Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

«Куб три» дала ИИ-агенту память проекта: ревью проще, но модель стоит почти на треть дороже

Агент каждый день выходит на работу впервые: Claude написал эндпоинт, но продублировал готовую авторизацию. Команда «Куб три» полтора года строит AI Council — память проекта из графа кода, решений и правил. С ней код проще проходит ревью, но работа модели стоит почти на треть дороже. Вывод: знания нужно подкладывать агенту самим.

AI-обработка оригинала Habr AI; редакция Hamidun News
«Куб три» дала ИИ-агенту память проекта: ревью проще, но модель стоит почти на треть дороже
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1Агент сам проверял правила лишь в 16% из 12 тысяч рабочих сессий
Ключевой факт #2До первой правки кода правила запрашивали в 13% сессий с правками
Ключевой факт #3Запись знания привязана к файлу и приходит в контекст при его открытии

ИИ-агент, который пишет код, каждое утро начинает с чистого листа: вчерашнего разговора он не помнит, а решений, принятых в команде полгода назад, в коде просто нет. В начале 2025 года разработчики студии «Куб три» попросили Claude добавить в проект API-эндпоинт. Код получился быстрым и аккуратным, но на ревью (проверке кода коллегами перед слиянием в проект) нашли три проблемы: бизнес-логика лежала в контроллере, хотя в проекте так не делают; функция авторизации была написана заново, хотя такая уже существовала; метод назывался getUser вместо принятого get_user.

На следующий день всё повторилось на другой задаче. Полтора года команда строила для агента «память проекта» — платформу AI Council. В прямом сравнении агент с ней написал код, который проще принять на ревью, но работа модели обошлась почти на треть дороже: на столько вырос расход на обращения к ИИ.

Если вы внедряете агентов в командную разработку, это сравнение подскажет, где искать пользу и за что придётся платить.

Чего агент не знает

Команда разобрала замечания с ревью в своих проектах и выделила три вида пробелов. Первый — структура: какие есть модули, кто кого вызывает, где лежит нужная функция. Её можно вывести из кода парсером или поиском, хотя сам агент делает это медленно и дорого. Второй — решения: почему платежи идут через очередь, какой вариант уже отвергли. В коде остаётся только итог, а причины живут в чатах, закрытых merge request и головах людей. Третий — правила команды: слои, именование, запреты. Линтер проверяет лишь малую часть из них, и то после написания кода.

В истории с эндпоинтом встретились два вида из трёх. Вторую авторизацию агент написал, потому что не знал структуры, а логика в контроллере и getUser появились из-за незнания правил.

Сверху накладывается время. Документация, которая отстала от кода, вредна: агент ей верит. А если пять агентов работают в пяти ветках, решение из одной не должно влиять на другие, пока ветку не влили в main.

Бесплатные инструменты закрывают часть задач. Файлы CLAUDE.md и AGENTS.md дают правила как совет и незаметно устаревают. Serena, claude-context, CodeGraph и TeaRAGs знают структуру кода, но не решения и правила. Memory-серверы хранят заметки, не связанные с кодом. ИИ-ревью (CodeRabbit, Greptile, Qodo) подключается, когда код уже написан. Для небольшого проекта с одним-двумя разработчиками авторы советуют обойтись CLAUDE.md и Serena или claude-context.

Как устроен AI Council

Платформа собрана из трёх связанных слоёв. Граф кода строит статический анализ без участия модели. Векторный поиск отвечает за поиск по смыслу. Отдельный слой хранит то, что из кода не выводится: записи знаний и правила. Запись объясняет, как и почему что-то устроено, и привязана к классам, модулям или файлам. Правило имеет силу MUST (обязательно) или SHOULD (желательно) и область действия. Запись агент принимает к сведению, правило обязан выполнять.

