Когда код перестал быть узким местом: управляемый детерминированный AI-SDLC от задачи до Merge Request

Современные coding-агенты уже умеют быстро выполнять многие задачи по написанию кода. Но код — только часть разработки: нужная информация находится в задачах, базе знаний, вложениях, комментариях, репозиториях и Merge Request. Когда работа с кодом ускоряется, больше времени начинают занимать сбор контекста, управление процессом, проверка результата и публикация изменений.

На примере VesnaDev я покажу, как построить управляемый AI-SDLC вокруг вероятностного ИИ-агента. Агент анализирует требования, составляет план, изменяет и ревьюит код. Детерминированный оркестратор работает по заранее заданным правилам: управляет этапами, ограничивает действия агента и выполняет внешние операции — commit, push, создание Merge Request и обновление задачи.

Разберём, как собирать и фиксировать контекст, зачем разделять разработку на четыре специализированных сценария и как безопасно запускать несколько процессов параллельно с помощью git worktree. Покажу контрольные точки, в которых решение принимает разработчик, и механизм продолжения работы после сбоев. Объясню, почему процессы с понятными этапами и правилами оказались надёжнее одного универсального агента.

На примере реальной задачи покажу весь путь от требований и документации до готового Merge Request. Поделюсь наблюдениями за полгода dev-эксплуатации VesnaDev у нескольких команд разработки и расскажу об ограничениях текущей реализации. Слушатели получат референсную архитектуру управляемого AI-SDLC и практические ориентиры для создания собственной агентной платформы.