17 октября 2026 г.
Артефакты к моему докладу От контекст-инженера к оркестратору агентов: как выжать максимум из агентного SDL...

Артефакты к моему докладу От контекст-инженера к оркестратору агентов: как выжать максимум из агентного SDLC и не переплатить на HardFest
1. Patterns and problems in emerging multiagent systems от Anthropic
Всё как у людей:
* Добавление субагентов может вредить (порождается куча конфликтующих пулл-реквестов, ничего не мерджится)
* Агенты могут устраивать битву правок и целенаправленно мешать друг другу
* Сильные модели понимают, что взаимодействие ухудщает ситуацию и окукливаются внутри отдельных фич или областей
2. Пост Роберта Мартина (Uncle Bob) о том, что его собственный харнес с кучей правил и проверок работает хуже, чем сильная модель из коробки
3. Исследование Stencil, показавшее, что планирование на сильной модели с последующей генерацией кода с помощью дешевой обходится дороже и работает медленнее, чем планирование + генерация на одной дорогой.
4. Исследование от Cursor с прямо противоположным выводом
Я в докладе объясняю, почему все эти взаимоисключающие параграфы вовсе не противоречат друг другу:
Они исследуют две разные ситуации. Stencil использовали бенчмарк SWE-Bench Pro, где задачи связаны с исправлением ошибок в существующих кодовых базах. И в таких сценариях дорогая модель сначала исследует репозиторий, чтобы понять, что делать, и составляет план для дешевой. А дешевой, чтобы выполнить этот план, снова приходится потратить много токенов и времени на изучение исходников, чтобы эти изменения применить.
Cursor же использует сильную модель для декомпозиции огромной инженерной задачи на атомарные подзадачи, так, чтобы дешевые субагенты занимались только своей локальной областью и не лезли в соседний код.
5. Мое наблюдение о том, что следование принципам spec-driven development в чистом виде (например, в реализации OpenSpec) плохо работает на практике — люди не пишут спеки самостоятельно, а вычитывают полотная галлюцинаций от модели, хотя это совершенно не гарантирует, что все важные аспекты будут отражены в итоговой спецификации.
Так какой вывод?
1. Регулярно экспериментировать со всеми частями пайплайна (менять модели, доступный агентам контекст, состав и структуру агентов и так далее).
Для этого придется максимально обложить систему метриками качества, скорости и стоимости. Сохранять данные обо всех запусках и собирать на основе этих данных корзинки эвалов и регулярно сравнивать результаты (в том числе с помощью LLM-as-a-judge и даже вручную).
2. Вместо чтения сгенерированной моделью спеки использовать скиллы вроде grill-with-docs — тогда спека становится уже результатом фиксации принятых решений, неочевидных для модели, а не перечислением капитанских фактов с белыми пятнами.
Приходите обсудить доклад в комментариях!