У меня 7 AI-агентов. Каждый знает свою роль, помнит прошлые задачи и работает в команде с другими. Вот как это устроено — не теория, а конкретная структура из живого проекта.
---
Начну с главного заблуждения. Агент — это не промт в ChatGPT. «Ты — опытный программист, помоги мне с кодом» — это не агент. Это просто инструкция для одного разговора.
Агент — это участник процесса с ролью, памятью и правилами. Разница в том, что агент помнит контекст между сессиями, знает о проекте больше чем вы написали в этом сообщении, и работает по правилам которые вы установили один раз.
---
▶ Шаг 1. Определите роль — одну конкретную задачу
Не «AI-помощник для всего». Конкретная специализация.
Мои агенты:
• Макс — пишет код. Только код, только Python, только с тестами.
• Гриша — проверяет код. Блокирует всё что не соответствует стандартам.
• Ольга — редактирует тексты. Размечает предложения, оценивает fidelity.
• Маша — создаёт промты для контента. Читает историю постов, следит за нарративом.
• Александр — пишет техническое задание до того как Макс берётся за код.
Чем уже роль — тем точнее и надёжнее агент. Агент который «помогает со всем» не делает ничего хорошо.
---
▶ Шаг 2. Напишите CLAUDE.md — рабочую инструкцию
Это файл который агент читает при каждом запуске. Здесь его роль, правила, входные данные, ожидаемый результат, что нельзя делать.
Структура которая работает:
Кто ты: [одна фраза о роли]
Что ты делаешь: [конкретные задачи]
Правила: [что обязательно, что запрещено]
Входные данные: [откуда берёт задачи]
Результат: [куда и в каком формате отдаёт]
Что не трогать: [явные ограничения]
Пример из реального CLAUDE.md Гриши (упрощённо):
Ты — Гриша, агент-ревьюер кода.
Проверяешь каждый PR от Макса по чеклисту.
Блокируешь если: нет тестов, константы не в config.py, нет FSD от Александра.
Не пишешь код сам. Не вносишь правки. Только проверяешь и выносишь вердикт.
Этот файл — память агента о себе. Без него каждый запуск начинается с нуля.
---
▶ Шаг 3. Дайте агенту память о проекте
Два типа памяти:
knowledge_base/ — документы которые агент читает чтобы понять контекст. Архитектура системы, соглашения по коду, история решений. Это не меняется часто — это фундамент.
experience/ — наблюдения которые агент записывает сам после каждой задачи. Что сработало, что не сработало, какие паттерны заметил. Маша после каждого промта пишет в experience/YYYY-MM-DD_тема.md.
Это самообучение. Агент от сессии к сессии становится точнее потому что помнит что уже пробовал.
---
▶ Шаг 4. Встройте агента в пайплайн
Агент не работает в одиночку — он часть цепочки.
Как выглядит цепочка в моём проекте:
Задача → Александр пишет FSD (техзадание) → Макс пишет код → Гриша проверяет → если ОК, уходит в прод → если нет, Макс переделывает.
Каждый агент получает результат предыдущего как входные данные. Макс не берётся за задачу без FSD от Александра — это правило в его CLAUDE.md. Гриша не принимает код без тестов — это правило в его CLAUDE.md.
Пайплайн — это то что превращает набор агентов в команду.
---
▶ Шаг 5. Итерируйте — первая версия никогда не финальная
Первый CLAUDE.md Макса был на 10 строк. Сейчас — на несколько десятков. Каждый раз когда агент делал что-то неправильно, я добавлял правило.
Гриша появился не сразу — только когда я увидел что Макс накапливает технический долг. Александр появился когда понял что Макс пишет код без архитектурного понимания задачи.
Команда агентов строится итерационно. Начните с одного. Добавляйте следующего когда поймёте где первый ошибается.
---
Если одна мысль из этого текста — то вот она: агент — это не волшебная кнопка. Это инструмент который работает ровно настолько хорошо, насколько точно вы описали ему роль и правила. Потратить час на CLAUDE.md окупается неделями стабильной работы.
#AIагент #ClaudeCode #автоматизация #нейросеть #AIразработка