Публикации
Практические разборы того, как превращать AI-агентов из помощников в управляемую инженерную систему.
Карта материалов →Карта публикаций и связей между ними.
Организационная и агентская память →18 материалов: виды памяти, модели поведения, уроки агента, процедуры и инструменты.
🔥 С 8 до 188 PR в месяц в финтех-проектеДо агентов — 68 открытых PR за 9 месяцев. С октября — 1 077 открытых и 911 принятых за 12 месяцев.
Выращивание промпта: от разовой задачи к повторяемому процессуСохраните рабочий промпт, улучшайте его по замечаниям и переносите в автоматический запуск.
Можно ли автоматизировать разбор и устранение инцидентов?Пять инцидентов небольшой команды: что сделал агент и где решение осталось за человеком.
Как хранить секреты: .env, direnv, git-crypt и passКак разделить общую конфигурацию, личные доступы и секреты рабочей системы.
Комплекты материалов
Связанные материалы по одной теме с общей навигацией — от объяснения до практики и справочника.
Персональные данные при работе с ИИ
Как подготовить переписку и документы для языковой модели: выбрать инструменты, сохранить смысл и проверить, что уходит наружу.
Как сохранять знания для агента
Текстовый разбор, правило, процедура, граф и исполняемый навык на одном условном примере. Как выбрать форму знания и проверить её применимость.
Память консольных агентов: Hermes, Pi, Codex, Claude Code и OpenCode
Как агенты запоминают опыт, объединяют записи, забывают устаревшее и возвращают нужное в контекст модели.
AI-first Company OS: общий workspace компании
Общий workspace для людей и ИИ: принципы базы знаний, совместная работа через Git и четыре примера структуры Company OS, включая проект разработки.
Чем память агента отличается от знаний
Где пересекаются память и знания и почему сохранённая запись ещё не становится достоверным знанием или действующим правилом.
Агенты пишут быстрее, чем мы успеваем принимать изменения
Почему готовые правки застревают между проверкой и выпуском. Шесть направлений решения — от очереди поверх Git до структурной модели программы.
Как проверить, что память действительно помогает агенту
Парное сравнение одинакового агента с памятью и без неё: перенос опыта, ошибки применения, независимая проверка, время и полная стоимость.
Агентная память: разработка ПО, персональная AI-ОС и AI-ОС компании
Как определить содержимое, области и ответственность памяти для проекта, человека и компании. Подходы OpenViking, Letta, Honcho, Mem0, Zep/Graphiti и LangMem.
Память и поведение агента: что дают модели Анохина и Дубынина
Чем отличаются факты, эпизоды и навыки; как цель направляет выбор действия; зачем сравнивать ожидаемый результат с наблюдаемым.
State, context и memory: как управлять состоянием и памятью LLM-агента
Как сохранять ход задачи, собирать контекст модели и переносить полезный опыт между сессиями. Подходы, инструменты и критерии проверки.
AutoGuide: как агенту вспомнить правило в нужный момент
Как связывать рекомендацию с условиями её применения и находить её во время работы.
Agent Workflow Memory: как сохранить повторяемый способ работы
Как выделить из опыта повторяемую процедуру с параметрами и проверить её перенос.
ReasoningBank: как агент превращает ошибки в правила работы
Как извлекать уроки из успехов и неудач, учитывая ошибки самооценки.
SWE-Exp: как агент переносит опыт исправления ошибок
Как использовать прежнюю диагностику при исправлении новой ошибки в коде.
SkillWeaver: как опыт работы с сайтом становится вызываемым навыком
Как превратить освоенную работу с сайтом в вызываемую и проверяемую функцию.
ACE: как обновлять память агента, сохраняя полезные детали
Как обновлять рабочий справочник небольшими дополнениями и сохранять полезные условия.
ExpeL: как агент переносит опыт между задачами
Как сочетать общие выводы с конкретными примерами прошлых решений.
Reflexion: как ошибка становится подсказкой для следующей попытки
Как текстовый разбор неудачи меняет следующую попытку и где нужна внешняя проверка.
Как организация помнит: разбираем модель Уолша и Унгсона
Разбор модели Organizational Memory: пять носителей опыта, один условный пример и вопросы для проектирования памяти AI-агента.
INVEST: шесть признаков хорошего элемента бэклога
Перевод статьи Википедии о мнемонике Билла Уэйка: независимый, обсуждаемый, ценный, оцениваемый, малый и тестируемый элемент бэклога — и почему автор заменил бы букву E.
Малые партии кода: почему с ИИ-агентами это правило важнее, чем раньше
Что DORA называет малой партией, почему агент тянет её размер вверх и как удержать его: ежедневное слияние, тёмный запуск, переключатели, одна задача — одна партия.
Paperless в привычных папках: виртуальная файловая система поверх документов
Как облегчить переход с бумаги в электронный архив: Paperless хранит и классифицирует документы, а виртуальная файловая система сохраняет привычный доступ через папки.
Агенты и большой код — реестр проблем, методов и инструментов
Карта из 29 проблем по четырём вопросам перед правкой: где реализовано поведение, что затронет изменение, сохраняется ли оно и можно ли выпустить результат. Методы, инструменты и контрольные проверки.
