На днях столкнулся с проблемой при разработке своего пет-проекта: Claude с невозмутимым лицом 🤖 добавил в коммит изменения, полностью ломающие бизнес-логику приложения. Оригинальный код был написан задолго до этого и, по сути, не требовал правок. Однако в процессе оптимизации он попал под раздачу. Проблему удалось обнаружить только после нескольких следующих изменений, когда я собирал и тестировал пользовательскую документацию. К счастью, я использую систему контроля версий. Нашёл исходный коммит и дал агенту задачу всё перепроверить и вернуть как было. После недолгих ~vibings~ Claude признал ошибку и откатил изменения. Собственно, к чему это всё. Пайплайн работы с AI-агентом не так уж отличается от пайплайна работы с людьми 🤓. Рассматривайте агента как полноценного участника команды и применяйте те же инструменты для организации процесса. Прилагаю must-have рекомендации для любого проекта. Без воды. Чётко и по делу, как вы любите) 👉 Система контроля версий (Git или другие). Глядя на пример выше, становится понятно, что без него никуда. Память штука коварная, а память агента - еще и здорово галлюцинирующая. Применяйте стандартный подход, разделяя фичи по веткам, делая небольшие, понятные коммиты. 👉 Чёткая постановка задач: подробное описание условий, ограничений, ссылки на конкретные файлы и функции. 👉 Вспомогательные файлы с описанием архитектуры, зависимостей и окружения (например, CLAUDE.md, README.md). Обновляйте их после значимых изменений. В моём случае Claude регулярно думал, что работает на Linux, и тратил токены на попытки выполнять Linux-команды. После явного указания в .md, что проект разрабатывается на Windows, проблема исчезла. 👉 Перед коммитом просите агента описать внесённые изменения. Особенно если в процессе реализации было много правок. Иначе, может просочиться что-то, что вы изначально не согласовали в режиме планирования. 👉 Используйте агентов по ролям. Например, можно попросить Claude перейти в режим QA-инженера: проверить изменения и составить список кейсов для ручного тестирования. 👉 Навыки (Skills) Навыки — это дополнительные модули, которые позволяют не тратить время и токены на постоянное погружение модели в контекст повторяющихся задач. Они делают поведение агента более консистентным между сессиями. У Claude это называется Claude Skills. OpenAI разрабатывают похожую систему с рабочим названием Hazelnuts. У Anthropic есть подробный гайд по навыкам на 33 страницы: https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en Если не собираетесь читать, 🥱 то рекомендую хотя бы попросить вашу любимую модель сделать выжимку. #ИИ #инди_разработка Подпишись 👉 Input / Вывод