Написать в Telegram

Codex и Cursor: как собрать команду ИИ-агентов, которые сами пишут и проверяют код. Пошагово

Содержание
  1. Что получится в итоге
  2. Шаг 1. Разделите работу между Codex и Cursor
  3. Шаг 2. Настройте Codex для работы с интерфейсом
  4. Шаг 3. Подключите облачных агентов Cursor
  5. Шаг 4. Добавьте набор навыков Pstack
  6. Шаг 5. Научите агентов проверять свою работу
  7. Шаг 6. Закрепите за каждой частью продукта бота
  8. Шаг 7. Пишите задачу как тикет для младшего инженера
  9. Шаг 8. Подключите агентов вокруг продукта
  10. Если вы работаете из России
  11. Что важно знать до старта
  12. Что дальше

Кодинг-агент быстро пишет код, но потом человек сидит и проверяет за ним: открывает сайт, кликает по кнопкам, ищет, что сломалось. Скорость писать выросла, а скорость проверять осталась прежней. Именно проверка съедает выигрыш.

Есть подход, который убирает это узкое место. Агентов делят по ролям: один работает локально над деталями, другие в облаке сами запускают приложение и доказывают, что фича работает. А за каждой частью продукта закреплён свой бот, который помнит, как она устроена. Так работает небольшая команда из двух человек, которая постоянно выпускает новые функции.

Разберём по шагам, как это собрано. Для примера возьмём веб-приложение для маркетинга в соцсетях, которое делают два человека: один основной разработчик, второй в основном маркетолог.

Что получится в итоге

Рабочая схема из трёх уровней:

  • Локальный агент. Codex на вашем компьютере: правки интерфейса, мелкие доработки, всё, где нужны быстрые итерации.
  • Облачные агенты. Cursor запускает агента в отдельной виртуальной машине. Тот пишет код, сам открывает приложение и проверяет изменения.
  • Боты-владельцы. Каждая часть продукта закреплена за ботом в Grok Bot. Вы ставите ему задачу, он запускает облачного агента, принимает работу и обновляет свою базу знаний.

Сразу про цену: в примере разработчик платит по 200 долларов в месяц и за Codex, и за Cursor. Схема не для экономии, а для максимальной скорости.

Шаг 1. Разделите работу между Codex и Cursor

Правило простое. Всё, что делается на своём ноутбуке с локальным агентом, идёт через Codex. Cursor нужен в основном для облачных агентов.

Почему именно так. По опыту из примера, десктопное приложение Codex самое быстрое: оно не тормозит, даже когда открыто несколько рабочих деревьев одновременно. В Cursor при большом числе локальных агентов на рабочих деревьях приложение начинало лагать. Плюс мелкие удобства, которые накапливаются.

Одно из них: встроенный браузер. В Codex его открывают через меню рядом со вкладкой просмотра: там есть пункты Terminal, Side chat, Browser и Files.

Меню панели Codex: Terminal, Side chat, Browser и Files для встроенного браузера
Меню панели Codex: Terminal, Side chat, Browser и Files для встроенного браузера

Шаг 2. Настройте Codex для работы с интерфейсом

Допустим, локально запущено ваше приложение, и нужно проверить, как оно выглядит на разных экранах. Можно двигать границу панели вручную. Но при развороте браузера на весь экран чат с историей сворачивается в маленькую плашку внизу, и контекст пропадает.

В Codex для этого есть переключатель панели устройств. Он показывает список разрешений: от iPhone SE и Pixel 8 до iPad, ноутбука и 4K. Вы выбираете устройство, а история чата остаётся рядом.

Панель устройств в браузере Codex: список разрешений, чат остаётся слева
Панель устройств в браузере Codex: список разрешений, чат остаётся слева

Для фронтенда есть и инструмент аннотаций. По оценке из примера, он быстрее и отзывчивее аналога в Cursor, а для правок вида «сдвинуть на несколько пикселей» скорость итераций важна. Поэтому тонкую работу с интерфейсом оставляют Codex.

Шаг 3. Подключите облачных агентов Cursor

Облачный агент в Cursor работает не на вашем компьютере. У него своя виртуальная машина с полноценным рабочим столом. Можно открыть этот рабочий стол, запустить браузер и делать там что угодно, как на обычном компьютере. Агент делает то же самое: запускает приложение и пробует его в деле.

В списке чатов Cursor видны облачные задачи, у каждой своя ветка. На примере ниже агент изменил файл навыка, проверки на коммите прошли, а PR влит. Справа открыт список изменений.

