AI-Assisted Engineering: от удачного промпта к инженерной системе (Рубрика Books)
Недавно прочитал книгу Алексея Литвинова "AI-Assisted Engineering", с которым сегодня мы обсудим его книгу в прямом эфире. Изначально Алексей предложил мне прочитать его книгу и дать обратную связь. Я с удовольствием взялся за чтение книги, чтобы оценить как можно собрать разрозненные практики работы с AI-агентами в одну систему. В итоге, самым полезным в книге оказалась не отдельные паттерны или методологии, а карта взросления: как перейти от удачных экспериментов с агентом к управляемой и воспроизводимой разработке.
Книга выстроена как большой учебник и идёт от простого к сложному. В самом начале Алексей задаёт лестницу из девяти уровней работы с AI, а дальше все 650+ страниц ведёт читателя по этой модели зрелости: от общего языка и одиночного агента - через спецификации и команды агентов - к внедрению на уровне организации.
Мне понравилось, что внутри разведены три типа материала:
- Уроки дают общую инженерную рамку: контекст, делегирование, петлю обратной связи, контроль результата;
- Паттерны описывают переиспользуемые детали - инварианты,
AGENTS.md, послойную подачу контекста, проверки качества,worktree, разделение агента и человека; - Методологии показывают, как из этих деталей собираются более крупные процессы: GitHub Spec Kit, OpenSpec, Kiro, Tessl, BMAD-METHOD, AI-DLC и другие.
С точки зрения актуальности книге это работает хорошо - конкретные инструменты и названия методологий будут меняться, а инженерные вопросы останутся: что агент должен знать, как сформулировано условие завершения, кто проверяет результат, где проходит граница автономности и как ограничить радиус ошибки.
Все эти идеи Алексей демонстрирует на сквозном примере Audit Log Service. Один и тот же сервис проходит через правила проекта, спецификации, CI/CD, проверки, работу нескольких агентов и след для аудита. К концу книги этот audit log уже физически не можешь видеть, но педагогически приём работает: меняется не предметная область, а зрелость системы вокруг агента.
Для меня главный тезис книги такой: AI-native разработка - это не ситуация, где модель пишет как можно больше кода. Это система, в которой мы можем делегировать исполнение, не теряя понимания, проверяемости и ответственности за результат. Поэтому выбор очередной модели здесь вторичен по сравнению с контекстом, спецификацией, обратной связью и качественными ограничениями.
Книга хорошо подойдёт инженерам уровня middle и выше, архитекторам и техническим руководителям, которые уже используют coding agents, но пока собирают свой процесс из отдельных находок. Её стоит читать тем, кто хочет не набор «магических промптов», а подробный маршрут к AI-native разработке - включая масштабирование на несколько агентов и внедрение в организации. А вот если нужен быстрый туториал на вечер или готовый рецепт «поставьте три файла и получите x10», книга вряд ли зайдёт. Это именно учебник: подробный, местами повторяющийся и требующий времени. Здесь это одновременно и ограничение, и главная ценность.
Сегодня, 15 июля, в 13:00 МСК мы поговорим с Алексеем о его инженерном опыте и книге на стриме Code of Leadership. Хочу отдельно обсудить, как эта лестница зрелости появилась на практике, какие паттерны переживают смену моделей и где при масштабировании агентной разработки возникает настоящее узкое место.
Присоединяйтесь к стриму и задавайте вопросы.
#Books #AI4SDLC #AI #Agents #Engineering #Architecture #Leadership