Как превратить LLM в команду: Агентское управление проектами для вайбкодеров
Погружаешься в хаос сессий с ИИ? Теряешь контекст, забываешь, что уже обсуждали, и в итоге всё валится?Я нашёл способ организовать работу с LLM так, будто ты руководишь настоящей командой. В статье я покажу, как выстроить процесс с агентами-менеджерами, разработчиками и тестировщиками, создать память, структуру и ритм.Это не просто фреймворк. Это операционная система для вайбкодинга.
📂 Пошаговая инструкция🤖 Реальные сценарии⚙ Open-source подход👨💻 И личный опыт, где всё развалилось - и как я это починил
Привет! Меня зовут Алик Завалищев - я руковожу технологическими проектами, внедряю AI и блокчейн в корпоративной среде, а ещё экспериментирую с тем, как сделать работу с LLM не просто удобной, а управляемой, эффективной и кайфовой.
У меня два образования - экономическое и юридическое, но уже несколько лет я создаю ИТ-продукты, автоматизирую процессы, проектирую архитектуры и погружаюсь в мир AI-агентов. Мне нравится соединять структурное мышление с гибкостью технологий.
Этот текст - выжимка из моего опыта. Без воды. С фреймворком, который реально работает.
Обзор «Агентского управления проектами» (Agentic Project Management - APM)
Этот пост - не про магию в коде и не про «интуицию», а про процесс, который реально работает. Про систему, где ИИ - это не просто ассистент, а полноценный член команды с задачами, планами и обязанностями.
Почему это важно
Если вы хоть раз сталкивались с:
- потерей контекста в длинных сессиях с LLM;
- галлюцинациями при генерации кода;
- невозможностью структурировать работу в AI IDE
...то APM может стать вашим новым стандартом.
4 кита APM:
- Стратегия: вы не просто пишете код - вы управляете процессом;
- Память: создаётся живая база знаний по ходу проекта;
- Микро-задачи: разбиваем всё на крошечные юниты для дешёвых и быстрых моделей;
- Передача контекста: когда один агент устал - приходит следующий, с полной осведомлённостью.
Как это работает (на пальцах)
1. Инициация: запускаем Менеджерского Агента
Вы открываете чат в AI IDE (Cursor, Windsurf и т.п.) и вставляете инициирующий запрос. Вот пример такого промпта:
Теперь это - ваш Менеджер. Он:
- задаёт вопросы о проекте,
- собирает цели и контекст,
- строит план с фазами, задачами и подзадачами.
На этом этапе есть два подхода:
- Вручную: вы объясняете требования проекта LLM сами, выбирая уровень детализации по своему вкусу.
- Исследование: вы просите Агента провести исследование проекта - он сам будет задавать вам стратегические вопросы, чтобы понять цели, ограничения и значимость проекта в целом. Это помогает LLM лучше выстроить структуру и дать точные рекомендации (рекомендуется).
План - это основа. Он разбивается на такие шаги, которые можно отдать даже o3 или Claude Sonnet.
Уже на этом шаге стоит контролировать Агента, чтобы он создал отдельную папку для документации проекта и сохранял туда файл с планом. Лучше всего - в формате .json, описывающий фазы, задачи и связи между ними, а также в виде .md для удобного чтения. Это создаёт основу для будущей навигации и автоматизации, особенно при смене агентов или возвращении к проекту спустя время.
В своё время, когда я только начинал использовать AI IDE, я этого не делал - просто общался с ИИ в одной длинной сессии, без структуры, без сохранения контекста. Всё шло хаотично. В какой-то момент я терял нить проекта, начинались галлюцинации (не у меня, конечно же :) ), повторения, агент забывал, что мы уже обсуждали. Мне приходилось пересказывать всё заново. Это жутко выматывало. Именно тогда я понял, что нужна система, которая будет помнить, делить, управлять - и так родился мой интерес к APM.
Динамический банк памяти: зачем он нужен
Банк памяти - это сердце APM. Он решает ключевую проблему работы с LLM: потерю контекста. Особенно в проектах, где общение с моделью занимает сотни сессий и тысячи сообщений.
Когда я впервые запустил многоагентную структуру без банка памяти, всё развалилось. Каждый агент начинал с нуля. Одни повторяли задачи других, а третьи вообще не понимали, что происходит. И тогда я понял, что нужен не просто лог, а структурированная, обновляемая, передаваемая память.
В духе Cline Memory Bank, APM предполагает, что каждый Агент:
- ведёт журнал выполнения задачи - что сделано, с какими нюансами, какие есть открытые вопросы;
- сохраняет этот журнал в общей папке банка памяти проекта;
- передаёт контекст следующим агентам не «по настроению», а по системе.
