Перейти к содержанию

Как за неделю переделать продукт, который устарел сразу после релиза

Опубликовано  · Обновлено  · Игорь Ткаченко

Сгенерированная ИИ иллюстрация: Игорь и три совы-инженера в мастерской, где кипит работа; у одной совы в углу комично закоротило проводку

После года работы моя OwlMeans Platform совсем устарела. Я понял это сразу после релиза и тестов с реальными пользователями. Они не заметили, а я заметил. Вообще-то я знал об этом ещё в конце весны. Теперь мне надо понять, почему я оставил всё как есть и что делать дальше.

Я мог отложить релиз и сначала заменить движок. Но выпускать уже было что, а старую реализацию можно оставить доступной на время переделки. Хочу переработать ядро примерно за неделю. Осталось понять, какую его часть действительно нужно менять.

OwlMeans по-прежнему проводит одну пользовательскую историю через заранее заданный процесс проектирования и реализации. Связанные функции обрабатываются в отдельных запусках, даже когда опираются на одни и те же решения. В предлагаемом варианте сохранятся зависимости и механизмы восстановления, но внутри каждой фазы агенты смогут свободнее изучать задачу и код.

Если удобнее смотреть, чем читать, начни с этого видео. В видео об Uroboros я разбираю первоначальный проект: границы приложений, требования к совместимости и переход к гибридному выполнению.

My AI platform was outdated at launch. Here is what I am changing | Uroboros.

Истории и выполнение

Пользовательская история описывает, что нужно человеку. Но описанный в ней объём работы не обязательно удобно выполнять за один запуск агента.

Возьмём статус заказа. Покупатель его видит, оператор меняет. У двух обычных историй общие состояния, правила доступа и контракты API. Если обрабатывать их в отдельных запусках, движку придётся дважды восстанавливать немалую часть одних и тех же знаний. Карточки маленькие, но само приложение от этого меньше не становится.

Я использовал небольшие истории, чтобы задачи помещались в контекст, с которым можно продуктивно работать. Заодно было видно, как продвигается работа. После сбоя запуск можно было продолжить, не начиная весь проект заново. Разумный компромисс, но он привязал описание функции к тому, как движок выполняет работу.

Позже я начал экспериментировать: объединять связанные задачи вокруг подсистемы. Так можно сначала продумать общее поведение, а потом делать отдельные функции, которые на него опираются. Я хочу сохранить в историях описания и критерии приёмки, а связанные истории обрабатывать за один запуск.

Большие контекстные окна дают этому эксперименту больше простора. Сами по себе они давно не новость: Google объявила об ограниченном доступе к предварительной версии Gemini 1.5 с окном в миллион токенов ещё в феврале 2024 года. Но одного большого окна недостаточно, чтобы отобрать нужный код и обнаружить зависимость, спрятанную в другом пакете.

В работе Lost in the Middle Лю и его коллеги показали, что успешность поиска информации зависела от того, где она находилась в контексте. Их исследование 2024 года охватывало конкретные модели. Для нынешнего движка полезнее проверить, находит ли он нужный для изменения код и использует ли его.

Что оставить конвейеру

Прежде чем разрабатывать историю, движок создаёт StoryDesign. В нём хранятся экраны, компоненты, взаимодействия, данные и требования к среде выполнения. На этапе реализации движок читает сохранённый проект и пишет приложение. Этот артефакт можно проверить, поправить и продолжить с него работу.

Некоторые шаги проектирования идут параллельно. Другим приходится ждать: сначала при компоновке определяется место компонента. Только потом его путь можно использовать при проработке UX и данных. На этапе реализации двадцать именованных шагов. Среди них — типы, ресурсы, доменная логика, эндпоинты, воркеры, хранилища, представления, правила доступа и навигация.

Эти зависимости определяют порядок работы. Обработчику нужно объявление операции, которую он ставит в очередь. Правилам доступа нужен эндпоинт, который они будут защищать, а навигации — экраны, на которые она будет вести. Этот порядок можно обеспечить кодом, не заставляя модель заново определять его при каждом запуске.

