Робота з агентами
Огляд принципів роботи з AI-агентами: переваги, недоліки, розподіл ролей у SDLC та вибір моделей
📎ОФІЦІЙНА ДОКУМЕНТАЦІЯ
Робота з агентами
AI-агент -- це автономна система, що використовує LLM для прийняття рішень та виконання дій за допомогою зовнішніх інструментів для досягнення поставленої мети.
Основні принципи
- Ефективність використання AI-агентів залежить не стільки від навичок розробника, скільки від уміння правильно ставити задачі
- Успіх у роботі з AI-агентами приходить лише з практикою
- Попередній аналіз задачі є ключовим елементом
- AI-агенти зміщують фокус роботи у бік проєктування, управління та ревью
Вибір моделей
Не існує однієї "найкращої" моделі для всього. Рекомендація -- використовувати різні моделі для різних потреб:
| Потреба | Рекомендовані моделі |
|---|---|
| Кодинг | Моделі, оптимізовані для коду (Sonnet, Codex, Coder) |
| Планування | Потужні reasoning-моделі (GPT, Gemini, Opus) |
Використання найпотужнішої моделі для всіх задач -- дорого та повільно. Обирайте модель під конкретну задачу.
Переваги AI-агентів
- При належному підході прискорює розробку та процеси
- Швидкі та наочні прототипи
- Робота над кількома задачами або проєктами паралельно
- Швидка перевірка гіпотез та тестування різних варіантів рішень
- Виконання задач іншого рівня та стеку
- Робить те, на що раніше не було часу (інструменти, парсери, тести тощо)
- Пише boilerplate-код, тести, документацію
- Допомагає вивчати кодову базу, звіти та помилки
- Допомагає брейнштормити ідеї та планувати роботу
- Проводить ревью, знаходить проблеми, помилки, друкарські помилки, невідповідності
Недоліки
- При відсутності структурного підходу швидко нарощує технічний борг та "ламає" код
- Без належних обмежень тяжіє до over-engineering та "enterprise"-паттернів
- Поганий зв'язок з редактором рушія та суто візуальними інструментами
- Заважає молодшим спеціалістам зростати та розвиватися технічно
- Питання конфіденційності, безпеки та вартості
Фундамент для ефективної роботи
Plan and Act, TDD, SDD та інші методології
Мистецтво управління контекстом агента
Довгострокова пам'ять проєкту
Організація коду для ефективної роботи з AI
Типи зворотного зв'язку та рівні автономності
7-етапний цикл виконання задач
Розподіл ролей у SDLC
| Етап SDLC | Задачі AI-агента | Задачі інженера |
|---|---|---|
| Plan | Читання та аналіз специфікацій, визначення залежностей, підсвічування прихованих проблем | Перевірка точності оцінок AI, призначення story points, управління напрямком продукту |
| Design | Генерація шаблонного коду, переведення макетів у UI-компоненти | Перевірка відповідності стандартам, затвердження UX-паттернів |
| Build | Створення фіч за специфікацією, генерація моделей та API, виправлення помилок збірки | Роль ревьюера, фокус на складній бізнес-логіці та безпеці |
| Test | Пропонування тест-кейсів, написання тестів, актуалізація старих тестів | Контроль якості тестів, управління вимогами до покриття |
| Review | Глибокий аналіз логіки, виявлення складних багів | Прийняття рішення про злиття, перевірка архітектурної відповідності |
| Document | Генерація діаграм, створення підсумків, автооновлення документації | Формування структури та стандартів |
| Deploy | Аналіз логів, зв'язування помилок з комітами, пропонування hotfix | Валідація причин збоїв, прийняття рішень у критичних ситуаціях |
Vibe Coding
Vibe coding -- це пряма генерація коду повністю через AI без суворого інженерного підходу.
Вдалі сценарії: Швидке прототипування, одноразові скрипти, навчання, шаблонний код.
Невдалі сценарії: Складне корпоративне ПЗ, довгострокова підтримка, критично важливі алгоритми, пояснюваність та зрозумілість.
Варіанти взаємодії
- IDE та плагіни -- підходять для "ручної" розробки, роботи зі складною логікою та зневадження
- CLI -- підходить для всього; можна запустити де завгодно, включаючи віддалені сервери та CI-оточення
- Хмарні агенти -- для асинхронного виконання рутинних задач та паралельної роботи
- Фонові агенти -- для безперервної фонової автоматизації, складних DevOps-пайплайнів, моніторингу