Если вы всё ещё используете ИИ только для написания кода, вы, скорее всего, работаете где-то в 2022 или 2023 году.
Я не имею в виду, что Cursor или ChatGPT бесполезны. Они явно полезны. Но открыть чат, вставить задачу, сгенерировать функцию и потом её проверить — это очень маленькая часть того, что инженер делает на самом деле.
Большая часть работы — это не написание кода.
Это понять, что клиент действительно просил, найти, что обсуждали в Slack, проверить, отражает ли тикет текущие требования, прочитать старые решения в Notion или Google Docs, посмотреть логи, найти нужный код, проверить существующие PR, понять, кто владеет следующим шагом, и убедиться, что результат вообще можно выкатить.
Если ваш ИИ видит только репозиторий, он знает почти ничего из этого.
Моя схема ближе к тому, чтобы иметь одну точку входа во всё инженерное окружение.
У агента есть доступ к кодовой базе, GitHub, Linear, Slack, Notion, Google Docs, Grafana и логам. Права разделены там, где их нужно разделить, но главное — агент может объединять информацию из всех этих систем.
Поэтому вместо того, чтобы просить написать отдельный кусок кода, я могу дать ему настоящую задачу.
Клиент упомянул проблему на встрече. Агент находит заметки, сравнивает их с текущим тикетом в Linear, просматривает нужные обсуждения в Slack, проверяет логи, отслеживает проблему в кодовой базе и готовит фикс с тестами и PR.
Работу также можно разделить между несколькими агентами. Один изучает логи, другой проверяет продуктовый контекст, третий смотрит код, четвёртый ищет прошлые решения. Им даже не обязательно использовать одну и ту же модель.
Вокруг этого можно строить и свои скиллы и воркфлоу. Например, как расследовать инциденты, как проводить ревью тикетов, какие проверки нужны перед релизом или как готовить документацию.
Со временем это превращается в среду, построенную именно под ваш стиль работы.
И честно говоря, для этого не нужна огромная внутренняя ИИ-платформа. Во многих случаях достаточно интеграций, прав доступа, нескольких переиспользуемых скиллов и готовности автоматизировать то, что вы сейчас делаете вручную, переключаясь между пятнадцатью вкладками.
Разница между этим и простой просьбой к ChatGPT написать код огромная.
Примерно такая же, как между использованием ИИ как автодополнения и использованием его как интерфейса к реальному инженерному контексту компании.