AI-разработка на GitVerse
Info
Раздел о том, как работать с AI-агентами в разработке: как подготовить репозиторий, как ставить задачи, чтобы получать предсказуемый результат, и какими средствами расширять возможности агента.
Раздел описывает подход. Инструкции по конкретным функциям платформы — в разделе GigaCode на GitVerse.
Что такое AI-агент
AI-агент — это языковая модель, которой дали инструменты и рабочее окружение с вашим кодом. Модель сама по себе умеет только рассуждать и предлагать текст. Агент, в отличие от нее, действует: читает файлы, изменяет их, выполняет команды и видит результат этих команд.
Из этого следуют три вещи, которые определяют всю работу с ним.
Агенту ставят задачу, а не пишут инструкцию. Формулировка «добавь ручку получения заказа», «почини падающий тест», «перенеси модуль на новую библиотеку» — нормальный вход. Способ решения агент выбирает сам.
Агент работает по кругу и сам себя проверяет. Он ищет и читает файлы, относящиеся к задаче, вносит изменения, запускает сборку или тесты, смотрит на вывод и, если что-то не сошлось, повторяет цикл. Круг заканчивается, когда агент считает задачу выполненной или когда ему нужен ваш ответ: уточнение или разрешение на действие.
Агент не знает того, чего вы ему не дали. Он видит код, ваши сообщения и то, что успел прочитать. Договоренности команды, причины прошлых решений, требования, которые обсуждались устно, для него не существуют. Все, чего он не знает и о чем не спросил, он додумает — и продолжит работу так, будто это факт. Это главный источник неудачных результатов.
Для каких задач это работает
Хорошо получается там, где задачу можно описать словами, а результат — проверить машинно:
- понятная доработка в существующем коде, где неясен объем правок, но ясен результат;
- разбор незнакомого места в репозитории и ответ на вопрос, как оно устроено;
- механическая, но объемная работа: миграция на новую библиотеку, единообразные правки по всему проекту, обновление зависимостей;
- тесты и документация к уже написанному коду;
- диагностика: воспроизвести падение, найти причину, предложить исправление.
Хуже получается там, где нет ни явных критериев, ни способа проверить результат: продуктовые решения, выбор архитектуры при противоречивых требованиях, работа со скрытыми договоренностями команды. Такие задачи стоит сначала довести до состояния, в котором понятно, что считается верным ответом.
Из чего складывается результат
- Контекст — что агент знает: инструкции репозитория, файлы, которые он прочитал, история диалога.
- Инструменты — что агент может сделать: читать и изменять файлы, выполнять команды, обращаться к внешним системам.
- Проверка — как вы и сам агент убеждаетесь, что задача выполнена: тесты, сборка, явные критерии приемки.
Если результат не устраивает, причина почти всегда в одном из трех пунктов, а не в формулировке запроса. Поэтому раздел построен вокруг них: сначала контекст репозитория, затем порядок работы над задачей, затем средства расширить возможности агента.
С чего начать
- Пройдите сценарий Первая задача: он занимает около получаса и сразу дает репозиторию файл инструкций.
- Освойте рабочий цикл: контекст → уточнение → исследование → план → выполнение — см. Цикл работы с агентом.
- Когда появятся повторяющиеся процедуры, вынесите их в навыки, а отдельные роли со своими правами — в своих агентов.
Разделы
- Первая задача — пошаговый сценарий для тех, кто еще не работал с агентом.
- Подготовка репозитория — файл
AGENTS.md, команда/init, что писать в инструкциях, а что нет. - Цикл работы с агентом — пять шагов и проверки перехода между ними, чтобы агент не додумывал за вас.
- Контекст — контекстное окно, сжатие диалога и приемы работы с длинными задачами.
- Инструменты и MCP — что агент делает сам, как подтверждаются действия и как подключить внешние источники данных.
- Навыки — процедуры, которые агент подключает по мере необходимости.
- Агенты и субагенты — роли со своими правами и изоляция контекста.
Что дальше
- Попробуйте подход в сессиях — диалоге с агентом в облачном окружении с вашим репозиторием.
- Поручите типовую задачу GigaCode-разработчику.
- Соберите собственный сценарий в CI/CD — AI workflow-сценарии.