Pillar page

Разработка программного обеспечения с AI

Проверенный процесс автоматизации разработки с командой агентов AI — от анализа требований, через кодирование и тестирование (unit, integration, E2E, security, performance), до внедрения в производство с полным аудит-трейлом.

Давайте поговорим о пилотном проекте Наши услуги

В нашем распоряжении есть команда высокоспециализированных агентов AI, которые участвуют в каждом этапе цикла разработки программного обеспечения — от анализа требований, через проектирование архитектуры, кодирование и многослойное тестирование, до код-ревью, документации и внедрения с полным аудит-трейлом.

Таким образом, мы разрабатываем собственные продукты ESKOM AI — платформу многоагентную HybridCrew, систему для аудитов Compliance, микросервис KRS+CRBR и несколько интеграций. Тот же процесс мы применяем в проектах для клиентов: как при создании новых микросервисов, так и при модернизации устаревших систем.

Эта статья описывает, как это работает в практике: какие задачи берут на себя агенты, а какие остаются за человеком, какие тесты мы запускаем и почему этот процесс повторяем.

Зачем автоматизировать разработку?

Классический цикл производства программного обеспечения (анализ → код → тесты → ревью → деплой) в зрелой команде занимает обычно 2-4 недели на функцию среднего размера. Большую часть этого времени занимают повторяющиеся задачи: написание boilerplate, генерация юнит-тестов, ревью изменений, обновление документации, генерация миграций базы данных. Все это подлежит автоматизации.

Цель нашего процесса проста: две-три человека с агентами AI обеспечивают ценность, которую ранее обеспечивала команда из 8-10 человек — без выгорания, с лучшим качеством (больше тестов, лучший код-ревью, полная документация) и с сокращенным time-to-market.

Это не «AI заменит программистов». Это «программисты с AI заменят программистов без AI». Опытные инженеры остаются необходимыми — они проектируют архитектуру, принимают стратегические решения, ревьюют сложные изменения. Агенты берут на себя рутину.

Шесть этапов процесса

Пайплайн от требований до производства. Каждый этап выполняют специализированные агенты AI, а человек контролирует и утверждает ключевые решения.

Анализ требований и архитектура

Агенты AI анализируют бизнес-документацию, разговоры с клиентом (с транскрипцией), существующий код. Предлагают микросервисную архитектуру, схему базы данных, список endpointов, модель прав. Человек (CTO/архитектор) рецензирует и утверждает предложение перед кодированием.

Написание кода (TDD)

Сначала тесты, затем реализация. Бэкенд-агент пишет API в FastAPI/Express, фронтенд-агент пишет компоненты React. Каждое изменение = отдельный pull request с читаемым коммитом. Стандарты кодирования (Black, ESLint, Prettier) применяются автоматически.

Многоуровневое тестирование

Unit (pytest, Jest), интеграционное (testcontainers с настоящим PostgreSQL), E2E (Playwright), UI snapshot, безопасность (OWASP, gitleaks, bandit), производительность (k6/locust), доступность (axe). Каждый PR запускает полный пайплайн — красный тест = блокировка мерджа.

Проверка кода с помощью AI

Агент SecurityReviewer сканирует под углом OWASP Top 10, агент QualityReviewer под углом читаемости и шаблонов, агент ArchitectureReviewer под углом согласованности с остальной системой. Сомнительные места эскалируются к человеку.

Документация и CHANGELOG

Каждое изменение логики = бамп версии + запись в CHANGELOG.md в формате Keep a Changelog. Документация API (OpenAPI/Swagger) генерируется автоматически. CLAUDE.md обновляется после каждой сессии с новыми уроками.

Внедрение с Change Request

Развертывание всегда через Git (НИКОГДА без прямого scp). Сначала тестовая среда, верификация Playwright, затем производство после утверждения CR. Скрипт развертывания содержит план откатов (<5 мин) и проверки работоспособности.

Что получает компания?

Тысячи автоматических тестов

Каждый производственный проект имеет от нескольких до десятков тысяч тестов — unit, integration, E2E, security, производительность. Регрессии обнаруживаются в CI, прежде чем попасть к пользователю.

Полный аудитный след

Каждое изменение в коде, базе данных, конфигурации записывается: Git, аудитный журнал в базе, CHANGELOG, Change Request. Удовлетворяет требованиям ISO 27001, EU AI Act, GDPR.

Масштабируемость команды

Две-три человека с агентами AI обеспечивают ценность, которую ранее давала команда из 8-10 человек. Без выгорания, с лучшим качеством и быстрее.

ESKOM AI

Routing LLM выбирает подходящую модель для задачи: незначительные изменения — локальный Ollama (стоимость $0), сложная архитектура — Claude Opus. Оптимизация стоимости и качества в одном.

Повторяемость и стандарты

Каждый проект использует одни и те же стандарты: feature branch workflow, squash merge, Conventional Commits, CHANGELOG, EU AI Act, GDPR. Новый разработчик понимает структуру за 1 день.

