Автоматизированная разработка с помощью агента Go
Ключевые тезисы:
Go (Goal-Oriented Agent) — новая функция, где агент работает самостоятельно до полного выполнения поставленной задачи.
Можно получить прототип продукта за 1-1.5 часа без написания кода вручную.
Ключ к успеху — правильная подготовка: наличие адаптированного под архитектуру плана.
Процесс итеративен: прототип → проверка → доработка на основе живого интерфейса.
Как работает команда Go (Goal)
Обычная разработка с агентом:
- Вы пишете промт → агент делает один шаг → останавливается и ждёт следующей инструкции.
- Вы постоянно вовлечены в процесс.
Разработка с командой Go:
- Вы описываете конечный результат (цель).
- Агент работает самостоятельно, пока ваше условие не будет выполнено.
- Остановка происходит по вашему критерию, а не по оценке агента.
Пример промта для Go:
"Все 40 задач из roadmap выполнены и отмечены галочкой. Главная страница открывается в браузере или остановись после шестидесяти итераций."
Важно: Последнее условие — страховка от бесконечного цикла и бесполезного расхода токенов.
Подготовка: Ключевой этап перед запуском Go
Прежде чем давать агенту большую задачу, нужен план, адаптированный под конкретную архитектуру.
Проблема без адаптации: Агент будет "изобретать велосипед" — писать код для того, что уже есть в проекте.
Решение (на примере фреймворка Laravel):
- Используйте готовый фреймворк/шаблон (например, Laravel с предустановленными модулями: авторизация, биллинг, очереди).
- Дайте агенту промт: "Вот общий план (TЗ), вот документация фреймворка. Адаптируй план под эту архитектуру: убери задачи, которые фреймворк уже решает, оставь только то, что нужно написать под наш функционал".
- На выходе получите конкретный план (например, из 40 задач): "Создать миграцию, написать контроллер, создать шаблон" и т.д.
Процесс работы агента Go
После запуска команды:
- Агент читает roadmap и инструкции по архитектуре.
- Самостоятельно распределяет задачи между несколькими "под-агентами" и запускает их параллельно.
- Отслеживает и исправляет возникающие ошибки (например, с записью файлов).
- После каждой задачи отдельная модель проверяет, выполнено ли конечное условие. Если нет — работа продолжается автоматически.
- В конце отмечает выполненные задачи.
Роль человека: Руководитель. Поставил задачу → ушёл → вернулся → проверил результат.
Результат и дальнейшие шаги
Что получилось за ~1 час:
- Каркас приложения для автоматической нарезки видео в посты.
- Рабочие разделы: список видео со статусами, сгенерированные посты под разные платформы (Telegram, TikTok), раздел клиентов с настройками стиля.
Это не готовый продукт, а прототип:
- Картинки — заглушки.
- Интеграция с AI-моделями — не подключена.
- Логика загрузки видео требует доработки.
- Качество промтов для генерации нужно улучшать.
Главный вывод и преимущество подхода
Смысл в итеративности и скорости создания "материальной" основы:
- Без рабочего прототипа планирование ведётся "вслепую".
- С живым интерфейсом перед глазами сразу видно: что работает, что нет, где какая логика нужна, что исправить или добавить.
Итоговый workflow:
- 15 мин — создание общего ТЗ/плана.
- 1 час — получение первого прототипа командой Go.
- Дальнейшие итерации — находим ошибки (например, "страница не открывается"), копируем их агенту с промтом "Исправь" → проверяем.
- Составляем большой список доработок и снова запускаем в режиме Go.
Итог: За 2-3 рабочих дня или неделю можно получить продукт, готовый к первым пользователям, не написав ни строчки кода вручную.