← Каталог

· AI Engineer Europe 2026

AI-разработка: от идеи продукта до проверенной реализации

AI Coding Workflow: From Product Idea to Tested Implementation

Агенты для кодинга дают предсказуемый результат, когда работа с ними держится на основах инженерии: выровненные требования, задачи с быстрой обратной связью, TDD и глубокие модули.

  • Выравнивание вместо спецификации — сессия Grill Me задаёт вопросы по одному, каждый с рекомендуемым ответом, пока человек и агент не придут к общему пониманию. После этого спикер не читает сгенерированный PRD и проверяет результат и код.
  • Вертикальные срезы вместо слоёв — ИИ по умолчанию пишет слой за слоем и получает обратную связь только в конце. Задачи tracer bullets проходят через все слои сразу, а зависимости между ними оформляются как Kanban-доска, по которой агентов можно запускать параллельно.
  • Ревью в чистом контексте — по оценке спикера, качество модели падает примерно после 100k токенов, поэтому ревью лучше делать в новой сессии, а не в той, где написан код.
  • Sandcastle для параллельных агентов — TypeScript-библиотека создаёт git worktree и запускает агента в Docker-песочнице. Реализатор на Sonnet пишет код, ревьюер на Opus проверяет его по стандартам, которые передаются ему напрямую.

Кому полезно: тем, кто запускает агентов для кодинга на существующей кодовой базе и разбивает фичи на задачи для них.

Статья по теме

На какие вопросы отвечает доклад

  • Почему качество ответов агента падает в длинной сессии и когда начинать новый контекст?

    По словам спикера, модель работает лучше всего в начале сессии, а примерно после 100k токенов начинает «глупеть». Он советует держать задачи небольшими и следить за счётчиком токенов в статусной строке.

    ▶ 2:13Умная зона
  • Как заставить агента уточнить требования до того, как он начнёт писать код?

    Спикер использует навык Grill Me: агент задаёт вопросы по одному, к каждому даёт рекомендованный ответ, пока не появится общее понимание. По его опыту такие сессии занимают до часа и идут десятками вопросов.

    ▶ 12:16Сессия прожарки
  • Как разбить большую фичу на задачи, которые агенты смогут делать параллельно?

    Спикер режет работу на вертикальные срезы (tracer bullets), где каждый срез проходит все слои от схемы до интерфейса. Задачи с блокирующими связями на канбан-доске показывают, что можно делать параллельно.

    ▶ 39:37Вертикальные срезы
  • Как запускать агентов для кодинга без присмотра и не дать им жульничать в тестах?

    Спикер гоняет агента циклом (Ralph loop) в Docker-песочнице, по одной задаче за раз. Тесты пишутся по TDD: сначала падающий тест, потом реализация, поэтому агенту сложнее подогнать тесты под готовый код.

    ▶ 53:52AFK-агент
  • Как сделать кодовую базу понятной агентам и простой для тестов?

    Спикер предлагает глубокие модули: простой интерфейс и много логики внутри, их проще покрыть тестами одной границей. Навык improve codebase architecture сканирует репозиторий и предлагает, где углубить модули.

    ▶ 1:13:54Глубокие модули
  • Почему ревью кода агентом в том же контексте, что и реализация, работает хуже?

    Ревью в контексте, забитом реализацией, идёт в «глупой зоне», и ревьюер слабее исполнителя. Спикер очищает контекст перед ревью и передаёт ревьюеру стандарты кодирования вместе с кодом.

    ▶ 53:52AFK-агент

Главы

Ещё доклады: Matt Pocock

Все 5 докладов →

Похожие доклады