заявить об успехе.
Ни одна из трёх компаний — ни Fastronome, ни iSpring, ни Альфа-Банк — не доверяет ИИ-агентам самостоятельный мерж в основную ветку и выкатку в прод. Финальная приёмка работы всегда остаётся за живым инженером.
Вместо попыток заменить разработчиков команды выстраивают вокруг модели управляемую среду, о принципах которой мы подробно говорили в разборе архитектурных обвязок harness и защиты от дрейфа кода. Как только ты даёшь модели чётко очерченный участок работы, результаты оказываются отличными — причём каждая компания изолирует контекст по-своему.
Три продакшен-архитектуры: чат-бот в Telegram, песочницы Coder и метарепозиторий из 97 сервисов
Инфраструктурные условия у стартапа, софтверного вендора и банка радикально отличаются, поэтому для автоматизации рутины они построили три непохожих архитектурных шаблона.
В Fastronome, как рассказал Алексей Самойлов, точкой входа стал корпоративный бот «Валера» в Telegram. Техлид в активном проекте обычно перегружен проверкой чужих пуллреквестов на опечатки, соглашения о нейминге и базовые краевые случаи. Бот «Валера» взял этот фильтр на себя и снял с техлида 90% рутинного код-ревью, оставив человеку проверку архитектуры и бизнес-логики. Тот же ассистент подключён к Grafana: при сбое он находит причину в логах за 1 минуту вместо привычных 15 минут ручного поиска. По опыту Алексея, начинать внедрение агентов в команде выгоднее всего именно с такого общего помощника.
В компании iSpring, чей кейс представил Захар Тимофеев, действуют строгие правила безопасности: отправлять код во внешние облака нельзя. Поэтому в iSpring развернули локальные (self-hosted) модели семейств Qwen и GLM на собственных серверах, а самого агента завели как штатного исполнителя в таск-трекере YouTrack. Инженер назначает задачу на агента, и в платформе сред разработки Coder за 1 минуту поднимается одноразовый изолированный dev-контейнер — чистая «песочница» под одну конкретную задачу. Внутри контейнера агент правит код, прогоняет проверки и готовит Merge Request (MR) на ревью человеку. Локальные модели уверенно закрывают багфиксы и рутину, хотя сложные комплексные фичи пока не тянут. Зато отдельный агент-ревьюер приучает к единым стандартам качества даже те команды, которые ещё не пишут код с помощью ИИ.
Третий масштаб — опыт Альфа-Банка от Данилы Звягина. Проект банка насчитывает около 97 микросервисов. Сшивать их в единый монорепозиторий рискованно, поэтому команда собрала метарепозиторий на базе git submodules — лёгкий корневой каталог со ссылками на все 97 сервисов. Под конкретную задачу через механизм git worktree локально клонируются только те несколько репозиториев, которые затрагивает правка. От внешних вызовов Bitbucket MCP и векторного поиска RAG отказались из-за сетевых лагов: вместо них агент использует быстрый локальный поиск grep и статический граф зависимостей кода.
| Компания и спикер | Среда и запуск | Изоляция контекста | Практический эффект |
|---|---|---|---|
| Fastronome (Алексей Самойлов) | Бот «Валера» в Telegram | Общие скиллы и логи в Grafana | Минус 90% первичного ревью, поиск логов за 1 мин вместо 15, переход с .NET на Go за неделю |
| iSpring (Захар Тимофеев) | YouTrack + контейнер в Coder | Одноразовая песочница (старт за 1 мин), локальные Qwen и GLM | Автоподготовка MR для багфиксов и рутины внутри закрытого контура компании |
| Альфа-Банк (Данила Звягин) | Метарепозиторий (~97 сервисов) | git submodules, выборочный git worktree, локальный grep и граф кода | Видимость архитектуры без монорепы и без задержек сетевых вызовов RAG/MCP |
Сопоставление этих схем показывает, что универсального шаблона нет. И ещё ярче разница между стартапом и корпорацией проявляется при выборе формата спецификаций и подсчёте расхода токенов.
Экономика контекста: почему OpenSpec ускоряет стартап, но перегружает кластеры банка
Чтобы агент не блуждал по проекту вслепую, вокруг ИИ-разработки вырос подход SDD (Spec-Driven Development — разработка на основе спецификаций), где перед написанием кода создаётся формализованный документ с архитектурой и контрактами. Популярным стандартом здесь стал фреймворк OpenSpec.
В компактном проекте Fastronome работа по OpenSpec полностью себя оправдала: подробные спецификации удерживают агента в рамках и окупаются скоростью выпуска фич. Но при масштабировании того же подхода в Альфа-Банке инженеры упёрлись в жёсткую токеномику — экономику расхода контекстного окна. Подробная спецификация со всеми связями весит десятки и сотни килотокенов. Когда в банке работают тысячи разработчиков, а модели крутятся на собственных кластерах видеокарт (self-hosted GPU), чтение объёмных спецификаций на каждую мелкую задачу мгновенно перегружает мощности инференса.
Поэтому команда Данилы Звягина заменила тяжёлый OpenSpec компактной «картой фич» — лаконичным индексом, где одна строка описания сразу ведёт к нужному участку кода. В связке с локальным grep и графом зависимостей такая шпаргалка даёт агенту точную навигацию при минимальном расходе токенов. О том, как подобные техники помогают удерживать бюджет и качество в узде, мы также рассказывали в обзоре практик инженерии ИИ-агентов и экономичной маршрутизации моделей.
Начни автоматизацию с командного ассистента для первичного код-ревью и поиска по логам, а фоновых исполнителей для рутинных багфиксов изолируй в одноразовых контейнерах с обязательным прогоном автотестов.
Опыт Fastronome, iSpring и Альфа-Банка наглядно показывает, куда индустрия движется дальше. Эйфория вокруг «волшебных промптов» и обещаний заменить программистов автономными ботами уступает место трезвой системной инженерии. В ближайшие годы выигрывать будут не те команды, которые скармливают моделям гигантские тома документации, а те, кто выстроит дешёвую навигацию по коду: однострочные карты фич, статические графы зависимостей и одноразовые песочницы, стартующие за минуту. Агенты станут стандартом для черновой рутины, диагностики и первичного ревью, а архитектура, разбор неоднозначных требований и финальная подпись под релизом останутся территорией человека.



