Десять приёмов обвязки кодинг-агента: playbook команды deepsense.ai
Этап AI SDLC: Код → ХарнессКонсалтинговая компания deepsense.ai опубликовала большой разбор практик обвязки кодинг-агента — десяти приёмов, сгруппированных в три слоя: репозиторий как база знаний (короткий AGENTS.md, объяснение «почему» в комментариях коммитов и тестов), подача контекста и инструменты, проверки и обратная связь. Основа — опыт команды, победившей на хакатоне OpenAI Codex со слоем подготовки контекста HyperCode, и внутренние эксперименты с Codex и Claude Code.
Часть выводов идёт против привычных решений. Общий индекс эмбеддингов по живому коду авторы советуют заменять сборкой контекста под конкретную задачу: их HyperCode, который строит граф из связей файлов, решений прошлых сессий и меток, описывающих смысл файлов, ускорял превращение запроса в план изменений более чем наполовину. Навыки должны быть узкими: по данным SkillsBench, один навык даёт +18 процентных пункта, два-три — +19, а четыре и больше — прирост падает до +10,1. Отдельный разбор — почему правила вида «никогда не отправляй изменения без зелёной сборки» ломаются после обновления модели: новая модель исполняет запрет буквально там, где старая применяла здравый смысл. Вместо запрета авторы предлагают описывать желаемый исход, порядок решения и что делать, если не уверен. И приём «агентный сборщик мусора»: та же ошибка дважды или два-три ручных вмешательства человека на одну тему — значит, запись превращается в правило, тест или линтер, а не в ещё одну заметку.
Что с этим делать
- Заведите короткий AGENTS.md с картой модулей, запретными зонами и тем, как проверять результат; обновляйте его вместе с архитектурой.
- Посчитайте, сколько токенов съедает тяжёлое планирование: дешёвая пробная реализация, которая начинается с чистого состояния, часто информативнее длинного плана.
- Внедрите правило «повторившаяся ошибка — тест или линтер»: помехи из сессий агента должны превращаться в проверки в репозитории, а не в заметки.