· AI Engineer World's Fair 2026
SDLC, который вы создаёте сами
The SDLC You Build Yourself — Andy Wong, Andrei Bocan & Shane Wolf, Atlassian
Atlassian показывает, что агентный SDLC строится вокруг организационного контекста, лимитов на объём работы и проверки людьми, а не вокруг одного генератора кода.
- Стандарты как правила для pull request — правила пишутся текстом в Markdown, назначаются репозиториям вручную или по шаблону имени, а AI Reviewer оставляет комментарии о отклонениях. По словам докладчиков, детерминированной проверки таких правил в CI встроенной функции пока нет.
- Фильтрация комментариев ревью — собственные модели отсеивают низкоценные комментарии. По словам авторов, код исправляется примерно в 40% случаев против 45% у людей, но причинного эффекта на продуктивность они не показывают.
- Ограничения для автономной работы — AutoDev работает с лимитами на незавершённые задачи, бюджетом на тикет и неделю, а недоописанные тикеты возвращаются человеку на уточнение. Миграции стандартов идут небольшими PR, чтобы не перегружать ревью.
- Контекст из разных источников — агентный поиск по коду, Jira, Confluence и Slack отдаёт приоритет свежим данным. Старые документы сохраняют причины решений, которых не видно в текущем коде.
Кому полезно: техлидам, которые выбирают, как встроить агентов в ревью и бэклог команды.
Статья по теме
Главы
Похожие доклады
Почему изменение в одну строку может сломать весь стек
Близко по содержанию
Повседневная жизнь AI-native разработчиков
Близко по содержанию
Поймайте баги, которые пропускает code review
Killian Carlsen-Phelan, Taylor Luttrell-Williams
Близко по содержанию
Саморазвивающийся код с ИИ: повышение качества и безопасности в CI
AI Engineer World's Fair 2024
Близко по содержанию