Замер работы команды: четыре промпта для техдиректора
Как собрать помесячные коммиты, слитые PR и оценку часов по каждому разработчику. Готовые промпты и пример трёх таблиц.
PromptCore Arena: битва стратегий, написанных словами
От CROBOTS и Core War к стратегиям словами. Как устроены бои через Codex и почему одного промпта мало. Запись 40 ходов за 30 секунд.
База знаний для ИИ: файлы, векторный поиск и синхронизация
Какие инструменты читают директорию, строят векторный индекс и дают поиск. Синхронизация изменений и удаление файлов.
Как выбрать desktop-агента с управлением компьютером
Двенадцать программ и пятнадцать критериев: доступ из РФ, подписка, свои модели, приложения, браузер и контроль данных.
187 сообщений агенту: два мотоцикла и шесть объявлений
Как агент помог собрать факты и фотографии, пройти три формы и проверить шесть опубликованных объявлений.
🔥 С 8 до 188 PR в месяц в финтех-проекте
До ИИ-агентов — около 8 открытых PR в месяц. Пик после начала работы с агентами — 188 PR в июне 2026 года по всему проекту. Помесячный ряд и границы вывода.
Выращивание промпта: от разовой задачи к повторяемому процессу
Как сохранить промпт вне чата, улучшить его по замечаниям и подготовить похожие задачи к автоматическому запуску.
Можно ли автоматизировать разбор и устранение инцидентов? Опыт небольшой команды
Пять инцидентов AAA показывают, какие шаги можно поручить ИИ-агенту и где нужен человек.
Как хранить секреты: .env, direnv, git-crypt и pass
Как разделить общую конфигурацию, личные доступы, командные и production-секреты — и проверять их без раскрытия значений.
Маленький инструмент, вокруг которого выстраивается весь процесс
Как одна узкая команда превращает выбранную issue в изолированную среду для агента.
Как запускать параллельных coding-агентов и не ловить EADDRINUSE
Как дать каждому агенту стабильный порт для dev server, browser-тестов и preview.
Приёмы работы с агентом
База промпт- и контекст-инжиниринга для программиста: 37 приёмов, как просить агента и что уходит модели на вход, с диагностикой — отметьте, что уже применяете, и увидите пробелы. Рядом разбор сбоев, практикум на вечер, словарь и источники.
Что идёт не так: 17 типовых сбоев промпта и контекста
Семнадцать типовых сбоев промпта и контекста с разбором: что видно со стороны, что происходит на самом деле и что делать.
Промпт и контекст за один вечер: практический вход для программиста
Шесть шагов на своей задаче за один вечер: критерии приёмки, три прогона, воспроизводимый сбой, разбор контекста и вынос устойчивого наружу.
Markdown в терминале: 14 просмотрщиков с Mermaid и без
Реальные снимки 14 программ: как они показывают Markdown и Mermaid, где удобна навигация и что происходит в SSH и мультиплексорах.
Use case — новый исходник программы
Почему в агентной разработке сценарий использования — главный редактируемый документ, а код выводится из него.
От сценария использования (use case) к функциональным требованиям, тестам и бизнес-правилам
Как из сценария получить функциональные требования и тесты и почему бизнес-правила хранят отдельно.
Три файловых менеджера в терминале: Yazi, broot и superfile
Сравните три способа просматривать директории и файлы: соседние панели, дерево и предпросмотр.
Семь команд терминала, чтобы начать работать с ИИ-агентом
Создайте рабочую директорию, запустите уже установленного агента и проверьте созданный файл.
zoxide: как перестать вспоминать пути к проектам
Подключите zoxide в zsh или bash и возвращайтесь в знакомые директории по части имени.
Как научиться делегировать ИИ-агенту
Пять этапов: что агент решает сам, когда обращается к человеку и как отчитывается о результате.
SDLC: как устроены этапы и контрольные точки
Какие работы охватывает жизненный цикл программной системы, что должно получаться на каждом этапе и когда команде нужны контрольные точки.
Что усилить при внедрении агентной разработки
Шесть проверяемых направлений для внедрения агентной разработки.
Памятка себе: как внедрять ИИ-агентов в разработку
Моя памятка о том, как давать ИИ-агентам задачи, проверять результат и понимать, когда решение должен принимать человек.
«Агент» — это кто?
Семь значений одного слова — модель, класс в библиотеке, harness, запуск, роль, цифровой сотрудник — и рабочее определение для проектирования.
Не нанимайте AI-агентов на человеческие должности
Почему не стоит копировать человеческие должности в AI-систему и строить виртуальную команду из аналитиков, разработчиков и тестировщиков.
Серия · 2 части
«Бесконечная» сессия AI-агента — это не бесконечный контекст
Почему для долгой агентной работы нужно сохранять состояние задачи, handoff-контракты и доказательства, а не весь чат.
Почему grep недостаточно AI-агенту: Code Property Graph простыми словами
Как AST, CFG, call graph, data flow и граф зависимостей помогают агенту видеть код как систему связей.