أتمتت Just AI لغة JAICP DSL: وكيل ذكاء اصطناعي يكتب الأنماط والاختبارات في دقيقة واحدة بدلاً من ست ساعات

Just AI автоматизировала работу с JAICP DSL через AI-агента, который пишет паттерны и автотесты вместо человека. По оценке команды, задача, на которую раньше уходило около шести часов ручной рутины, теперь занимает примерно минуту — разработчику остается проверить и при необходимости поправить результат.

Зачем это понадобилось

Команда JAICP работает со специальным DSL для описания паттернов, по которым бот понимает пользовательские фразы. На бумаге задача выглядит простой: взять «да», «привет» или «не работает» и описать их в виде шаблона. На практике все быстро усложняется: пользователи пишут сленгом, ошибаются, используют разговорные формы и делают это на разных языках.

Для одного проекта Just AI пришлось учитывать русский, английский, немецкий и турецкий, а буквальный перевод там часто не работает. Особенно болезненной оказалась вариативность. Клиент дает базовый список фраз, но для нормального покрытия сценариев разработчику нужно самому допридумывать аналоги, морфологические формы и нестандартные формулировки.

Автотесты тоже не снимают проблему полностью: даже если шаблон можно сгенерировать скриптом, кто-то все равно должен подготовить входные примеры, проверить синтаксис и убедиться, что DSL использован правильно. Поэтому команда решила не ограничиваться обычным запросом к LLM, а собрать отдельного агента, который знает контекст платформы и берет рутину на себя.

Как устроен агент В основе решения лежит

Claude Sonnet 4.5, выбранный за стабильную генерацию DSL-кода и хорошее следование инструкциям. Агенту дали три рабочих инструмента: поиск релевантных кусков документации в Jay Knowledge Hub, генерацию ответов на основе той же базы знаний и отдельную самопроверку через Llm.sendRequest с GPT-4o-mini. Такой стек позволил не просто «дописывать» фразы, а опираться на реальные примеры JAICP и тут же отлавливать часть ошибок до выдачи результата пользователю.

• Подтягивает примеры и правила из базы знаний JAICP Генерирует паттерны и объясняет их структуру Показывает, какие фразы покрывает шаблон Пишет автотесты по тем же примерам Разводит ответы по языкам и не смешивает их в одном блоке Ключевую роль сыграл не набор тулов, а промпт. Команда разделила его на общую логику, блок для паттернов, блок для автотестов и финальную самопроверку. В инструкции отдельно описали семантический, морфологический и синтаксический разбор, правила для опциональных блоков и группировки синонимов, а затем заставили модель строить именно оптимизированные паттерны, а не буквальные перечисления. Когда модели все равно начинали «своевольничать», промпт дополнительно ужали и структурировали с помощью DeepSeek, а для многоязычности добавили простое правило: сначала определить язык, потом применять его морфологию.

Результат и цифры Готового агента подключили к Telegram, чтобы быстрее тестировать сценарии.

В итоге бот научился по одной пользовательской фразе собирать DSL-паттерн, показывать покрываемые варианты реплик и сразу генерировать автотесты. Отдельным бонусом стало то, что система начала писать даже сценарии на DSL, хотя этому ее специально не учили: нужные знания модель подтянула из документации в базе знаний. Такой формат оказался полезен не только для опытных разработчиков, но и для онбординга новичков, которым важно видеть не только итоговый шаблон, но и логику его построения.

«Также агент справляется за 1 минуту, ускорение в 360 раз».

Цифры команда посчитала на конкретном примере: есть 20 фраз от клиента, которые нужно превратить в паттерны на четырех языках, добавить вариативность и покрыть тестами. Вручную на русский уходит около часа, еще не меньше трех часов — на остальные языки, плюс час на автотесты и еще примерно час на придумывание дополнительных формулировок. Итого получается минимум шесть часов монотонной работы без учета правок. Агент делает ту же заготовку примерно за минуту, но финальное ревью человек все равно не убирает — и именно это делает кейс реалистичным, а не рекламным.

Что это значит

Кейс Just AI показывает, что узкоспециализированные AI-агенты уже полезны не только для чатов и поиска, но и для внутренней разработки на нишевых DSL. Если у команды есть документация, понятные правила и повторяющаяся ручная работа, агент может убрать часы рутины даже без сложной архитектуры и большого дообучения.