Скепсис вокруг «ИИ для программирования» давно стал мемом: мол, такие инструменты хороши для прототипов или CRUD-скриптов, но на реальных проектах превращаются в фабрику техдолга. Однако свежий опыт команды HumanLayer показывает: проблема не в интеллекте моделей, а в том, как мы управляем контекстом.
🔍 В чём суть контекстной инженерии
ИИ-модели не помнят историю. Каждое обращение к агенту — это функция «контекст → результат». Поэтому главное, что определяет качество работы, — правильная упаковка входа.
Методика, предложенная авторами, получила название частое намеренное уплотнение (Frequent Intentional Compaction). Идея проста:
📑 Исследование — собери минимальный, но релевантный набор данных о проблеме (файлы, связи, тесты).
🛠️ Планирование — зафиксируй шаги и точки проверки, превратив хаос переписки в «спеку».
⚡ Имплементация — двигайся по плану, периодически «сжимая» текущий прогресс в файлы или коммиты.
Таким образом, вместо раздувания контекста огромными логами и JSON-ами мы даём ИИ сжатый, осмысленный срез.
🚀 Практические результаты
Авторы проверили методику на Rust-проекте в 300k LOC. Итог:
- 🐞 фикc багa в незнакомом коде — за 1 час;
- 📦 добавление 35k строк (c WASM и поддержкой отмены операций) — за 7 часов, хотя команда оценивала задачу в 3–5 дней работы senior-инженера;
- ✅ PR-ы прошли ревью и были приняты без «мусора».
Это серьёзно контрастирует с привычной критикой ИИ: «слишком много переделок», «не работает в больших репозиториях».
🧠 Почему это важно
Я вижу здесь три уровня пользы:
🧩 Инженерия процессов — мы перестаём воспринимать LLM как чат-ботов и начинаем строить workflow вокруг контекста. Это уже похоже не на «вайб-кодинг», а на серьёзную инженерную практику.
🕹 Фокус на спеках — смещение внимания с кода на спецификации напоминает переход от ассемблера к языкам высокого уровня. Код всё чаще будет рождаться автоматически, а люди будут работать со «спецификациями намерений».
📈 Продуктивность без потери контроля — рецензировать 200 строк плана гораздо проще, чем 2000 строк PR. Такой подход возвращает команде контроль и снижает «ментальное рассинхронизирование».
⚠️ Ложка дёгтя
Метод не магический:
- плохое исследование ведёт к плохому плану,
- плохой план генерирует плохой код.
Здесь нельзя надеяться на «один универсальный промпт». Нужно встроить человеческий контроль именно в критические точки — исследование и планирование.
💡 Моё мнение
На мой взгляд, контекстная инженерия — это то, что превращает ИИ из «игрушки» в рабочий инструмент для больших систем. Это напоминает историю с DevOps: когда-то CI/CD считался «хакерской забавой», а сегодня без пайплайнов не обходится ни один серьёзный проект.
Вероятно, лет через 2–3 мы будем смотреть на уплотнение контекста и управление агентами так же естественно, как сейчас на git-flow. А компании, которые не освоят эти практики, рискуют «отстать на круг».
🔗 Источник: Advanced Context Engineering for Coding Agents (GitHub)
📺 Дополнительно: Stanford study on AI’s impact on developer productivity, Specs are the new code (Sean Grove)