Собрали 5 приемов от наших инженеров, которые улучшают работу с ИИ-агентами ✍️ — 20 августа 2026 г. в 16:30:35.588
Собрали 5 приемов от наших инженеров, которые улучшают работу с ИИ-агентами ✍️ 1️⃣AGENTS md Это файл в корне репозитория, который агент читает раньше всего остального. Туда стоит выписать то, что новичок в вашей команде узнает в первую неделю: какой командой собирается проект, как поднять локальное окружение, чем прогнать тесты, куда лучше не лезть. А теперь про сам прием: мало один раз написать этот файл, его надо проверить. Попросите агента выполнить оттуда каждую команду по очереди и вычеркнуть те, которые не отработали. Формат придумали в OpenAI летом 2025 года, сейчас он под управлением Linux Foundation и лежит уже в 60 тысячах репозиториев. 2️⃣ Режим планирования Почти у каждого агента есть режим, в котором ему запрещено трогать файлы: он только читает код и пишет план работ. Звучит как лишний шаг, но именно тут вы ловите непонимание задачи на начальном этапе. Прочитать двадцать строк плана можно за минуту, а вот вычитывать четыреста строк неправильных правок по всему проекту вы будете долго. Хитрость же в том, чтобы не оставлять план в чате. Попросите агента сохранить его отдельным файлом в репозитории и разбить на пункты с чекбоксами, которые он будет отмечать по мере выполнения. Дальше вы читаете этот файл как обычную постановку задачи: вычеркиваете лишнее, дописываете ограничения, поправляете формулировки, если агент понял вас не так. И только потом запускаете работу. 3️⃣ Субагенты Все, что агент прочитал, остается висеть в контексте: один поиск по проекту легко выдает под тысячу строк, и они оседают в вашем диалоге. Чем его больше, тем хуже модель держит исходную задачу. Поэтому поисковую работу стоит отдавать субагенту. Он уходит в свою сессию, изменяет там сколько нужно файлов и возвращает выжимку строк на тридцать. Ваш основной диалог остается чистым. 4️⃣ Роутинг задач по моделям Большая модель точнее работает со сложными задачами, но у нее есть ряд минусов: она медленная, дорогая, а на общей инфраструктуре на ее использование стоит очередь из коллег. Поэтому для увеличения эффективности следует разводить задачи по категориям. Архитектура, планирование, разбор незнакомого легаси идут на умную модель, все остальное — переименовать переменные, дописать тест, найти файл по куску кода забирает младшая версия. Продвинутые оркестраторы делают это сами: анализируют формулировку задачи, прикидывают сложность и выбирают модель без вашего участия. Сюда же делегирование по умениям: модель без зрения передает скриншот мультимодальной, забирает описание и работает дальше. 5️⃣ MCP (Model Context Protocol) и права Веса модели застыли на моменте обучения, поэтому про вашу джиру, ваш прод и вчерашний релиз библиотеки она не знает ничего. MCP это общий разъем, через который агент дотягивается до внешних систем: Anthropic открыла протокол в конце 2024 года, а в декабре 2025 передала его Linux Foundation, и теперь в управлении участвуют OpenAI, Google, Microsoft и AWS. Что обычно ставят первым: Context7 подтягивает документацию нужной версии. Playwright открывает браузер и проверяет, что форма отправляется, а не просто отрисовалась. GitHub достает issue и пулл-реквесты, Sentry приносит боевые ошибки. Главное помнить — никакой прием не заменит последнего слова разработчика: код, который уходит в мастер, все равно остается вашим.