Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

AI-агент в VS Code собирает черновик техзадания за 15–20 минут вместо 1,5 дня

Аналитикам приходится вручную переписывать требования заказчика и протоколы встреч в частное техническое задание (ЧТЗ) — это день-полтора. Команда посадила AI-агента в VS Code и дала ему скилы: Markdown-файлы с правилами вроде «не додумывай» и «указывай источник». Теперь черновик ЧТЗ готов за 15–20 минут, а с вычиткой — за полдня. Вывод: выигрыш даёт не модель, а жёсткие рамки и проверка аналитиком.

AI-обработка оригинала Habr AI; редакция Hamidun News
AI-агент в VS Code собирает черновик техзадания за 15–20 минут вместо 1,5 дня
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Разбор комиссии в трёх сервисах40 минут вместо 2–3 часов
Статья в Confluenceчерновик за 10 минут вместо полудня
Ключевой факт #3В контекст кладут не больше 3–4 файлов, иначе агент выдумывает

Аналитик получает от заказчика документ с бизнес-функциональными требованиями (БФТ), добавляет к нему записи с пары встреч и должен превратить всё это в частное техническое задание (ЧТЗ), то есть в понятный разработчикам документ. Вручную это занимает день-полтора: открываешь шаблон, переносишь требования, подбираешь формулировки, форматируешь. Команда, которая делает требования для разработки, отдала эту рутину AI-агенту в VS Code. Черновик ЧТЗ теперь собирается за 15–20 минут, а вместе с вычиткой аналитиком документ готов за полдня вместо полутора дней. Эти цифры — внутренние оценки команды, а не независимые замеры. Но из её опыта видно, как настроить агента, чтобы он помогал, а не выдумывал.

Как устроен конвейер

Схема такая: встреча или БФТ превращаются в выжимку в Markdown, агент собирает черновик, аналитик правит, и документ уходит в Confluence или в разработку. Агентов несколько. Часть работает на внутренних серверах на локальных моделях, им можно отдавать исходники кода без согласований. Остальные подключены через корпоративный доступ к облаку, и им дают только документы, разрешённые политикой компании.

Работают во встроенном чате VS Code (GitHub Copilot Chat). Локальные модели подключаются через BYOK («принеси свой ключ»): указываете провайдера (Ollama, Azure или любой OpenAI-совместимый endpoint) и ключ, после чего модель появляется в списке рядом с облачными. VS Code выбрали потому, что репозитории там уже открыты, рядом можно держать отдельную папку-«песочницу», а файлы цепляются в чат ссылками вроде #file:requirements.md, без копирования текста в промпт. Тот же подход работает в Cursor, IntelliJ IDEA и opencode.

Есть и экономика. Разбор большой БФТ вместе с кодом трёх сервисов съедает много токенов, поэтому локальная модель на своём железе часто выходит дешевле облачной.

Скилы вместо длинных промптов

Агента настраивают через скилы. Это обычный Markdown-файл с инструкциями, в VS Code он лежит в .github/skills/<имя>/SKILL.md, и агент подключает его сам, когда описание совпадает с задачей. В скиле три части: структура результата с жёсткими ограничениями («не додумывай», «указывай источник», «подсвечивай разночтения»), выжимка контекста проекта (домен, стек, роли, нормативка) и ссылки на справочники вроде глоссария и описания архитектуры. Поэтому сам запрос занимает две строки: файлы и задача.

Инструментов у агента минимум: чтение файлов, поиск по ключевым словам и запись только в папку output/. Авторы предупреждают: с правом записи агент может перезаписать не тот файл, поэтому границы обязательны.

Скилы лежат в общем git-репозитории, по одному на тип работы: ЧТЗ, статья в Confluence, разбор кода, тест-кейсы, выжимка встречи, пояснительная записка к техпроекту, функциональные точки для расчёта НМЦК (начальной максимальной цены контракта), требования для разработки. Новичок клонирует репозиторий и получает готовый набор. Если агент «чудит», свой скил сравнивают с эталонным. Скилы выбрали вместо Cursor Rules и системных промптов, потому что это переносимый файл, который можно ревьюить и версионировать.

