← Проекты
RUEN

AI-агенты на всём цикле задачи

Клиентский проект

Агентная разработка в крупном e-commerce — от идеи продакта до прода и документации

Задача

Команда крупного e-commerce закрывала 20–25 задач в месяц, техдолг копился, а рутина — ТЗ, ревью, выкладка на тест, QA-чеклисты, документация — съедала время разработчиков.

Что сделал

Три слоя агентной разработки: плагин агентов на весь цикл задачи, фреймворк «оркестратор + имплементатор» и координатор спринта. Я — автор подхода и реализации, lead developer команды.

1. Плагин агентов на весь цикл задачи

Внутренний marketplace плагинов для Claude Code и Codex (macOS и Windows). 13 скиллов ведут задачу по статусам трекера и ролям команды:

  1. Идея продакта → ТЗ по общему шаблону, сверенное с кодом и Swagger
  2. Ревью и оценка
  3. Планирование загрузки
  4. Разработка с тестами
  5. Выкладка на test, миграции, разбор упавших автотестов
  6. Прогон QA-чеклиста — API и интерфейс в браузере
  7. Доработка по замечаниям QA
  8. Мерж, проверка обратной совместимости с iOS и Android, выкладка на прод, контроль ошибок в Graylog
  9. Документация в Вики

2. Фреймворк «оркестратор + имплементатор»

Стек- и платформонезависимый промпт для внедрения агентной разработки в любой проект. Сильная модель делает спеку, план и ревью каждого коммита, дешёвая — пишет код по пункту плана в чистом контексте сабагента.

План «spec-tight, code-light»: точно описывает, что сделать, но не содержит готового кода — иначе экономия пропадает.

3. Координатор спринта

Берёт все задачи спринта и запускает каждую в новой сессии, где её ведёт пара «оркестратор + имплементатор». Контекст не копится между задачами, сильная модель тратится только на суждение.

Инженерные решения

  • Интеграции. Трекер и Вики — через MCP с зафиксированными версиями серверов; GitLab API, Graylog и SSH к стендам — через собственный Python CLI.
  • Секреты вне контекста. Секреты не попадают ни в контекст модели, ни в чат: CLI подставляет их сам, вырезает из ответов и не отправляет на другие хосты. 115 unit-тестов.
  • Human-in-the-loop. Задачи, комментарии, пуш и переходы статусов агент сначала показывает и выполняет только после подтверждения; мерж и прод — только по слову релиз-менеджера.
  • Доводка на боевых задачах. Сквозные прогоны реальных задач через все скиллы; находки превращаются в версии плагина с changelog для команды.
Результат
  • 200+
    задач проведено через агентов
  • 150–200
    задач в месяц вместо 20–25
  • 90%+
    задач проходят QA с первого раза
  • Реализация по ТЗ — без участия человека.
  • Команда впервые системно закрывает техдолг.
  • В том же AI-driven режиме сделан ЛК сотрудников Barcelona Design.
Каждая задача спринта идёт в чистой сессии, код пишет дешёвая модель