Самое практичное наблюдение касается доставки. Команда посмотрела на 12 тысяч рабочих сессий: проверку правил через MCP-инструмент агент запускал сам лишь в 16% из них, а до первой правки кода — в 13% сессий с правками. Значит, примерно в 87% таких сессий он брался за код, не спросив правил. Поэтому основным каналом сделали хуки Claude Code — обработчики, которые срабатывают в заданные моменты, и модель не может их пропустить. На старте приходят правила проекта, при открытии файла — правила и записи, привязанные к нему, а в конце ответа — чек-лист проверок. MCP остался запасным путём для агентов без хуков.

Пример из клиентского проекта: в CRM нужно было объединять «неизвестные» контакты из входящих писем с известными. Стандартный merge затирал поля. Разработчик потратил день, нашёл схему (перенести связи на известный контакт, неизвестный удалить) и привязал запись к модели контакта. Когда агент в следующий раз открыл файл модели, запись пришла в контекст сама, и merge заново он не изобретал.

Цена и оговорки

Подборка контекста на один вопрос занимает от 9 до 18 тысяч символов — несколько тысяч токенов, примерно как один файл на 300–500 строк. Записи по тикетам Keycloak, которых набралось больше трёх тысяч, тоже разбирала модель, так что вместо времени людей платили её работой. Отсюда и удорожание почти на треть.

Оговорки очевидны. Продукт коммерческий, цифры собраны самой командой на её проде, а не независимым замером. Привязки записей приходится подбирать аккуратно: слишком общая привязка (в примере имя совпало с 357 сущностями) отбрасывается. Подсказка по словам агента молчит, если тот называет вещь другими словами.

Практический вывод не зависит от продукта. Не рассчитывайте, что агент сам пойдёт за правилами: заложите доставку через хуки и привязывайте знания к конкретному коду. И заранее решите, готовы ли вы платить около трети сверху за меньшую нагрузку на ревью. Отраслевые исследования, на которые ссылаются авторы, показывают, что узкое место уже переехало из написания кода в его проверку.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: чего агент не знает?

Команда разобрала замечания с ревью в своих проектах и выделила три вида пробелов. Первый — структура: какие есть модули, кто кого вызывает, где лежит нужная функция. Её можно вывести из кода парсером или поиском, хотя сам агент делает это медленно и дорого. Второй — решения: почему платежи идут через очередь, какой вариант уже отвергли. В коде остаётся только итог, а причины живут в чатах, закрытых merge request и головах людей. Третий — правила команды: слои, именование, запреты.

Что известно по теме: как устроен AI Council?

Платформа собрана из трёх связанных слоёв. Граф кода строит статический анализ без участия модели. Векторный поиск отвечает за поиск по смыслу. Отдельный слой хранит то, что из кода не выводится: записи знаний и правила. Запись объясняет, как и почему что-то устроено, и привязана к классам, модулям или файлам. Правило имеет силу MUST (обязательно) или SHOULD (желательно) и область действия. Запись агент принимает к сведению, правило обязан выполнять. Самое практичное наблюдение касается доставки.

Что известно по теме: цена и оговорки?

Подборка контекста на один вопрос занимает от 9 до 18 тысяч символов — несколько тысяч токенов, примерно как один файл на 300–500 строк. Записи по тикетам Keycloak, которых набралось больше трёх тысяч, тоже разбирала модель, так что вместо времени людей платили её работой. Отсюда и удорожание почти на треть. Оговорки очевидны. Продукт коммерческий, цифры собраны самой командой на её проде, а не независимым замером.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ ИИ-агенты на практике · Академия & Nomad

От чтения про ИИ-агентов — к запуску своего агента за вечер

Пошаговая сборка автономных агентов и MCP-связок в Hamidun Academy (academy.hamidun.com) (72 часа бесплатно) или мгновенный запуск готовых мультишаговых агентов в облаке Nomad.

Попробовать Академию (72ч бесплатно) →Запустить Nomad Agent
Что вы думаете?
Загружаем комментарии…