← Каталог

· AI Engineer World's Fair 2026

Software factory: от баг-репорта до кода в продакшене

The Software Factory: From Bug Report to Production Code — Davis Palmie, Factory

Software factory — это система агентов, которая превращает баг-репорты и отзывы пользователей в деплой, и внедрять её лучше начинать с одного проверяемого шага.

  • Начинать с узкого шага — спикер советует сначала дать агенту разбирать алерты Sentry и публиковать выводы в Slack для ревью инженером. Соединять шаги в цикл с обратной связью стоит только после того, как накопилось достаточно верных диагнозов.
  • Модели без привязки к вендору — по словам спикера, код-ревью на GPT-5.2 даёт то же качество, что на последних моделях Opus, но вдвое дешевле. Открытые модели, по его оценке, дешевле в 10–30 раз.
  • Восемь пунктов готовности к агентам — валидация, система сборки, тесты как обратная связь, документация, воспроизводимое dev-окружение, модульность, observability и сканирование безопасности. По словам спикера, то, что нужно агентам, одинаково полезно и людям.
  • Метрики вместо токенов — объём кода и расход токенов легко накрутить, поэтому спикер предлагает считать время от сигнала до продакшена, число ручных вмешательств, медианное время на исправление, срок жизни кода и стоимость PR.

Кому полезно: техлидам, которые решают, с чего начать автоматизацию разбора инцидентов и ревью кода агентами. Доклад во многом рассказывает о продукте Factory.

Статья по теме

На какие вопросы отвечает доклад

  • Как начать внедрять агентов для разбора багов, не отдавая им продакшен сразу?

    Начинать с узкого проверяемого процесса: агент читает алерт из Sentry, подтягивает трейсы и пишет диагноз в Slack, а инженер решает, что делать. Цепочку замыкают в цикл только после того, как команда начала доверять каждому шагу.

    ▶ 6:13Software factory и поэтапная сортировка инцидентов
  • Почему токены и количество строк кода плохие метрики для команды с AI-агентами?

    Эти метрики легко накрутить и они не связаны с результатом: люди начинают оптимизировать расход токенов. Вместо них спикер предлагает время от сигнала до продакшена, число ручных вмешательств, медианное время починки, срок жизни кода и стоимость PR.

    ▶ 16:31Метрики результатов и заключительные рекомендации
  • Почему ускорение написания кода с AI не ускоряет доставку фич в продакшен?

    По словам спикера, написание кода никогда не было главным узким местом: ревью PR, воспроизведение багов, отладка, документация и тесты занимают больше времени. По его оценке, путь от написания кода до продакшена занимает больше времени, чем сама разработка.

    ▶ 4:44Узкие места за пределами написания кода
  • Как заставить агентов поддерживать документацию и тесты в актуальном состоянии?

    Агенты обновляют документацию при каждом PR и после решений на встречах, следят за хрупкими тестами и предлагают убирать ненужные. Спикер считает, что документация, код и тесты должны меняться согласованно.

    ▶ 10:08Паттерны автоматизации в инженерных командах
  • Что нужно проверить в репозитории, прежде чем давать агентам доступ к разработке?

    Спикер предлагает оценить восемь пунктов: линтеры и форматтеры, команды сборки в CI, юнит- и интеграционные тесты, README и AGENTS.md, воспроизводимое dev-окружение, модульность, observability и сканирование секретов и уязвимостей.

    ▶ 13:17Восемь столпов готовности к внедрению агентов
  • Как ограничить права агентов и сохранить аудит их действий в команде разработки?

    По словам спикера, каждое действие агента должно логироваться, доступ выдается по ролевой модели с минимальными привилегиями, а систему внедряют поэтапно. Человек остается на шагах проверки, где нужно его решение.

    ▶ 14:45Поддающееся аудиту управление и человеческое суждение
  • Как не привязаться к одному провайдеру LLM и снизить стоимость code review?

    По словам спикера, GPT-5.2 на code review дает то же качество, что последние модели Opus, но вдвое дешевле, а открытые модели в 10–30 раз дешевле. Он советует выбирать модель под задачу или маршрутизировать запросы динамически.

    ▶ 8:07Независимость от модели, суверенное развёртывание и интеграция с SDLC

Главы

Похожие доклады