Отказ от Pull Requests при работе с ИИ-агентами: новый подход к разработке кода

Современные инструменты автоматизации и ИИ-агенты меняют привычные подходы к созданию программного обеспечения. В практике независимых разработчиков всё чаще возникает ситуация, когда ручное написание кода уступает место спецификациям, а традиционные рабочие процессы претерпевают кардинальную трансформацию.

Внедрение автономных помощников позволяет переосмыслить рутинные операции, отказаться от классической процедуры рассмотрения изменений и сосредоточиться на управлении архитектурой проектов. Агенты пишут код, а разработчики берут на себя роли архитекторов и контролеров.

Эволюция автоматизации: от конвейеров к ручному запуску

Первоначальные эксперименты по выстраиванию сложных цепочек на инфраструктуре GitHub включали подключение вебхуков и запуск контейнеров по пользовательским тикетам. Созданные автоматизированные системы позволяли публиковать страницы или обрабатывать запросы через специализированные профили с разными стартовыми промптами. Позднее применялись приложения для организации сложных цепочек с ветвлением и анализом комментариев.

Однако финансовые и временные затраты на содержание подобной инфраструктуры оказались слишком высокими. Обработка простых задач могла занимать значительную часть лимитов моделей, а поступающие события генерировали избыточный трафик. Прямой запуск агентов выполнял аналогичную работу значительно быстрее и экономичнее. По этой причине сложная неконтролируемая автоматизация была заменена на ручной запуск или выполнение задач по расписанию на этапе исследования инструментов.

Организация серверной среды для ИИ-агентов

Архитектура модульного монолита, привычная по работе с популярными веб-платформами и фреймворками, оказалась оптимальной базой для взаимодействия с нейросетями. Платформа разбита на независимые npm-пакеты с четкими зависимостями и связыванием через внедрение зависимостей. Текущие масштабные проекты насчитывают десятки пакетов, включая общие модули и плагины.

На выделенном сервере хранятся репозитории с исходным кодом и когнитивными контекстами. Агенты функционируют в общем файловом пространстве, способны параллельно изменять изолированные пакеты или работать с несколькими компонентами одновременно. В их распоряжении находятся инструменты для клонирования репозиториев, работы с пакетными менеджерами и развертывания.

Кроме того, ИИ-агенты могут самостоятельно разворачивать базы данных различных типов, поднимать веб-приложения, отправлять HTTP-запросы и запускать интеграционные тесты для проверки работоспособности. Наличие механизма внедрения зависимостей позволяет подменять окружение на разных уровнях. Именно автономность проверки снимает необходимость в отдельной процедуре сведения кода.

Разделение труда: спецификации и контроль

Взаимодействие с ИИ выстраивается по схеме: предварительная подготовка спецификаций, автоматическая генерация кода агентами и финальная проверка результата. Такой подход опирается на методологию разделения когнитивного контекста и исходников. Публичные открытые репозитории сочетаются с приватными спецификациями, определяющими вектор развития.

Главным узким местом системы становится человек, поскольку скорость генерации изменений агентами превышает возможности ручного анализа каждого фрагмента. В этих условиях меняется фокус внимания: вместо проверки каждой строки разработчик оценивает общую суть решаемой задачи и соответствие итогового результата ожиданиям. Программист выполняет роль настройщика инструментов, а не посредника между запросом и реализацией.

Ценность описания проблем вместо готовых патчей

В процессе разработки масштабных экосистем регулярно выявляются архитектурные недоработки базовых библиотек. Для их устранения используются профильные тикеты, в которых описывается воспроизведение ошибки, логика возникновения проблемы и критерии проверки. Постановку задач и их решение выполняют сами агенты.

Получение детального описания проблемы оказывается более ценным, чем готовый сторонний патч. В условиях низкой стоимости генерации кода накладные расходы на понимание чужой реализации остаются высокими. В перспективе это способно изменить культуру Open Source, где главным вкладом участников станет не написанный код, а способность обнаружить и воспроизвести проблему.

Ответственность за конечный результат

Вопрос поддержки программного обеспечения напрямую связан с ответственностью за принятые изменения. При классическом подходе исправления от сторонних авторов ложатся на плечи мейнтейнера. Когда код создается агентами под управлением разработчика, граница ответственности становится прозрачной: алгоритмы пишут код, а человек принимает решение о публикации релиза и отвечает перед конечными пользователями.