Безопасность по умолчанию

Gitleaks на pre-commit + CI, секреты в HashiCorp Vault, приватные репозитории, SSO Keycloak, Tailscale VPN для внутренних сервисов. Ноль компромиссов на счет скорости.

Многоуровневое тестирование — основа качества

Каждое изменение в производственном коде проходит через полный конвейер тестирования. Без исключений — даже исправление опечатки в комментарии запускает CI, поскольку тестовый конвейер встроен в Git hook, а не является политическим решением разработчика.

Юнит-тесты: pytest, Jest, vitest. Проверяют отдельные функции и классы. Покрытие >80% для критического кода.
Интеграционные тесты: testcontainers с реальными экземплярами PostgreSQL, Redis, Vault. Mockи только для внешних API третьих лиц.
Тесты E2E (конец в конец): Playwright в Firefox (по умолчанию), Chrome (опционально). Симулируют полные пути пользователя: вход → действие → верификация.
Тесты UI (снимок, доступность): Playwright + axe-core. WCAG 2.0 AA в качестве базовой линии, Lighthouse 100/100/100/100 в качестве цели.
Тесты безопасности: OWASP Top 10 (semgrep, bandit, eslint-plugin-security), gitleaks (сканирование секретов на pre-commit и CI), trivy (сканирование образов Docker).
Тесты производительности: k6 или locust для тестов нагрузки, проверка p95/p99 времени ответа под нагрузкой.
Регрессионные тесты: полный набор тестов, запускаемый перед каждым производственным deployем. Каждый зарегистрированный баг становится регрессионным тестом.
Тесты smoke: минимальный набор 5-10 тестов, запускаемых после deployа на производственной среде (работает ли приложение вообще).
Тесты принятия: бизнес-тесты (Cucumber/Gherkin), подтверждающие, что требование было выполнено.

Красный тест = блокировка слияния. Без исключений. Если тест «flaky» (неустойчивый), диагностический агент анализирует причину и исправляет тест или код, но никогда не удаляет тест без решения человека.

Типовые случаи использования

Шаблоны, которые мы используем чаще всего. Каждый имеет свой набор агентов, инструментов и шаблонов. Время до получения результата измеряется неделями, а не месяцами.

Модернизация устаревшей системы

•Старое монолитное приложение (PHP/.NET, отсутствие тестов, трудное в обслуживании)
•Агенты разбивают монолит на микросервисы (инкрементный процесс, без простоев)
•Генерируют характерные тесты (захват текущего поведения) перед рефакторингом
•Миграция данных с полным аудитом и планом отката

Новый микросервис enterprise

•Спецификация на входе (Jira ticket, документ PRD, транскрипция встречи)
•Архитектура → код → тесты → ревью → deploy за 2-3 недели
•Интеграция с существующим SSO (Keycloak), аудит логом, мониторингом
•Полное соответствие EU AI Act и GDPR с первой строки кода

Интеграция систем

•Объединение ERP, CRM, KRS, Microsoft Graph, IBM, Cisco, внешние партнеры
•Агенты пишут адаптеры, сопоставления, retry/backoff, идемпотентность
•Интеграционные тесты на реальных endpointах (sandbox API)
•Мониторинг (Prometheus + Grafana) и оповещения (Sentry) подключены автоматически

Платформы multi-tenant

•Многоклиентский SaaS с полной изоляцией данных (per-tenant схема или row-level безопасность)
•Автоматизированный процесс подключения клиента (предоставление Keycloak, база, роли)
•Выставление счетов на основе SSO Billing SDK (отслеживание использования токенов, fail-open)
•Соответствие требованиям: GDPR, ISO 27001, EU AI Act готовы к аудиту

Сравнение: классическая команда vs. процесс с AI

Аспект	Классическая команда (8-10 человек)	Команда с агентами AI (2-3 человека)
Время выхода на рынок (средний фич)	2-4 недели	3-7 дней
Покрытие тестами	40-60% (если команда имеет время)	>80% по умолчанию (тесты генерируются вместе с кодом)
Проверка кода	1 человек, в среднем 30-60 минут	3 агента (безопасность, качество, архитектура) + человек при сложных изменениях
Документация	Часто неполная, «дорабатывается»	Генерируется вместе с кодом (OpenAPI, README, CHANGELOG)
Журнал аудита	История Git	Git + журнал аудита в базе + CHANGELOG + Change Request
Масштабирование	Линейное (больше людей = более высокий стоимость коммуникации)	Нелинейное (больше агентов = та же количество людей контролирует)
Соответствие требованиям (EU AI Act, GDPR, ISO 27001)	Часто внешний аудит после факта	Встроенное в процесс с первой строки кода

Самые частые вопросы

Что такое автоматизированное производство программного обеспечения с помощью ИИ?