Облачный агент в Cursor: PR влит, справа файл навыка с изменениями
Облачный агент в Cursor: PR влит, справа файл навыка с изменениями

Шаг 4. Добавьте набор навыков Pstack

Облачным агентам нужны правила работы. В примере для этого используют Pstack: публичный набор навыков одного инженера из команды Grok Bot. Он сделан под Cursor. Это не отдельная программа, а папка со скиллами: в репозитории рядом лежат .cursor-plugin, agents, automations, docs и skills.

Репозиторий Pstack: папки .cursor-plugin, agents, automations, docs и skills
Репозиторий Pstack: папки .cursor-plugin, agents, automations, docs и skills

Внутри skills много небольших принципов, например «чини первопричины», «докажи, что это работает», «сначала опыт пользователя». Их можно читать как готовые инструкции для агента.

Список навыков Pstack: принципы вроде fix-root-causes и prove-it-works
Список навыков Pstack: принципы вроде fix-root-causes и prove-it-works

Два главных свойства набора:

  • Несколько моделей планируют вместе. Cursor позволяет подключить разные модели. Каждая предлагает свой план реализации фичи, затем судья-оркестратор сводит планы в один. Идея из недавних работ ИИ-лабораторий: набор недорогих моделей с разными подходами, объединённый сильной моделью-судьёй, даёт качество уровня дорогих моделей за меньшие деньги.
  • Код пишут дешёвые модели. Когда план готов, реализацию выполняют более дешёвые модели. Дорогая модель для самого набора строк не нужна.

Вы не обязаны брать именно Pstack. Подойдёт любой набор навыков, главное, чтобы в нём были планирование и проверка.

Шаг 5. Научите агентов проверять свою работу

Это самый ценный шаг. Раньше агент писал код и считал, что тот работает. Проверка оставалась на человеке. Теперь облачный агент сам воспроизводит сценарий в виртуальной машине и доказывает результат.

Устроено так. Когда агент проверяет фичу, он оформляет порядок проверки в навык. Для этого в наборе есть два навыка: создание навыка проверки и его поддержка. В следующий раз другой агент возьмёт готовую инструкцию и не будет придумывать всё заново.

В примере такие навыки лежат прямо в репозитории приложения, в папке .agents/skills. Для каждой части свой навык: проверка веб-части, облачного рендера, отправки писем, подключения TikTok. Внутри есть файл SKILL.md, папки bin, features и artifacts, а в features по одному файлу на сценарий: вход по коду из письма, оплата, папки медиатеки.

Навык проверки веб-части в репозитории: SKILL.md и по файлу на каждый сценарий
Навык проверки веб-части в репозитории: SKILL.md и по файлу на каждый сценарий

Результат агент показывает наглядно. Облачный агент Cursor записывает ход своей работы и делает скриншоты приложения как подтверждение. Читать код после этого можно по желанию: если нужно проверить, что он соответствует вашим стандартам и архитектурным решениям.

В начале такой подход работает медленно, потому что навыков ещё нет. Потом они накапливаются, и агентам можно доверять больше. Вывод из примера: вложения в навыки проверки важнее всего остального в такой схеме.

Шаг 6. Закрепите за каждой частью продукта бота

Теперь уровень выше. В Grok Bot для каждой функции приложения создан свой бот: студия контента, слежение за аккаунтами конкурентов, аналитика, помощник по контенту, календарь публикаций. Каждый из них исследовал код своей части, поработал с ней как пользователь и собрал базу знаний. Это что-то вроде старшего инженера, который отвечает за свой участок.

Для кода есть тонкость, которая делает схему рабочей: Grok Bot запускает облачных агентов прямо в Cursor. Бот выступает не просто инструментом, а коллегой, которому вы ставите задачу.

Список ботов-владельцев функций в Grok Bot и отчёт по задаче с кнопкой Open in Cursor
Список ботов-владельцев функций в Grok Bot и отчёт по задаче с кнопкой Open in Cursor

Допустим, в студии контента нашёлся баг. Пользователь выбирает модель для чата и модель для изображений. Но когда окно чата сжимается, видна только модель чата. Задачу ставят боту этой функции обычным текстом, со скриншотами. Вот её смысл в пересказе:

В студии контента пользователь выбирает модель чата и модель изображений. После первого черновика окно чата сужается, и выбор модели изображений пропадает. Запусти облачного агента и исправь это так, чтобы обе модели можно было менять. Сначала пусть он предложит 2-3 варианта интерфейса по скриншотам. Я выберу один, и тогда реализуешь его.

Бот отвечает, что сначала делает только варианты, без кода. Затем присылает пакет: причину, ссылку на PR и макеты трёх вариантов. Вопрос «какую раскладку делать» остаётся человеку.