Память - это точка синхронизации между агентами. Это основа для передачи задач и контекста между сессиями. Это архив знаний, который работает, даже если вы вернётесь к проекту через месяц.
Она позволяет:
- сохранять актуальные результаты и отчёты без пересказов и постоянного сканирования кода;
- эффективно отлаживать и делегировать, не теряя фокуса;
- работать в команде ИИ-агентов, где каждый понимает, где он находится и что уже было сделано.
Благодаря банку памяти APM превращается из красивой идеи в реальную операционную систему взаимодействия с LLM.
Основной цикл: вайбкодинг по шагам
Теперь начинается настоящая магия, которую я называю вайбкодингом: вы кодите в потоке, в резонансе с ИИ, но при этом всё под контролем:
- Пользователь ставит задачу Агенту-Менеджеру: «Посмотри на весь проект и предложи, с какой задачи начать». Менеджер анализирует план и выбирает первую приоритетную задачу.
- Формулировка бизнес-требований: Агент-Менеджер просит Пользователя уточнить бизнес-цель задачи: зачем она нужна, какой результат считается успешным.
- Формулировка технического задания: Агент-Менеджер сам или с помощью другого агента формирует ТЗ: входы, выходы, ограничения, формат результата.
- Сохранение документов: Агент-Менеджер сохраняет оба документа (бизнес-требования и ТЗ) в проектной папке в формате Markdown и JSON.
- Назначение исполнителя: создаётся новая сессия с Агентом-Разработчиком, которому передаются оба документа и контекст из банка памяти.
- Работа Агентом-Разработчиком: Агент реализует задачу, шаг за шагом, в пределах своего окна контекста. Все важные решения, сложности и итоги он записывает в журнал выполнения. Не забываем ставить агенту задачу в части ведение журнала выполнения.
- Сохранение отчёта: Журнал выполнения сохраняется в Динамическом банке памяти как часть истории проекта.
- Верификация: Агент-тестировщик и Агент-Менеджер читает отчёт, сверяет результат с ТЗ и решает: задача готова или нужны правки?
- Продолжение цикла: Если задача завершена, выбирается следующая. Если нет - подключается Агент-отладчик или делается возврат к уточнению.
Почему это работает
- Потому что APM - это не просто структура, а операционная система для взаимодействия с ИИ.
- Потому что вместо того, чтобы «всё держать в голове», вы делегируете мышление - и себе, и ИИ - по ролям.
- Потому что каждый агент знает, что, зачем и как он делает, благодаря памяти, плану и точке входа.
- Потому что вы превращаете хаотичный вайбкодинг в управляемую мультиагентную коллаборацию.
- Потому что вы не сражаетесь с LLM, а выстраиваете с ним диалог на понятном ему языке: через формальные структуры, контексты и итерации. Этот процесс максимально приближен к реальности: агенты здесь - это не просто абстракции, а полноценные цифровые сотрудники, у каждого из которых своя роль, зона ответственности и отчётность.
Заключение: это только начало
Я не делаю из APM культ - это не серебряная пуля. Это просто процесс, который помогает мне структурировать взаимодействие с ИИ в реальных задачах.
Он не заменяет мышление. Но он помогает освободить голову.Он не убирает ошибки. Но делает их предсказуемыми.Он не идеален. Но он живой - и может развиваться вместе с вами.
Если вы работаете с LLM каждый день - попробуйте внедрить хотя бы часть из этого фреймворка. Создайте своего первого Менеджера. Откройте банк памяти. Дайте задачку Агенту-Разработчику. И посмотрите, как это ощущается.
APM - это не только про продуктивность. Это про контроль. Про удовольствие от процесса. Про доверие между человеком и ИИ.
И да, моя следующая цель - построить настоящую MCP (multi-agent control protocol) - систему, где каждый агент получает свою инструкцию, работает с актуальным контекстом, отчитывается в память, и всё это - без стороннего оркестратора. Банк памяти и APM уже достаточно, чтобы управлять сложными цифровыми процессами с LLM на борту.
Спасибо, что дочитали до конца.Увидимся в следующем запуске агента. 🚀
Как связаться со мной
Если вы хотите обсудить Agentic Project Management, задать вопросы или поделиться своим опытом:
- 🌐 Мой сайт: zavalishev.com
- 📬 Telegram: @zavalishevs
Я всегда рад диалогу с людьми, кто хочет делать работу с ИИ осознанной и продуктивной.