Контекст строго ограничен: 2–4 Markdown-файла с документами и 1–3 сервиса кода, причём с указанием конкретного метода, например «посмотри расчёт комиссии в CommissionService.java». Когда агенту пытались скормить всё подряд, он тонул и начинал выдумывать. Отсюда правило: не больше 3–4 файлов за раз, и только с ключевыми терминами задачи.

Что получилось и где агент врёт

Три случая из практики. Разбор расчёта комиссии, размазанного по трём микросервисам без нормальной документации, занял около 40 минут (20 на работу агента и 15 на проверку, остальное на постановку) вместо двух-трёх часов, и разработчика не отвлекали. Черновик ЧТЗ собирается за 15–20 минут, плюс час-два на вычитку. Статья в Confluence по той же логике: черновик за 10 минут вместо полудня. Здесь подключены MCP-серверы, и агент сам создаёт страницу и подтягивает вложения. На маленькой доработке хватает пары правок, а на большой фиче с десятком сценариев переписывают половину текста.

Ошибки типичные. При нехватке контекста агент додумывает: из фразы «обсудили доработку статусной модели» он может вывести статусы, которых в системе нет. Он редко признаётся в незнании и уверенно выдаёт правдоподобную, но неверную информацию. В русскоязычных проектах путаются «заявка», «обращение» и «запрос», поэтому глоссарий в скиле обязателен. Если БФТ и протокол встречи противоречат друг другу, агент может взять удобную версию и не отметить расхождение, так что блок «Разночтения» сверяют с источниками вручную.

Проверка многоступенчатая: аналитик сверяет черновик с источниками, логикой и форматом, документ для заказчика согласуется с ним, а требования для разработки смотрит команда разработки. Системные ошибки проще исправить фразой («в разделе 3 ты перепутал „Отклонено“ и „Отозвано“, исправь везде»), мелкие правят руками.

Что взять себе

Начинайте с одной БФТ и одного протокола в пустой папке, не с большой фичи. Заведите отдельный скил под каждый тип документа. Ограничьте агента одной папкой для записи. Скил стоит писать, если задача повторяется, например еженедельная выжимка встреч: на разовой задаче быстрее сделать самому. Относитесь к агенту как к толковому стажёру: он соберёт материал и подсветит тёмные места, но за итоговый документ отвечает аналитик.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как устроен конвейер?

Схема такая: встреча или БФТ превращаются в выжимку в Markdown, агент собирает черновик, аналитик правит, и документ уходит в Confluence или в разработку. Агентов несколько. Часть работает на внутренних серверах на локальных моделях, им можно отдавать исходники кода без согласований. Остальные подключены через корпоративный доступ к облаку, и им дают только документы, разрешённые политикой компании. Работают во встроенном чате VS Code (GitHub Copilot Chat).

Что известно по теме: скилы вместо длинных промптов?

Агента настраивают через скилы. Это обычный Markdown-файл с инструкциями, в VS Code он лежит в .github/skills/<имя>/SKILL.md, и агент подключает его сам, когда описание совпадает с задачей. В скиле три части: структура результата с жёсткими ограничениями («не додумывай», «указывай источник», «подсвечивай разночтения»), выжимка контекста проекта (домен, стек, роли, нормативка) и ссылки на справочники вроде глоссария и описания архитектуры. Поэтому сам запрос занимает две строки: файлы и задача.

Что известно по теме: что получилось и где агент врёт?

Три случая из практики. Разбор расчёта комиссии, размазанного по трём микросервисам без нормальной документации, занял около 40 минут (20 на работу агента и 15 на проверку, остальное на постановку) вместо двух-трёх часов, и разработчика не отвлекали. Черновик ЧТЗ собирается за 15–20 минут, плюс час-два на вычитку. Статья в Confluence по той же логике: черновик за 10 минут вместо полудня. Здесь подключены MCP-серверы, и агент сам создаёт страницу и подтягивает вложения.

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.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…