Это процесс, в котором специализированные агенты ИИ участвуют в каждом этапе цикла производства программного обеспечения: от анализа требований, через проектирование архитектуры, кодирование, автоматические тесты (unit, integration, E2E, security, performance, regression), до обзора кода и производственного внедрения. Человек по-прежнему контролирует процесс и принимает ключевые решения, но рутинные задачи (написание кода, генерация тестов, рефакторинг, документация) выполняют агенты ИИ с соблюдением установленных стандартов качества.

В чем отличие этого процесса от классического программирования с Copilotом?

Copilot — это автозаполнение — помогает писать отдельные строки кода. Производство программного обеспечения с ИИ — это полная оркестрация: один агент планирует архитектуру, второй пишет код, третий пишет тесты, четвертый выполняет обзор кода, пятый развертывает. Каждый имеет свою специализацию, эпизодическую память (обучается на предыдущих проектах), инструменты и контекст. Эффект: значительно больший масштаб автоматизации, чем при отдельном Copilot'е, с соблюдением корпоративных стандартов (тесты, безопасность, аудиторский след).

Какие типы тестов запускает этот процесс?

Каждый из типов тестов, который применяется в зрелых командах разработчиков: модульные тесты (unit), интеграционные, end-to-end (E2E), UI (Playwright), тесты безопасности (OWASP Top 10, gitleaks), нагрузочные (load), регрессионные, smoke и acceptance. Тесты пишутся до или параллельно с кодом (TDD), и каждое изменение требует прохождения всего пайплайна.

Разве AI самостоятельно внедряет код в производство?

Не автоматически. Внедрения в производство требуют утвержденного Change Request (CR) и решения человека. Агенты AI готовят документацию изменений, запускают регрессионные тесты, генерируют скрипты deploy с планом rollback, но окончательное внедрение в производство требует согласия оператора. Это правило является намеренным — минимизирует риск непредвиденных последствий и сохраняет полный audit trail.

Разве этот процесс себя оправдывает при проектах enterprise?

Да. Мы применяем его в своих собственных продуктах, включая платформу HybridCrew (multi-agent), консультационную платформу с SSO, микросервисы с PostgreSQL, интеграции с внешними системами (KRS, MS Graph, IBM, Keycloak). Каждый проект имеет свой собственный pipeline CI/CD, среды dev/test/prod, мониторинг и журнал аудита. Процесс масштабируется от одного микросервиса до платформы с множеством контейнеров.

Как долго занимает внедрение этого процесса в нашей компании?

Зависит от контекста. Для небольшой команды (1-3 разработчиков) интеграция с существующим репозиторием и pipeline'ом CI/CD обычно занимает 2-4 недели: аудит, настройка агентов, адаптация к стандартам кодирования, обучение. Для более крупных организаций пилотные проекты (одна команда, один микросервис) длятся 6-8 недель, после чего следует постепенное расширение на другие команды.

Что насчёт безопасности исходного кода?

Репозитории клиентов никогда не передаются внешним сервисам без явного согласия. По умолчанию весь процесс (агенты AI, модели LLM, векторная база, журнал аудита) работает в инфраструктуре клиента или в приватной облаке ESKOM AI с полной изоляцией. Секреты управляются через HashiCorp Vault, код сканируется gitleaksem перед каждым коммитом, а все репозитории по умолчанию являются приватными.

Замените ли вы нашу команду разработчиков?

Нет. Опытные разработчики необходимы — они проектируют архитектуру, принимают решения, рецензируют сложные изменения, решают нетипичные проблемы. Агенты AI принимают на себя повторяющиеся и поддающиеся автоматизации задачи: написание boilerplate, генерация тестов, документация, рефакторинг, code review первого уровня. Цель: два-три человека с AI обеспечивают ценность, которую ранее предоставляла команда из 8-10 человек — без выгорания, с лучшим качеством и полным аудит-трейлом.

Сколько стоит разработка программного обеспечения с AI?

Оценка всегда индивидуальна и зависит от масштаба, модели расчета (подписка на платформу vs. отдельный проект), необходимых интеграций и того, работают ли агенты на локальных моделях LLM (Ollama на GPU клиента — более низкая операционная стоимость) или в облаке (Anthropic, OpenAI — более высокая гибкость). В пилотных проектах мы стремимся к возврату инвестиций в первом квартале после полного запуска.

Какие типичные сигналы указывают на то, что компания готова к этому процессу?

Лучшие результаты достигают команды, которые уже имеют: репозиторий под контролем версий (Git), определенные стандарты кодирования, базовый pipeline CI/CD, четко записанные требования (Jira/Linear/собственные) и культуру code review. Отсутствие одного из этих элементов не блокирует внедрение — в этом случае мы начинаем с аудита и подготовки фундамента. Наименее зрелыми являются организации без контроля версий или с производственным кодом, который никто не тестирует.

Готовы к пилотному проекту?

Мы начинаем с аудита существующего процесса и пилотного проекта на выбранном микросервисе. Первые результаты видны уже через 2-4 недели. Без обязательств по долгосрочным контрактам.

Запишитесь на разговор Посмотрите продукты