01
Добавить визуальное объяснение в ревью агента
Навык show-me строит короткие диаграммы, псевдокод или HTML, чтобы объяснить diff и связи в коде.
Почему важно: в ревью быстрее видно, где агент затронул границу модуля или изменил поток данных.
Как применить
- Установить npx skills add humanlayer/skills --skill show-me.
- На одном реальном diff попросить схему потока и псевдокод изменённой ветки.
- Проверить: стало ли проще найти ошибку до замечаний в PR.
Риск Пост рекомендует инструмент, но не даёт независимого сравнения качества схем.
Источник: Тимур Хахалев про AI Coding, 3 сен, 2026-08-31_2026-09-07_the_ai_architect.json, id=422 · media: none
02
Считать бюджет на весь запуск агента
TokenOps предлагает вести единый run_id через model и tool calls, хранить ledger расходов и включать политику сначала в preview-режиме.
Почему важно: лимит на один запрос не показывает стоимость цепочки с RAG, ретраями и инструментами.
Как применить
- Провести run_id через вызовы модели и инструментов одного сценария.
- Собрать ledger и добавить preview-лимит на число RAG chunks.
- Проверить: cost per accepted task до и после политики.
Риск Цифра 78,9% в посте относится к PoC без независимой репликации.
Источник: Книжный куб, 5 сен, 2026-08-31_2026-09-07_book_cube.json, id=4921 · media: none
03
Держать короткую spec рядом с кодом
Разбор опыта Microsoft Digital связывает быстрый AI-код с узкими живыми спецификациями, которые меняются вместе с продуктом.
Почему важно: агент получает цель, крайние случаи и критерии приёмки до генерации, а команда меньше переделывает результат.
Как применить
- Для следующей задачи положить в репозиторий компактную spec: цель, сценарии, edge cases, acceptance criteria.
- Дать агенту ссылку на spec в задаче и связать изменения с ней.
- Проверить: lead time до принятого результата и число кругов переделки.
Риск В самом разборе нет замеров до и после или контрольной группы.
Источник: Книжный куб, 4 сен, 2026-08-31_2026-09-07_book_cube.json, id=4908 · media: none
04
Сначала проверить знания компании через eval
Для внутреннего знания пост предлагает выбрать частую заметную задачу, собрать реальные сбои и исправления экспертов, затем провести held-out eval с grader.
Почему важно: так видно, исчерпаны ли prompt, context и tools до дорогого post-training.
Как применить
- Выбрать один повторяемый сценарий с известной ценой ошибки.
- Собрать реальные промахи и исправления, отделив набор проверки.
- Проверить: проходит ли grader без дообучения после изменения контекста и инструментов.
Риск Качество вывода зависит от репрезентативности собранных ошибок и grader.
Источник: Книжный куб, 4 сен, 2026-08-31_2026-09-07_book_cube.json, id=4906 · media: none
05
Упростить модуль, прежде чем отдавать его агенту
Автор связывает предсказуемый код агента с едиными именами, границами слоёв, типовыми решениями и контекстом в glossary и ADR.
Почему важно: меньше локальных исключений — меньше ложных аналогий в предложенном агентом PR.
Как применить
- Взять один доменный модуль и выровнять имена и границы слоёв.
- Заменить один самописный заменитель типовым решением, дополнить glossary или ADR.
- Проверить: число исправлений и предсказуемость PR агента на трёх похожих задачах.
Риск Это личный опыт автора: активный рефакторинг занял больше года.
Источник: Организованное программирование, 1 сен, 2026-08-31_2026-09-07_orgprog.json, id=509 · media: none
06
Зафиксировать окружение для человека и агента в mise
mise позволяет описать языки, CLI и bootstrap-пакеты в mise.toml, чтобы проект запускался с одним набором инструментов.
Почему важно: агент и разработчик перестают расходиться по версиям CLI и локальным зависимостям.
Как применить
- Вынести нужные языки, CLI и bootstrap-пакеты в mise.toml.
- На чистой среде или CI запустить mise upgrade.
- Проверить: проект и агент получили одинаковые версии без ручной настройки.
Риск Это личный кейс; сначала убедитесь, что mise вписывается в существующий менеджер окружения.
Источник: Организованное программирование, 1 сен, 2026-08-31_2026-09-07_orgprog.json, id=510 · media: none