Как нейросети автоматизируют производство

До недавнего времени ИИ-агенты в разработке работали по принципу «дай промпт (текстовую инструкцию для модели) и получи код». Проблема в том, что агент уверенно проходит проверки и так же уверенно ломает то, что трогать нельзя: публикует без согласования, удаляет данные, отправляет не тому получателю. Автор описываемого подхода начал строить «фабрику разработки» в ноябре 2024 года, а к лету 2025-го она выросла в двухэтажную архитектуру контроля, которую позже в индустрии назвали harness engineering, инженерия обвязки вокруг модели. Разбираем конкретные паттерны, которые пригодятся каждому, кто работает с ИИ-агентами в Cursor или аналогичных средах.

Что понадобится

• Cursor (редактор кода с встроенной поддержкой ИИ-агентов), доступ с марта 2025 года
• Базовое понимание мультиагентных систем (систем, где несколько ИИ-ролей работают по цепочке)
• Навык написания правил и навыков (rules and skills) внутри Cursor
• Время: первая рабочая «фабрика» собирается за несколько недель, двухэтажная архитектура формируется за месяцы реальной эксплуатации
• Готовность к тому, что каждый сбой станет поводом для доработки среды, а не для «напомню в промпте»

Пошаговая инструкция: от одной фабрики до двухэтажного harness

1. Заложите процессный каркас сразу, не прикручивайте его потом. Любая работа идёт через запрос, внутри которого живёт план. План заполняется по ходу выполнения: требования, архитектура, декомпозиция на атомарные задачи, реализация. На каждой стадии своя роль-субагент.

2. Назначьте ревьюера почти на каждую роль. Ревьюер читает спецификацию, аналитику, план и задачи до того, как работа поедет дальше. Это не формальность: именно ревьюер ловит момент, когда агент уверенно отчитывается об успехе, а на деле сломал что-то необратимое.

3. Проверьте фабрику на реальных задачах с дедлайнами. Не на демо для вебинара, а на проектах с откатами. Именно здесь станет видно, держит ли процессный каркас или рассыпается.

4. Признайте потолок одной фабрики. Как только появляется потребность в параллельных конвейерах (маркетинг, продукт, дизайн, контент), одна фабрика перестаёт справляться. Каждый конвейер живёт своей жизнью, и управлять работой между ними нечем.

5. Введите Work Item как единицу передачи работы между конвейерами. Одна единица работы, один владелец, один журнал аудита, явные подтверждения при передаче. Без этого сигнал «обновили статус» не равен команде «передай работу дальше».

Work Item:

- ID: уникальный идентификатор
- Owner: один ответственный
- Audit trail: полная цепочка действий
- Handoff: явное подтверждение при передаче между конвейерами

1. Постройте верхний уровень: единый репозиторий над всеми фабриками. Иначе контекст расползается между десятком изолированных деревьев, и ни один агент не видит целую картину.

2. Примените три привычки, которые держат систему живой:

3. Ratchet (храповик): каждый сбой превращается не в заметку «бывает», а в постоянное исправление среды. Фейл фиксируется правилом, которое не даст повторить ошибку.

4. Sensor-first (сначала датчик): инвариант (условие, которое всегда должно выполняться) сначала оформляется детектором, а не просто записывается в конфигурацию.
5. Измеримость: правило должно менять поведение агента. Если правило лежит в конфиге, но никак не влияет на результат, оно бесполезно и его нужно переделать или убрать.

Двухэтажная архитектура на практике

Верхний этаж: корневой роутер, управляющий слой (в описываемой системе 239 Work Items), слой обучения обвязки (ratchet, сенсоры, оценка правил). Нижний этаж: отдельные фабрики с собственными гейтами (контрольными точками, где агент не может двигаться дальше без проверки) и слоем инструкций.

Источник истины в этой системе не статусы задач, а Work Items. Это принципиально: статус может быть зелёным, а работа при этом сломанной. Work Item хранит полную цепочку действий и не даёт агенту «забыть», что произошло на предыдущем этапе.

Автоматизация технологических процессов и производств здесь строится не на одном промпте, а на среде: цикл, роли, гейты, реакция на ошибку, откат необратимого, передача контекста между шагами.

Что делать с этим прямо сейчас?

Авторам Дзена и копирайтерам: паттерны ratchet и sensor-first работают не только в коде. Если вы используете ИИ для генерации текстов, заведите правило: каждый раз, когда модель выдала галлюцинацию (уверенно выдуманный факт), не просто исправляйте текст, а добавляйте проверку в свой процесс. Через месяц у вас будет собственная «обвязка» для контента.

Маркетологам: двухэтажная архитектура означает, что один человек может управлять несколькими конвейерами (контент, дизайн, аналитика) с единым контролем качества. Это меняет экономику малой команды.

Предпринимателям в РФ и СНГ: Cursor доступен из России. Из российских инструментов для мультиагентных систем можно рассматривать связки на базе YandexGPT и GigaChat, хотя описанная архитектура строилась именно в Cursor. Ключевой вывод: автоматизация технологических процессов и производств через ИИ-агентов работает не благодаря модели, а благодаря среде вокруг неё. Этот принцип переносим на любой инструмент.

Главный урок из этого опыта прост и воспроизводим: не ищите идеальный промпт, стройте среду, в которой каждый сбой агента делает систему надёжнее, а не раздражительнее.