Последнее время я всё больше экспериментирую не просто с использованием ИИ в разработке, а с оркестрацией AI-агентов под реальные задачи 1С. И здесь, на мой взгляд, начинается гораздо более интересная история, чем обычный «copilot для программиста». Я настроил в Cursor набор skills, rules и специализированных субагентов под 1С-разработку. Получилась довольно понятная цепочка: анализ → реализация → проверка → review метаданных Один агент сначала разбирается в структуре конфигурации, модулях, зависимостях и контексте выполнения кода. Другой занимается непосредственно реализацией. Отдельный агент проверяет внесённые изменения. Ещё один специализируется на наиболее рискованной части 1С — метаданных, формах, расширениях и XML. По сути, Cursor начинает работать не как один универсальный ассистент, а как небольшая виртуальная команда разработки с разделением ролей. И вот здесь особенно интересно сравнить это с классической моделью. Классическая разработка Даже небольшой продукт обычно проходит через несколько этапов: аналитика задачи → постановка → разработка → code review → тестирование → исправления → повторная проверка. Если проект командный, между этими этапами появляются ещё обсуждения, передача контекста, ожидание свободного специалиста, уточнения и повторные итерации. Сам код при этом иногда занимает далеко не основную часть времени. Агентская модель При правильной настройке значительную часть этого цикла можно собрать вокруг одного разработчика. Я формулирую задачу. А дальше агентная цепочка последовательно: 1. Анализирует проект.

Находит нужные объекты, модули, формы, зависимости и потенциальные риски. 2. Предлагает минимальный план изменений. 3. Реализует задачу. 4. Проверяет diff и код. 5. Отдельно анализирует метаданные и формы. И только после этого результат возвращается мне на финальную проверку. В моей текущей настройке именно такая последовательность и заложена: анализ → изменения → независимая проверка. Это сильно меняет саму экономику разработки. Раньше отдельная обработка, отчёт или небольшая конфигурация могли требовать большого количества ручных промежуточных действий. Сейчас я всё чаще вижу, что время от идеи до рабочего продукта сокращается в разы. Причём речь не только о скорости написания кода. Основная экономия возникает вокруг кода: — быстрее анализируется существующая конфигурация;

— быстрее находятся зависимости;

— быстрее формируется план реализации;

— автоматически выполняется первичная проверка изменений;

— меньше времени уходит на переключение между аналитикой, разработкой и ревью. И здесь есть важный момент. Я не считаю, что AI-агент заменяет разработчика 1С. Скорее меняется роль самого разработчика. Он всё меньше выступает просто исполнителем, который последовательно пишет каждую процедуру. И всё больше становится архитектором и оркестратором процесса разработки. Нужно правильно поставить задачу. Выбрать границы изменений. Понять архитектуру. Проверить результат. Принять инженерные решения. А между этими точками уже может работать целая группа специализированных агентов. В итоге один человек получает возможности, которые раньше требовали нескольких ролей. И для меня это один из самых интересных сценариев применения ИИ в enterprise-разработке. Не: «ИИ пишет код вместо программиста». А: «Программист управляет командой AI-агентов, которые помогают ему выпускать продукт быстрее». В 1С это особенно интересно, потому что здесь мало просто сгенерировать BSL-код. Нужно понимать клиент-серверный контекст, метаданные, формы, роли, расширения, XML-структуру конфигурации и влияние изменений на существующую систему. Именно поэтому в моей схеме отдельно разделены агент разработки и read-only reviewer для метаданных и форм. Я пока продолжаю экспериментировать с этой моделью, но уже сейчас вижу направление: один разработчик + правильно организованные AI-агенты начинают работать как небольшая development-команда. И, возможно, именно так будет выглядеть большая часть разработки прикладных бизнес-систем через несколько лет.