Ответ бота: сначала варианты интерфейса без кода, затем карточка задачи с PR
Ответ бота: сначала варианты интерфейса без кода, затем карточка задачи с PR

После каждого влитого PR боту дают две инструкции:

  • Обновить знания. Посмотреть изменения и поправить свою базу знаний о том, как работает эта часть продукта.
  • Поддержать навыки проверки. Создать или обновить навыки проверки для этой части, чтобы следующий агент знал, как её тестировать.

Так бот со временем умнеет: чем больше PR он принял, тем больше у него знаний и навыков проверки.

Есть и идея на будущее: если фича задевает сразу несколько частей, создать групповой чат из нескольких ботов, чтобы они проверяли работу друг друга и обсуждали решение. В примере это пока не сделано.

Шаг 7. Пишите задачу как тикет для младшего инженера

В такой схеме инженерная работа сдвигается в начало. Вы описываете задачу так подробно, как тикет для джуниора: что менять, какие части затронуть, какие сценарии должны пройти проверку и какие ещё сценарии проверить, чтобы ничего не сломалось.

В примере на хорошую постановку уходит 10-15 минут. Зато потом при сильных навыках проверки задача выполняется почти сама: агент делает, проверяет, ревьюит код, а вам остаётся быстро посмотреть и принять или вернуть с замечаниями.

Шаг 8. Подключите агентов вокруг продукта

Та же логика работает не только для кода. В примере два дополнительных бота.

  • Бот поддержки. Следит за отдельным почтовым ящиком поддержки. Если ситуация описана в его инструкциях, решает сам. Если нет, зовёт двух основателей. Когда те решили вопрос, инструкции бота обновляют, и в следующий раз он справится сам.
  • Бот разбора ошибок. Работает круглосуточно. Ошибки приходят из PostHog, бот определяет, к какой части продукта они относятся, и передаёт ботам-владельцам. Если никому не подходит, чинит сам.

Отчёты по исправлению единообразные: исходная ошибка, как работает исправление и доказательство. Рядом ссылка на PR. В примере PR остаются несмерженными и ждут одобрения.

Бот разбора ошибок: отчёт из трёх частей и PR, который ждёт одобрения
Бот разбора ошибок: отчёт из трёх частей и PR, который ждёт одобрения

Слияние без человека разрешено только в одном случае: ошибка срочная и затрагивает почти всех пользователей, а не одного. Это даётся редко. Доверие к боту держится на навыках проверки.

Если вы работаете из России

Codex, Cursor и Grok Bot это сервисы зарубежных компаний. Доступ к ним из России и оплата зависят от региона и могут измениться, поэтому строить на них единственный процесс рискованно.

Сама схема от них не зависит. Она состоит из понятных частей, которые можно собрать на доступных инструментах:

  • Навыки проверки. Это обычные файлы с инструкциями в репозитории: SKILL.md и по файлу на сценарий. Они работают с любым агентом, который умеет читать такие навыки.
  • Агенты и модели. Вместо облачных можно взять открытые кодинг-агенты, запущенные на своём сервере, с открытыми моделями, например Qwen, или с российскими моделями, если они подходят по качеству. Для проверки в браузере агенту нужна виртуальная машина или контейнер с рабочим столом: заводите её сами.
  • Боты-владельцы. Идея повторяется любым оркестратором задач: отдельный агент на участок, его база знаний в репозитории, правило «после слияния обнови знания».

Качество на более слабых моделях может быть ниже, а на настройку уйдёт больше времени.

Что важно знать до старта

  • Дорого. В примере по 200 долларов в месяц за каждый из двух тарифов.
  • Сначала будет медленно. Пока нет навыков проверки, облачные агенты работают небыстро. Выигрыш приходит, когда навыки накопятся.
  • Ошибки будут. Как и у обычной команды. Схема из примера не готовый стандарт, а то, что работает у конкретной небольшой команды.
  • Тонкость с доверием. Чем меньше вы читаете код, тем жёстче должны быть навыки проверки и стандарты кода. Без них доверять агентам нельзя.
  • Ограничьте право слияния. Разрешайте боту вливать код без вас только в самых срочных случаях, остальное оставляйте на одобрение.
  • Данные клиентов. Переписку поддержки с персональными данными нельзя показывать без нужды и бездумно выдавать агентам. Заранее решите, какие данные боту вообще доступны.

Что дальше

Главное в этой схеме не конкретные сервисы, а порядок действий. Сначала навыки проверки, потом доверие, потом ослабление контроля. Начните с одного: возьмите самую частую задачу в вашем продукте и опишите агенту, как проверить, что она выполнена. Потом добавьте второй сценарий.

Мы в Агентехе учим сотрудников выстраивать такие процессы: ставить агентам задачи, описывать проверки и решать, где человек обязательно остаётся в цепочке. Как устроено обучение.

Написать в Telegram