После каждого завершённого шага проектирования сохраняется ревизия. Если процесс упадёт, следующий прочитает проект и продолжит работу. Метка «готово», за которой нет сохранённого результата, была бы довольно оптимистичным механизмом восстановления.

Эту механику я намерен сохранить. Конвейер задаёт порядок выполнения и зависимости. На его шагах уже вызываются модели, которые генерируют содержимое и пробуют исправить ошибки. Конвейер определяет, когда делать эти вызовы и что должно существовать до начала следующего шага.

Сложные решения агент принимает внутри шага: какие файлы изучить, достаточно ли уже контекста и нужно ли вслед за этим компонентом менять другой. Всё зависит от того, что агент обнаружит в ходе работы.

В статье Building effective agents, опубликованной в декабре 2024 года, Anthropic разграничивает заранее заданные рабочие процессы и системы, в которых модель сама выбирает следующее действие. В гибридной схеме можно сохранить известные зависимости, а там, где путь заранее неизвестен, дать агенту возможность изучить задачу. Нужно определить, какие решения поручить агенту внутри этих границ.

Агенты снаружи и внутри

В консоли режима свободного полёта агент уже работает поверх управляемых конвейеров. Он может изучать файлы и пользоваться инструментами для работы с кодом. Если хост предоставляет шлюз, агент также может спроектировать историю, прочитать или изменить её проект, реализовать историю и продолжить прерванный запуск. Без шлюза инструменты нижнего уровня остаются доступны.

Вызов конвейера не даёт агенту права менять внутри него всё подряд. Правки в проекте могут изменить поведение компонента. Но путь или псевдоним, выделенный реестром, остаётся прежним: другие части приложения уже используют это имя.

Фатальные состояния тоже нужно отличать от обычных ошибок. Если баланс исчерпан, цикл должен полностью остановиться. Если вернуть это как обычную ошибку инструмента, модель может попробовать другую операцию и снова потратить средства. Здесь услужливость только вредит.

Я хочу выстроить и обратную схему: цикл агента внутри фазы управляемого конвейера. Предлагаемые фазы — подготовка, серверная часть, веб-часть, соединение и проверка. Внутри фазы единица работы содержит проект, приложение, записи в реестре и контракты.

В этой схеме агент читает нужный код, вносит изменение, запускает проверку и исправляет то, что сломалось. Если при попытке обнаружится недостающая зависимость, он сможет разобраться с ней, прежде чем пробовать снова. Внешнему конвейеру уже не понадобится отдельный шаг для каждой новой проблемы, которую можно решить внутри фазы.

Для этого нужны инструменты, которые безопасно вызывать повторно, и проверки для отдельной единицы работы. Если после прерывания повторить запись, не должен появиться второй артефакт или потеряться уже существующий. Когда запуск с заданными ограничениями завершится, цикл должен вернуть либо проверенный результат, либо подробное описание нерешённых проблем.

Сейчас проверка может завершиться ошибкой, если эндпоинт истории не отвечает. А дымовой тест после ограниченного числа попыток исправить проблему может оставить предупреждение. Это разные исходы. Локальный цикл должен сохранять это различие, когда возвращает управление внешнему конвейеру.

Для сравнения я сохраню простой рабочий процесс. В работе Agentless 2024 года Ся и его коллеги применили структурированный процесс: найти место ошибки, исправить её и проверить результат. Agentless конкурировал с агентами с открытым исходным кодом, которые оценивались на SWE-bench Lite. Цикл агента должен доказать свою пользу.

Статья о SWE-agent 2024 года показала, как интерфейсы для навигации по репозиторию, редактирования кода и запуска тестов влияли на результаты интерактивного агента. Так что добавить цикл — только начало работы. Ещё нужно оценить его инструменты и поведение готовой системы. Ни одна из этих статей не доказывает, каким будет результат у OwlMeans.

Общая работа над несколькими приложениями

В примере с заказом при объединённом запуске движок планировал бы переходы между статусами с учётом обеих историй — покупателя и оператора. Их экраны и эндпоинты опирались бы на это общее решение. Дробить реализацию на небольшие части по-прежнему полезно. Заново проектировать одну и ту же доменную логику — нет.

