Командные процессы

Здорово иметь на уровне команды определённые базовые процессы и правила работы с ИИ-агентами. По мере роста опыта у каждого появятся какие-то свои фишки и паттерны, но лучшие практики всё равно желательно выносить на уровень команды или даже всей компании. В этом разделе мы даём некоторый стартовый фреймворк, с которого можно начать.

Что ещё можно посмотреть по теме - OpenSpec. Это такой популярный подход к организации воркфлоу работы с ИИ-агентами. Но начинать точно рекомендую с чего-то легковесного.

Работа над задачами

В начале сессии оценивайте сложность задачи и выбирайте нужный путь:

• Простая задача - пишем промпт в любом формате
• Сложная задача - описываем задачу по командному шаблону
• Большое изменение - используем Plan Mode или плагин типа planning-with-files
• Автономная задача - Ralph Loop, Getting Shit Done, etc. (с осторожностью)
• Повторяющаяся задача - используем/создаём скилл или субагента, коммитим в репу

Пример процесса для сложной задачи

Каждая задача для ИИ-агента должна быть сконвертирована в описание по шаблону, например:

• Цель - что именно должно получиться на выходе
• Важный контекст - какая часть проекта, скорее всего, будет затронута, где взять нужные данные, что точно делать не надо (ограничение скоупа), зачем мы это делаем. Это значительно ускорит процесс работы над задачей
• Что нельзя менять - описываем, какие части системы нельзя менять в ходе работы над задачей. Например, нельзя менять контракт API, схему БД, зависимости, бизнес-логику и так далее
• Ограничения и правила - какие-то дополнительные штуки, не описанные в CLAUDE.md. Например, если мы хотим использовать конкретную библиотеку, обязательно переиспользовать какой-то код или просим агента при каждом затупе обращаться к нам за уточнением
• Верификация результата - какие тесты надо запустить, какие добавить, какие сценарии проверить. Чем детальнее, тем лучше
• Артефакт - какой формат должен быть. Например, маркдаун с анализом, коммит, отчёт по тестированию

Потом просим агента прочитать описание и задать уточняющие вопросы. Просим обновить описание задачи и создать TODO-лист, сохранить в отдельный файл, трекать там прогресс.

Процесс после завершения задачи

• Запускаем /simplify — чистим грязный и мёртвый код
• Просим код-ревью через субагента. Просим исправить найденные косяки или вместе с агентом проходимся по ним
• Просим проверить и по необходимости обновить всю документацию (можно создать скилл для этого)
• Анализируем сессию на предмет необходимости изменения CLAUDE.md, добавления MCP или скиллов в репозиторий. Можно заюзать cc-sessions для анализа сессий
• Проводим ручную верификацию результатов согласно правилам команды (докер собирается, тесты проходят, метрики правильные и так далее)
• Руками описываем пулл-реквест

Важно: Всё, что можно протестировать автоматически, должно быть протестировано автоматически самим агентом ещё на этапе имплементации! Человеческое ревью должно быть сконцентрировано на бизнес-логике, архитектуре, UX, ML-решениях.

Что необходимо сделать перед началом внедрения ИИ-агентов

На старте нужно оценить готовность ваших репозиториев и команды к работе с ИИ-агентами.

Есть прикольный фреймворк Agent Readiness, по нему можно оценить готовность по восьми критериям:

• Style & Validation - настроены ли прекоммит-хуки - линтеры, стайлеры
• Build System - есть ли задокументированные способы запустить и протестировать проекты?
• Testing - есть ли у агента возможность быстро верифицировать результаты своей работы?
• Documentation - есть ли в репозитории вся нужная документация? Есть ли какие-то неявные знания, не описанные на бумаге?
• Dev Environment - настроен ли у каждого энв, в котором агент может запускать скрипты, команды?
• Code Quality - удобен ли проект для ИИ-агента? Все файлы меньше 500 строк, функции меньше 50 строк, чёткие границы между модулями
• Observability - наличие и доступ до логов, трейсов, трейсбеков (Sentry, ELK, логи кубика)
• Security & Governance - настроено ли всё так, чтоб агент не мог уронить прод-кластер, удалить данные, ликнуть пароли?

Ещё можно добавить Data - есть ли у агента удобный доступ до данных, необходимых для работы.

Примеры описания уровней зрелости

• Первый - есть ридми, линтер, юнит-тесты
• Второй - есть общий CLAUDE.md, прекоммит-хуки, базовые правила безопасности
• Третий - есть удобные E2E-тесты, детальная документация для агента
• Четвёртый - оптимизированные билды, быстрые способы верификации работы
• Пятый - декомпозиция задач, авто-восстановление сервисов

Командный плейбук

Поддерживаем в команде документ с обязательными и рекомендуемыми практиками.

Его содержание:

• Описание процесса работы над задачей, обязательные и рекомендуемые правила
• Правила проверки результата и код-ревью
• Примеры хороших кейсов
• Повторяющиеся процессы

Полезные практики

• Парный вайб-кодинг — более опытный и менее опытный (в использовании ИИ-агентов) участники вместе решают какую-то задачу