ЮMoney отдала ИИ-агентам разбор 411 комментариев к одной правке документации
В ЮMoney в одном pull request (заявке на правки в документацию) набралось 411 комментариев ревьюеров. Для ИИ-агента написали инструкцию, которая раскладывает их на три стопки: ответ уже есть в документе, нужна сверка с кодом, вопрос реально открыт. Черновики ответов готовит агент, публикует и решает аналитик. Поэтому рутину с чёткими правилами выгодно отдавать агентам, а выбор решения оставлять человеку.
AI-обработка оригинала Habr AI; редакция Hamidun News
Представьте: вы написали техническое решение, выложили его на согласование, и коллеги оставили к нему 411 комментариев. Именно так выглядел один из pull request в ЮMoney. Pull request — это заявка на внесение правок: в ней команда обсуждает изменения, а в подходе Docs-as-Code (документация лежит в репозитории рядом с кодом) так согласуют и технические описания. Системный аналитик компании Арина рассказала на Habr, как её команда справляется с такими завалами: вместо чата с нейросетью они построили набор ИИ-агентов с повторяемыми сценариями. Сама авторка называет случай с 411 комментариями исключительным, но на нём хорошо видно, где автоматизация даёт отдачу.
От промпта к процессу
Главный совет команды: не начинайте с промпта, начните с процесса. Работа аналитика обычно стартует с задачи в Jira, где требований не хватает. Нужно искать контекст, говорить со смежными командами и проверять, все ли сценарии учтены. В этом цикле есть шаги, требующие экспертизы, и шаги, которые можно формализовать. Архитектурное решение за аналитика не принимают. А вот проверить документ на соответствие соглашениям, найти похожие решения в истории проекта или набросать черновик описания вполне можно автоматизировать.
В ЮMoney используют корпоративный инструмент OpenCode и четыре базовых понятия. Агент получает задачу, ходит по источникам и выдаёт результат. Skill — инструкция под конкретную задачу: порядок действий и источники описывают один раз, потом агенту остаётся указать, какой документ проверить. Команда — быстрый запуск готового сценария, например «опиши изменения в коммите». Файл Agents.md хранит базовый контекст проекта: устройство системы, доступные ресурсы и правила, чтобы агент не собирал это заново при каждом обращении.
Что именно делегировали агентам
Первый сценарий — поиск исторического контекста. Проект может вернуться через несколько лет, когда код изменился, а решения остались только в старых обсуждениях. Скилл собирает прошлые задачи, дискуссии и текущую реализацию в коде. Аналитик получает не готовое решение, а отправную точку: что уже делали и какие есть ограничения.
Второй сценарий — ИИ в роли оппонента. Аналитик сначала формулирует свою гипотезу, а агент проверяет её на прочность. Он спрашивает, что будет, если внешняя система недоступна, как поведёт себя таймаут, какие альтернативы не рассмотрены и какие граничные случаи остались за кадром.
Третий и четвёртый — документация и ревью. Агент знает структуру документа и правила оформления, поэтому готовит черновик, ищет опечатки, дубли и логические пробелы, строит диаграмму по тексту и наоборот. Для ревью сделали скилл, который сортирует комментарии. Те самые 411 агент делит на три группы: ответ уже есть в документе, нужна сверка с кодом, вопрос действительно открыт и может изменить решение. Он пишет черновики ответов, но публикует их и принимает решения аналитик.
Пятый сценарий — актуализация документации после релиза. Агент сравнивает техническое решение с кодом и задачами и выдаёт список расхождений. Аналитик подтверждает, какие правки нужны, и только потом агент обновляет документ.
Правила, чтобы автоматизация не стала ещё одной работой
Команда сформулировала три принципа. Первый: один скилл — одна задача. Если сценарий разросся и делает несколько операций без промежуточной проверки, его стоит разделить. Второй: фиксировать промежуточные результаты во внешней памяти проекта, чтобы не восстанавливать контекст из бесконечного чата. Третий: хранить скиллы, команды и инструкции в общем репозитории по направлениям. Сначала каждый делал инструменты под себя, но общие сценарии на однотипных задачах, прошедшие ревью, оказались эффективнее.
Что остаётся за кадром
Авторка оговаривает риск: если постоянно полагаться на готовые ответы, можно перестать разбираться в деталях. Поэтому правило такое: своя гипотеза идёт первой, проверка агентом второй. Ценность аналитика она видит в ответственности за результат, качестве входных данных и умении оценить работу ИИ.
При этом цифр экономии в тексте нет: ни сэкономленных часов, ни расхода токенов, ни стоимости инфраструктуры. Единственная конкретная цифра — 411 комментариев. Часть скиллов, например поиск исторического контекста, ещё в разработке или тестировании. Материал связан с анонсом конференции ЮMoneyDay, так что это рассказ об опыте, а не измеренный бенчмарк.
Практический вывод простой. Агентов стоит ставить на задачи с чёткими правилами и небольшим контекстом: сортировку комментариев, сверку документов с кодом, поиск дублей. Решение и публикацию оставляйте человеку. Заведите общий репозиторий скиллов, чтобы удачные сценарии не оставались личными заметками.
- 21 нояб. 2026 г.Sakana AI открыла прикладную лабораторию для моделирования рынков и экономики
- 21 нояб. 2026 г.Meta готовит ИИ-тамагочи Muse Charm за $300 с годом 5G от Verizon
- 21 нояб. 2026 г.Dreamteam привлёк $53M на CRM, которая сама заполняется из почты и звонков
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: от промпта к процессу?
Главный совет команды: не начинайте с промпта, начните с процесса. Работа аналитика обычно стартует с задачи в Jira, где требований не хватает. Нужно искать контекст, говорить со смежными командами и проверять, все ли сценарии учтены. В этом цикле есть шаги, требующие экспертизы, и шаги, которые можно формализовать. Архитектурное решение за аналитика не принимают.
Что известно по теме: что именно делегировали агентам?
Первый сценарий — поиск исторического контекста. Проект может вернуться через несколько лет, когда код изменился, а решения остались только в старых обсуждениях. Скилл собирает прошлые задачи, дискуссии и текущую реализацию в коде. Аналитик получает не готовое решение, а отправную точку: что уже делали и какие есть ограничения. Второй сценарий — ИИ в роли оппонента. Аналитик сначала формулирует свою гипотезу, а агент проверяет её на прочность.
Что известно по теме: правила, чтобы автоматизация не стала ещё одной работой?
Команда сформулировала три принципа. Первый: один скилл — одна задача. Если сценарий разросся и делает несколько операций без промежуточной проверки, его стоит разделить. Второй: фиксировать промежуточные результаты во внешней памяти проекта, чтобы не восстанавливать контекст из бесконечного чата. Третий: хранить скиллы, команды и инструкции в общем репозитории по направлениям. Сначала каждый делал инструменты под себя, но общие сценарии на однотипных задачах, прошедшие ревью, оказались эффективнее.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.