ываываHHHHH

Мы вдвоём пришли в крупный ритейл — два DevOps-инженера, не бэкенд-разработчики. Первые недели ушли на то, чтобы разобраться, как здесь всё устроено. Выяснилось: единообразно — никак. Дежурства каждая команда ведёт как умеет — Excel, Google-таблицы, Confluence, чаты, кто-то просто помнит; общей картины нет ни у кого. И то же самое с другой стороны: когда у тебя инцидент или вопрос, найти, кому написать и в какой канал, — отдельный квест. Особенно если ты новичок.

Мы закрыли самое острое — сделали один общий календарь дежурств. Через квартал из него выросла ITSM-платформа: заявки, инциденты с эскалацией, каталог услуг с формами и SLA, уведомления, интеграции. Вдвоём. Потому что взяли в напарники AI-ассистента как со-разработчика.

Доклад — про то, как именно это делается, без магии и без «AI всё написал».

Агенты и скилы вместо промптов. Как мы перестали «просить у чата код» и собрали набор специализированных агентов под роли — бэкенд, фронтенд, миграции, ревью, безопасность, — и скилы как переиспользуемые процедуры: единый конвейер фичи, создание CRUD-модуля, review-gate. Правила проекта, которые агент обязан соблюдать. Что делегируется отлично, а что нельзя отдавать никогда: архитектурный каркас, границы модулей, модель данных.

Как мы находим баги. Разберу на слайдах, как выглядит код с ошибкой, внесённой AI: покажу характерные примеры, объясню, почему такой код проходит поверхностное ревью и кажется корректным, и проведу зал по пути до причины. Регрессы, гонки, тихо сломанная логика прав: что ловится тестами, что — только ревью, а что не ловится вообще, пока не встретится с реальными данными.

E2E-тесты через видео и AI. Расскажу метод, который у нас получился: вместо того чтобы описывать сценарии текстом, я записываю проход по продукту на видео, проговариваю, что и зачем происходит на экране, и отдаю это AI как контекст. Дальше — как формулировать, что именно я хочу получить на выходе, и как принимать результат: где LLM придумывает сценарии за нас, а где выдумывает их из воздуха.

Главный вывод: AI разгоняет маленькую команду до продакшена в разы быстрее — и до его проблем тоже. Скорость он даёт, ответственность за архитектуру, качество и тесты — нет.