Что такое ИИ-агент на практике: бот сыграл 26 400 партий и заменил тестировщиков

Карточный рогалик «Оборот» собрала маленькая команда: пять сессий Codex (ИИ-агент OpenAI для написания кода) с отдельными зонами ответственности, оркестратор на Claude и один человек, который ставил задачи и играл вручную. Бот-балансировщик жил в зоне движка и перед каждой правкой прогонял сотни сезонов, чтобы проверить, не стала ли игра слишком лёгкой или безнадёжной. Источник, открытый борт проекта «Оборот» с историей всех правок баланса.

Зачем это нужно автору или разработчику?

Ручной плейтест, это когда живые люди садятся и проходят игру десятки раз, чтобы найти перекосы. На 28 версий за четыре дня людей не хватит физически. Бот берёт на себя количественную проверку: побеждает ли он в 30, 55 или 100 процентах случаев. Человек при этом ловит то, что бот не умеет: «положил карту не туда, она сгорела», «откуда тратится энергия, я не совсем понимаю».

Такой подход переносится на любую задачу, где нужно много однотипных проверок: тестирование сценариев рассылки, вариантов воронки, раскладок интерфейса.

Что понадобится

• Доступ к Codex (ИИ-агент OpenAI) или аналогичному инструменту для написания и правки кода
• Оркестратор, в данном случае Claude, для распределения задач между агентами
• Бот-симулятор, скрипт, который умеет прогонять вашу механику тысячи раз и считать результат
• Набор автотестов (в проекте «Оборот» к версии 0.6.3 их было 868)
• JSON или другой конфиг с параметрами баланса, чтобы менять одно число за раз
• Журнал решений: что было до правки, что стало после, как откатить
• Время: авторы «Оборота» уложились в четыре дня, но первая ночь заняла работу до 02:20

Пошаговая инструкция

1. Определите целевую метрику числом. В «Обороте» это доля побед бота: от 30 до 55 процентов за каждого руководителя. Без конкретного числа агент не знает, к чему стремиться. Для контент-задач это может быть процент открытий, кликов или дочитываний.

2. Соберите первую версию строго по дизайн-документу. Авторы так и сделали, и бот выиграл 100 процентов сезонов. Это нормально: первая сборка почти всегда перекошена, зато даёт точку отсчёта.

3. Запустите бота на прогон. С версии 0.6.2 один прогон, это 800 сезонов на каждую цель, полный раунд 26 400 партий. Чем больше прогонов, тем надёжнее статистика, но и дольше ожидание.

4. Вносите одну правку за раз. Это железное правило проекта. Одно число в JSON или одна строка движка. Если менять три параметра сразу, невозможно понять, какой из них сдвинул результат.

5. После правки запустите автотесты.

node --test

На версии 0.6.3 тестов было 868, падений ноль. Если тест упал, правку откатываете до выяснения причины.

1. Снова прогоните бота и сравните с предыдущим замером. Запишите в журнал решений: параметр до, параметр после, результат, способ отката.

2. Сделайте коммит с понятным префиксом.

engine: boss strength 30 → 90, timer 4w → 3w

1. Повторяйте цикл. Авторы «Оборота» прошли его 28 раз за четыре дня. После каждого боя игра показывала игроку тот же разбор, что видел бот: какая карта тянула процесс, какая держала очередь, какая убирала шум.

Что с этого вам прямо сейчас?

Автору Дзена. Принцип «одна правка, один замер» работает для заголовков, обложек и структуры статей. Поменяли заголовок, посмотрели на дочитывания, записали результат. ИИ-агент здесь может прогонять варианты заголовков или лидов и считать метрику вместо вас. Из доступных в РФ инструментов для генерации вариантов, YandexGPT и GigaChat.

Маркетологу. Подход масштабируется на A/B-тесты воронок и рассылок. Агент прогоняет сценарии, вы меняете один параметр и смотрите, как сдвинулась конверсия. Ключевое: журнал решений с откатом, без него через неделю вы не вспомните, почему поменяли цену.

Предпринимателю в РФ. Codex от OpenAI доступен по подписке, Claude работает через VPN или API. Для задач попроще достаточно локальных решений: скрипт на Python с циклом прогонов и любой доступной моделью. Главное не инструмент, а протокол: цель числом, одна правка, прогон, запись.

Демо «Оборота» открыто в браузере, обучение занимает пять минут, полный сезон пока в закрытой бете. Если хотите понять, как работает агентный баланс на практике, это редкий случай, когда можно пощупать руками, а не читать про «магию ИИ» в пресс-релизе.