Внедряем AI в легаси-проект: пошаговый план

Что сделать со старым проектом, чтобы агент в нем нормально работал: окружение, которое он поднимает сам, весь контекст в одном месте, эталоны вместо зоопарка реализаций, правила в виде проверок, и только потом новые процессы. Плюс скиллы Мэтта Покока, которыми я пользуюсь больше всего

Главное за минуту

Первым делом агент сам разворачивает проект и записывает, как его запустить и проверить. Чтобы он работал в нескольких worktree, ему нужны свободные порты, отдельные базы и локи на прогон тестов.

Весь контекст кладут в монорепу или метарепу с единой точкой входа, а трекер и прод подключают через MCP. Контекст от этого не забьется: агент грепает и грузит только нужное.

Агент копирует то, что видит в проекте, и качество кода не оценивает. Поэтому эталонные эндпоинт, тест и юзкейс пишут руками, а популярная библиотека лучше самописа: на ней модель училась.

Любое правило переводят в проверку: типизация, линтеры, CI и архитектурный линтер. Его baseline глушит старые ошибки в легаси и не пропускает новые.

Процессы меняют ближе к концу: коммиты пишет агент, задачу он начинает со сбора контекста и плана, а после кода запускается ревью с чистым контекстом. Всю картину все равно смотрит человек.

Доклад базовый, для тех, кто только присматривается. Принципиальной разницы между гринфилдом и браунфилдом с ИИ я почти не вижу. Самое тяжелое в легаси – разобраться в кодовой базе и понять, по каким правилам она живет. Если дать агенту нормальный контекст, он изучает это так быстро, что проблема во многом уходит. Так что правила дальше универсальные, просто в легаси они болят сильнее

Главное, что внедрение ИИ – это не «подключили инструмент, и процессы стали быстрее», как было с Kubernetes. Меняться должны среда, процессы и восприятие, и это всегда самая сложная часть, потому что готовы к этому не все. Где граница, что отдать ИИ и от каких процессов отказаться, до конца не понимает никто. Некоторые компании рассказывают, что ИИ стал сам писать автотесты, и им снова понадобились ручные тестировщики для сложных кейсов. Вернулись назад, только на другом уровне.