TGViewer
Онто. Онто. @ontonet · 335 subscribers
Post #421 215
Кажется, я наконец начал понимать, почему большая часть разговоров про «агентную разработку» выглядит странно.

Проблема не в том, что LLM плохо пишет код.
Проблема в том, что изменение почти никогда не живёт только в коде.

Роли, цели, мотивы, API, состояния, сценарии, тесты, зависимости — всё это обычно размазано по чатам, задачам, голове аналитика и случайным документам.

В новой статье рассказываю, как я перестроил проектирование изменений через:

— чат с агентом бизнес-аналитиком;
— графовую модель изменений;
— MCP-доступ к модели;
— агентский бутстрап;
— формализованный техпроцесс.

На примере фичи агентской памяти показываю, как User Story превращается в граф ролей, целей, мотивов, API и зависимостей, а агент перестаёт быть «чатиком сбоку» и становится частью инженерного процесса.

Главная мысль простая:

Инженерное знание должно работать как код.

Статья:
https://ontonet.ru/learning/tpost/r8dlesip81-inzhenernoe-znanie-kak-kod-zachem-ya-svy
  • 🔥 5
  • 👍 1
More from @ontonet
  1. Oct 11, 2026Основной saas пока не работает по не зависящим от нас причинам. все бэкапы есть, весь прош…
  2. Oct 10, 2026Я тут почитал CNews: программист в одиночку сделал долговременную память для AI-агентов, а…
  3. Oct 10, 2026Готовимся со Стасом Карамушко к курсу «AI: верить нельзя проверить» и обнаружили простой п…
  4. Oct 9, 2026Зачем искать, если можно не искать? Прочитал статью про гибридный поиск в YDB. Там решают…
  5. Oct 8, 2026Ещё одно место осталось.
  6. Oct 8, 2026В Онто сейчас в работе ещё одна новая возможность — слияние объектов. После неё мы меняем…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →