ИИ-агенты в автоматизации тестирования: собираем воркфлоу из скиллов, MCP и разных LLM
Привет! На связи команда QA Automation СВОЙ Тех
Моя подборка полезных статей на habr про агентную разработку
В какой-то момент я стал для себя и своих коллег собирать статьи на habr про агентную разработку, которые с моей точки зрения были бы нам полезны. С 27.04.2026 начал это делать каждый день: просматривать все статьи в хабах ИИ, Java, Python, аналитики и тестирования. Решил сделать статью с этой подборкой, может кому будет интересно. В этой подборке только дата статьи, название и ссылка. Понял, что нужно хотя бы комментарий писать, почему я ее сохранил. Для новых статей исправлюсь. Буду благодарен, если в комментариях напишите ссылки и на другие статьи про агентную разработку, которые считаете полезными.
LLM написала, человек одобрил, никто не понял: откуда на самом деле берётся нечитаемый код
«Она написала мне идеальную документацию. Триста страниц. Теперь я не понимаю не только код, но и документацию»1. Знакомое ощущениеКод работает. Тесты проходят. А читать его невозможно. «Я бы написал это иначе» — думает каждый, кто открывал результат работы LLM-агента. Или другая сторона той же монеты: модель выдала исчерпывающий документ, в нём есть всё — а в голове после прочтения не остаётся ничего.Мы привычно называем это «низким качеством». Плохо обучили. Недотюнили. Промпт кривой. Но давайте присмотримся: качество ли это?
Клод в шестернях
Когда эксперт впервые увидел, как эта машина ведёт себя в динамике, он сказал, что без курсов по двигателям и трансмиссиям меня к такому тренажёру подпускать нельзя. Он был прав.Меня позвали перенести с Unity на Unigine тренажёр гусеничной машины: железная кабина на динамической платформе, заказчик, сроки, приёмка и эксперты, которые ездили на этой машине и помнили, как она ведёт себя в разных режимах и условиях. К середине проекта я решил, что новую физику машины проще написать с нуля, чем дальше вбивать костыли в старую модель. И да, там будет Патрик Суэйзи.
Как мы в ZeBrains перешли на агентную разработку и что из этого вышло
Всем привет, на связи команда ZeBrains. Этот текст про то, как мы перестали просто использовать ИИ и начали с ним работать по-настоящему. Про настоящие проекты, настоящие шишки и один файл, который изменил всё.Спойлер: один разработчик теперь закрывает полный цикл от ТЗ до прода. Без дизайнера, без аналитика, без DevOps. За месяц. Но путь к этому был не таким прямым, как кажется.Сначала — честно о том, где мы были
ИИ-агент двойного назначения
В наши дни каждый разработчик, наверняка, пробовал вайбкодить, а некоторые идут дальше и заводят себе целых ИИ агентов. Однако отовсюду доносятся новости о том, как какой-то AI агент удалил базу данных со всеми бэкапами. Поэтому давайте посмотрим исходных код проектов, которые так или иначе связаны с агентной разработкой.
Почему AI-агенты ломаются на длинных задачах — и как обвязка помогает им дописывать приложения
Архитектура обвязки (harness design) играет ключевую роль в производительности на переднем крае агентной разработки. В этой статье расскажу о том, как мы смогли расширить возможности Claude в проектировании фронтенда и длительной автономной разработке ПО.Последние несколько месяцев я работал над двумя взаимосвязанными задачами: научить Claude создавать качественный дизайн фронтенда и собирать полноценные приложения без вмешательства человека.
AI-агенты в разработке: как Cursor, Claude Code и агентный подход меняют работу программиста
AI-агенты — одна из самых спорных тем в разработке. Одни видят в них следующий шаг после Copilot и способ быстрее закрывать рутину. Другие — источник технического долга, проблем с безопасностью и ещё одну волну завышенных ожиданий вокруг AI.В этой статье разберём, как устроен агентный подход, как работают популярные инструменты Cursor и Claude Code и что важно знать для работы с агентами.Помогали с написанием статьи:
Ralph loop агенты, оракул и право на мутацию: как не путать execution loop с evolution loop
СодержаниеПутеводитель по паттернам (Таблица) — обзорная таксономия Ralph-агентов.Базовая терминология — разбор понятий Верификатор, Оракул и Артефакты.Паттерн №1: Same-prompt Ralph — анализ подхода Anthropic.Паттерн №2: External verifier Ralph — анализ подхода Vercel.Паттерн №3: Artifact-evolving Ralph (Huntley) — разбор оригинальной концепции.