Движок уже передаёт общее состояние между этапами внутри одной истории. Для согласованного запуска нужны общие для нескольких историй рабочий контекст и реестр, но результат у каждой истории должен быть отдельным. Если какая-то история выполнена частично или завершилась неудачей, в результате нужно указать, какая именно и почему.

Отправлять весь репозиторий при каждом вызове — плохой способ использовать общий контекст. Начать стоит с проекта и известных контрактов, а детали реализации читать по мере необходимости. Такую работу со ссылками и инструментами Anthropic описывает в рекомендациях по работе с контекстом, опубликованных в сентябре 2025 года.

В одном запуске по-прежнему может быть много вызовов, проверок и контрольных точек. Он нужен, чтобы связанные решения не терялись между вызовами. Я ещё не измерял, улучшаются ли результаты и есть ли ощутимая польза от того, что один и тот же контекст передаётся реже.

Ещё одно ограничение задаёт структура сгенерированного проекта. Сейчас в нём один сайт и API, которые обслуживают гостевую, пользовательскую, административную и операторскую области. Область описывает, для кого предназначен экран. Отдельного приложения со своей структурой фронтенда и API она не создаёт.

Сама OwlMeans уже устроена сложнее. За клиентский интерфейс, управление, выполнение агентов и публикацию отвечают разные части системы. Генератор, который понимает только одну пару «веб-приложение и API», не может описать сопоставимую систему.

В плане Uroboros предусмотрена карта приложений: она определяет, какие области и функции относятся к каждому приложению. Данные, бизнес-логика и воркеры на нижнем уровне остаются общими. Когда история затрагивает несколько приложений, движок должен внести нужные изменения в каждое из них.

Придётся менять разрешение путей, проектирование, реализацию, предпросмотр, публикацию, работу со статусом выполнения и инструменты коннекторов. Фраза «поддерживай несколько приложений» в промпте эту работу не сделает.

Для существующего проекта без карты приложений предлагается запасной вариант: одно приложение main. Его пути и поведение останутся прежними. Из-за смены понятий в движке клиентам не придётся пересобирать работающие проекты.

Миграция и Uroboros

На переделку ядра я отвожу примерно неделю. Пока это цель, а не готовый результат.

На первом этапе нужно подготовить основу и маршрутизацию приложений. Дальше по плану — разработка с агентами внутри фаз, затем согласованные запуски для связанных историй. На время миграции старый конвейер должен оставаться доступным наряду с новым. Уже начатые запуски должны завершаться там, где начались. Новый путь можно будет включать отдельно для каждого проекта.

Первая проверка совместимости намеренно скучная: перенести существующий проект в среду разработки и убедиться, что он по-прежнему запускается и работает. Затем нужно провести сквозные проверки: проверить контроль за выполнением и поведение чат-бота, а также небольшой запланированный проект с новой структурой.

Через оба движка нужно прогнать одни и те же эталонные продукты. Записать сбои, предупреждения, результаты проверки функций, затраченное время и данные об использовании моделей. Успешная сборка не покажет, видят ли покупатель и оператор одно и то же состояние заказа. Для этого нужно проверить сам сценарий.

В экспериментах с harness для длительной разработки приложений, опубликованных в марте 2026 года, Anthropic объединила планирование, генерацию и отдельную оценку. По мере того как менялось поведение моделей, команда также упрощала некоторые части harness. Шаг оркестрации стоит сохранять, пока он решает актуальную проблему, а не потому, что когда-то решал.

Uroboros — попытка научить OwlMeans разрабатывать систему такой же сложности, как она сама. Поддержка нескольких приложений должна задать структуру, а согласованные запуски и фазы с агентами — организовать работу внутри неё. Это должно подготовить пробную разработку самой OwlMeans под контролем человека.

Я уже использую внешнего агента программирования, чтобы менять движок. Хочу поручить сопоставимую работу собственному процессу генерации OwlMeans, а затем независимо проверить результат.

Для такого испытания нужны изолированная среда, чётко определённое изменение и предыдущая версия, к которой можно вернуться. Изменить исходный код движка — один результат. Чтобы доказать, что изменённый движок работает лучше, нужны отдельные подтверждения. Ответственность за эту оценку я оставлю за собой.

OwlMeans