Поддержка AI-кода: шесть вопросов вместо переписывания

Что в ролике
Если вы уже поручаете агентам писать код, но объём изменений превысил то, что можно просмотреть вручную, этот доклад Дмитрия Буйкина из Maersk описывает третий путь вместо «утонуть в хаосе» или «снести и переписать». В его проекте агенты генерируют и сопровождают около 10 000 сценариев инструкций в 110 странах, поэтому он вводит шесть вопросов-камней: время, пространство, реальность, знание, полномочия и цена суждения. Чтобы не читать каждое изменение, он строит системы-фильтры: леджер фиксирует принятые и отклонённые исходы, walk превращается в workflow-код только если повторяется, а контекст модели сужается до трёх фактов заказа, чтобы модель не выдумывала проверки цен. Контроль реализован дважды — при разработке и в рантайме, где код открывает путь для записи, а журнал гарантирует однократное выполнение и повтор при сбое. Для проверки он использует replay на реальных задачах, намеренно ломает новые проверки до доверия и запрещает агенту судить собственную работу — второй агент с чек-листом выполняет большую часть проверок. Вместо разового удаления половины кода он каждую неделю запускает цикл: реальное использование решает, что остаётся, а всё, до чего не доходят реальные задачи, получает имя и доказательства перед удалением. В конце он приводит 18 вопросов, по три на каждый камень, и советует выбрать тот, на который ваш репозиторий пока не отвечает.
Практика
- Что получишь
- Понимание, как выстроить контроль и проверку качества в проекте с AI-агентами без чтения каждого изменения, плюс конкретные приёмы: леджер исходов, сужение контекста, replay на реальных задачах и второй агент-проверяющий.
- Первый шаг
- Взять список из 18 вопросов из доклада, выбрать тот вопрос, на который ваш репозиторий пока не может ответить, и начать разбираться с него.
- Цифры
- —110 — столько стран охватывает система, в которой работает описанный подход
- —10 000 — примерно столько сценариев prose-инструкций сопровождают агенты в проекте
- —менее 1% — на столько сессий сработала бы новая проверка при перепрогоне нескольких тысяч прошлых сессий, поэтому её не стали добавлять сразу
- —четверть — только такая доля пунктов бэклога реально закрывалась, хотя в леджере бэклог выглядел покрытым
- Честно
- Промо нет — это внутренний доклад Maersk, но готового кода, полного списка 18 вопросов и конкретных формул метрик в транскрипте нет, они показаны на слайдах, так что придётся останавливать запись. Для повторения придётся самостоятельно адаптировать леджер и replay-проверки под свой проект, готовых шаблонов не дают.
Если слова незнакомы — 5 терминов
- агентпрограмма, которая сама пишет или правит код по инструкциям
- леджержурнал, куда записываются исходы задач и изменения в системе
- walkпуть, который агент проходит по инструкциям во время выполнения задачи
- контекстданные, которые модель видит при принятии решения
- replayповторный прогон сохранённых реальных задач на новой версии для сравнения
Формат: разбор · для продвинутых · уверенность разметки 0.85 · источник