Строй системы, а не код: как проектировать агентов инженерными навыками

Простыми словами

Многие боятся, что AI-агенты забирают у разработчиков всё интересное — само написание кода — и оставляют скучное. Энджи Джонс отвечает: поднимись на уровень выше и строй не код, а системы из агентов. Тогда снова включаются классические инженерные навыки: продумать всю систему, разбить большую задачу на части, положить каждую ответственность на своё место, договориться о формате данных между шагами, обработать сбои и повторные запуски, ограничить права агента. На примере агента для поиска жилья она показывает, что «пусть кодинг-агент всё сам соберёт» — плохая идея, потому что получится один огромный неподдерживаемый промпт.

Как ребёнку

Представь, что у тебя есть робот-помощник, который ищет новый дом для семьи. Можно просто сказать ему «найди хороший дом» — и он запутается. А можно построить ему целый распорядок: сначала собери объявления, потом сравни с тем, что нам важно, потом покажи маме короткий список, и только с её разрешения звони риелтору. Ты не пишешь за робота каждое движение — ты строишь ему понятную систему правил и проверок, чтобы он не наделал глупостей.

Аналогия — «это как…»

Это как разница между «приготовить одно блюдо по рецепту» и «открыть ресторан». Разовый промпт — это одно блюдо: сделал и забыл. Агентная система — это кухня со станциями, заготовками, стандартами подачи и правилом «одно и то же блюдо не готовить дважды, если заказ уже ушёл». Повар всё тот же, но теперь он проектирует процесс, а не машет ножом.

Зачем это мне

Если вы думаете, что эра агентов обесценивает опыт разработчика, доклад показывает обратное: именно инженерная зрелость определяет, будет ли ваша агентная система работать в проде или развалится под собственными промптами. Это переопределяет ценность специалиста — умение архитектурить систему становится важнее умения быстро печатать код, который теперь пишет агент.

Для тех, кто в теме

Джонс маппит классические software-практики на агентные примитивы: systems thinking → границы и зависимости агента как компонента; decomposition → разбор giant prompt на distinct jobs; separation of concerns → размещение логики в skill / schema / script / sub-agent; algorithmic thinking → code для детерминизма, agent для суждения, human для авторитета; contracts → структурированный queryable memory-layer (у неё Compendium Wiki) вместо free-form текста; idempotency → enforced state-log против недетерминированных повторов; threat modeling → untrusted input как evidence-not-instructions, least privilege, blast radius; maintainability → AGENTS.md на каждом уровне и cold-start-тест из свежего контекста.