9 статей
Пошаговый план перехода от хаотичных промптов к системной разработке: локальные скиллы планирования, Spec-Driven Development, протоколы LSP/DAP/MCP и мультиагентные фабрики в CI/CD.
Разбираем, что такое Graph Engineering, как работают динамические workflow в ИИ, почему одного агента уже недостаточно и зачем нужны графы агентов.
Разбираем разницу между LLM Wiki и спецификацией Google Open Knowledge Format (OKF v0.2). Зачем стандартизировать контент для ИИ-агентов и как перевести базу знаний на OKF за 5 шагов.
Разбираем главную угрозу для LLM-приложений на примере уязвимости CLI-агента Gemini. Подробный разбор явных и неявных инъекций, рекомендации OpenAI и пошаговое руководство по построению эшелонированной защиты.
Снижаем расходы и получаем лучший результат методом context engineering, используя внешнюю память, сжатие контекста и кэш.
Разбираем рабочий демо-стенд loop engineering: внешний цикл находит задачу в GitHub Issues, изолирует работу в Git worktree, делегирует реализацию мейкеру и независимую проверку чекеру и доводит задачу до pull request – с валидацией по правилам и памятью в state/loop-state.md.
Практический разбор loop engineering: что это, из каких компонентов состоит, как реализуется в Codex и Claude Code, какие есть риски и как внедрять подход по шагам.
Выясняем, что такое agent harness. Разбираем изнанку современных ИИ-агентов, архитектурный тупик привычных CLI-агентов и новый опенсорс-проект Oh-My-Pi, по сути полноценную IDE с интеграцией языковых серверов LSP и runtime-отладки DAP.
Разбираемся в иерархии инструментов ИИ-агентов. Почему появление SKILL.md вызвало путаницу, как правильно распределять контекст и автоматизировать пайплайны разработки без усложнения архитектуры.