Три идеи из Habr, которые кажутся недооценёнными

За последние месяцы на Habr вышло несколько сильных материалов про AI в разработке.

Любопытно, что почти все они говорят не про новые модели, бенчмарки или магию промптов. Они говорят про процессы: как ставить задачи, где хранить знания и что вообще должен делать разработчик, когда код пишет агент.

Я собрал три общих тренда.

1. Context Engineering становится важнее Prompt Engineering

Проблема уже не в том, чтобы написать особенно хитрый запрос.

Проблема в том, чтобы в нужный момент дать агенту правильный контекст:

— требования и критерии приёмки; — устройство проекта и границы модулей; — принятые архитектурные решения; — правила сборки, тестирования и ревью; — ограничения, о которых нельзя догадаться из кода.

Можно бесконечно улучшать промпт. Но если агент не знает, почему команда пять лет назад запретила конкретный паттерн, он с высокой вероятностью вернёт его обратно.

Поэтому инженерия постепенно смещается от «как спросить» к «какие знания собрать, как их структурировать и когда подключить».

2. Спецификация становится источником истины и для людей, и для AI

Раньше спецификация помогала людям договориться до начала разработки. Теперь у неё появляется вторая роль: она становится исполняемым контрактом для агента.

Из одной спецификации можно получить план, код, тесты и материалы для ревью. По ней же можно проверить, соответствует ли результат исходной задаче.

Это особенно важно, когда агент способен за несколько минут создать тысячи строк кода. Без спецификации ревьюер проверяет реализацию по ощущениям. Со спецификацией у него есть точка сравнения: здесь обещано одно, а сделано другое.

Хорошая спецификация перестаёт быть документом, который торжественно положили в Confluence и забыли. Она живёт рядом с кодом и меняется вместе с ним.

3. Agent-first процесс заметно отличается от привычного SDLC

AI можно добавить в старый процесс как ещё один инструмент. Например, разрешить разработчикам использовать агента для написания кода.

Но тогда ускорится только один участок конвейера. Следующее узкое место переедет в ревью, тестирование или согласование требований.

В Content AI, например, оценили общее ускорение зрелой разработки примерно в 10%, хотя отдельные прототипы создавались в 5–10 раз быстрее. Код генерируется быстро, но требования, архитектура, краевые случаи и проверка результата никуда не исчезают.

Поэтому agent-first подход меняет сам процесс:

— задачи приходится точнее ограничивать; — работу декомпозируют на небольшие проверяемые шаги; — точки человеческого контроля закладывают заранее; — правила команды хранят как версионируемый контекст; — разработчик всё чаще управляет несколькими агентами, а не пишет каждую строку сам.

Просто прикрутить AI к старому SDLC недостаточно. Получится тот же конвейер, только с более быстрым генератором очередей.

Мой вывод: через несколько лет мы будем обсуждать уже не столько качество моделей, сколько качество инженерного контекста.

Кто лучше описывает систему, фиксирует решения и проектирует точки контроля, тот и получает предсказуемый результат от агентов.

Что почитать

— Роль Solution Architect с приходом AI-агентов — Spec-Driven Development: контроль AI-кодогенерации — Внутри Spec-Driven Development: на что способен Spec Kit — Как ИИ изменил разработку в Content AI