разбор · оркестрациябалл 8.0#9 из 1047 · 2026-07-30T15:07:25+00:00
Рабочий процесс и настройка AI-навыков Мэтта Покока
Проект Matt Pocok Skills превращает хаотичный процесс генерации кода ИИ в строгий инженерный конвейер через локальные навыки, формализацию контекста и архитектурные решения. Ключ — глубокий допрос, локальный глоссарий, декомпозиция задач и независимый кодревью с параллельными агентами.
что из этого моё
Системный подход к управлению контекстом, навыками и проверкой кода позволяет строить масштабируемые AI-инженерные конвейеры с контролем качества и экономией токенов, что напрямую применимо для оркестрации и автоматизации проектов с AI.
Что забрать0/4
отметь, что применил →
Использовать локальные исполняемые навыки, внедряемые в проект через CLI, чтобы менять поведение ИИ на уровне среды разработки.
Перед генерацией кода устраивать допрос с уточняющими вопросами (Grill with Dogs) для выявления всех деталей и слепых зон.
Формализовать знания в context.md и ADR (архитектурные решения) для сохранения корпоративной памяти и экономии токенов.
Декомпозировать проект на микробилеты, размер которых помещается в контекстное окно модели, и запускать каждый билет в отдельной сессии.
карта разбора · 5 глав · 11 пунктов
главы доводят до 14:30 · дальше по ролику меток нет
01
Вайбкодинг и проблема хаоса00:01 ↗
Введение в проблему хаотичной генерации кода с помощью ИИ и её последствия.
02
Проект Matt Pocok Skills02:07 ↗
Обзор репозитория и его подхода к упорядочиванию AI-кодинга.
03
Допрос и формализация контекста05:15 ↗
Методика глубокого уточнения требований и сохранения знаний.
04
Управление контекстом и декомпозиция10:00 ↗
Как избежать переполнения контекстного окна и работать с большими проектами.
05
Независимый кодревью и дисциплина14:30 ↗
Контроль качества кода через отдельные субагенты и важность классической инженерии.
#оркестрация#агенты#архитектура#автоматизация