AI оркестрация в разработке ПО

За 4 часа вы:

• Освоите 3 закона AI-оркестрации — фундамент проектирования систем из нескольких агентов

• Научитесь писать эффективные промпты и сжимать контекст через доску оркестратора (экономия 60-80% токенов)

• Спроектируете собственную микро-экосистему из 3 AI-ролей с YAML-контрактами и gate'ами

• Продиагностируете 5 хаос-сценариев отказов AI-агентов: Broken .roomodes, Corrupted Role YAML, Context Bloat, Missing API Key, Gate Rejection Loop

• Развернёте MCP-сервер filesystem на своей личной ВМ и подключите к AI-агенту

• Освоите самодиагностику экосистемы — роли сами находят и чинят ошибки друг друга

• Примените 8 антипаттернов AI-оркестрации как чеклист «что НЕ делать»

✅ Что такое AI-оркестрация (вкратце)?

AI-Оркестрация — дисциплина проектирования систем, в которых несколько AI-агентов координированно выполняют сложную задачу, превышающую возможности одного агента.

Один AI = музыкант. Несколько AI = оркестр. Оркестратор = дирижёр. Контракты = партитура. ✨ Результат = симфония.

Для разработчика и аналитика важно не администрирование моделей, а понимание: как агенты взаимодействуют, где ломаются, как диагностировать сбой и как спроектировать систему, устойчивую к отказам.

✅ Для кого

Fullstack-разработчики, системные аналитики, DevOps-инженеры, архитекторы/тимлиды, технические PM — все, кто:

• Хочет автоматизировать рутину AI-агентами и встроить оркестрацию в проекты

• Стремится понимать, как оркестрация встраивается в архитектуру

• Хочет освоить CI/CD с AI-агентами, мониторинг и диагностику сбоев

• Принимает решения по архитектуре AI-систем и оценивает риски AI-проектов

Не нужно: быть ML-инженером или администратором LLM.

Нужно: Python на базовом уровне, опыт работы с LLM (ChatGPT/Cursor), VS Code (Zoo Code — форк Roo Code).

✅ Программа мероприятия (6 блоков, 4 часа)

Блок 1: Введение — мотивация, словарь, установка Zoo Code (20 мин)

Три закона AI-оркестрации: Каждый агент ЗАМЕНЯЕМ. Контракт ВАЖНЕЕ реализации. Отказ — это НОРМА. Установка Zoo Code (форк Roo Code, совместимость с .roomodes) и настройка DeepSeek API. Базовый словарь — 8 терминов.

Блок 2: Промпты и контекст — принципы, антипаттерны, сжатие через доску (35 мин)

Как строить эффективные промпты: Role Definition → Tools → Capabilities → Rules. Антипаттерны: «Мега-промпт», «Глухой телефон», «Всё в контекст». Ключевой паттерн: агенты сами сжимают контекст и пишут резюме на доску .board.md — экономия 60-80% токенов.

Блок 3: Роли и скиллы — проектирование, контракты, взаимодействие (40 мин) — live-only

Архитектура: Role vs Mode vs Skill. Иерархия: Skill ⊂ Mode ⊂ Role. Практика: проектирование микро-экосистемы из 3 YAML-ролей с контрактами (вход/выход/gate).

Блок 4: Оркестрация + Chaos Engineering (50 мин) — ключевой блок!

5 хаос-сценариев отказов AI-агентов. Алгоритм диагностики: 5 шагов за 5 минут. Словарь ошибок — 8 статусов. Fallback-стратегии: план «Б» для каждого риска.

Блок 5: MCP, RAG и самодиагностика экосистемы (30 мин) — live-only

MCP (Model Context Protocol): архитектура Host→Client→Server. Практика: каждый участник разворачивает MCP-сервер filesystem на своей ВМ через make mcp-deploy-filesystem. Самодиагностика: роли сами находят и чинят ошибки друг друга.

Блок 6: Итоги — антипаттерны, чеклист, Q&A (25 мин) — live-only

8 антипаттернов: «Мега-промпт», «Глухой телефон», «Бесконечный цикл», «Золотой молоток», «Чёрный ящик», «Слепое доверие», «Всё в контекст», «Один поставщик». Real-world lesson: от 39 агентов к 3 плагинам — 3000+ часов в Claude Code.

Ключевой блок! Chaos Engineering для AI — 5 сценариев отказов, которые вы диагностируете и чините в реальном времени.

• Broken .roomodes — битый конфиг агентов проекта → агент не запускается

• Corrupted Role YAML — сломан контракт роли → агент не может выполнить задачу

• Context Bloat — доска переполнена мусором → агент «забывает» начало

• Missing API Key — ключ DeepSeek затёрт → ошибка аутентификации

• Gate Rejection Loop — Critic отклоняет бесконечно → confidence plateau

✅ Вы уйдёте с результатами

Компетенции, которые вы прокачаете:

✓ Проектирование AI-ролевой архитектуры — от идеи до YAML-контрактов и gate'ов

✓ Написание эффективных промптов и сжатие контекста через доску оркестратора (экономия 60-80% токенов)

✓ Диагностика отказов AI-агентов по алгоритму: 5 шагов за 5 минут

✓ Развёртывание MCP-сервера на своей ВМ и подключение к AI-агенту

✓ Самодиагностика экосистемы — роли сами находят и чинят ошибки друг друга

✓ Применение чеклиста из 8 антипаттернов как превентивной меры

Что получите «на руки»:

✓ Личная VM — make up запускает окружение с DeepSeek API и 3 агентами

✓ Методические материалы — 6 metod-файлов + 6 слайд-колод Marp + словарь ошибок AI-агентов

✓ 5 хаос-сценариев с bash-скриптами + make chaos-random для самостоятельной практики

✓ Шпаргалка: Makefile-команды + словарь + алгоритм диагностики + 8 антипаттернов + fallback-стратегии

✓ Спроектированная микро-экосистема — 3 YAML-роли для вашей задачи

✓ MCP-сервер filesystem, развёрнутый на вашей ВМ

✓ Сертификат о прохождении лабораторной работы

✅ Чем эта лабораторная отличается

✓ Автор — создатель экосистемы. Андрей Чуян спроектировал и ежедневно использует ROLES-экосистему (3 экосистемы, 15+ ролей)

✓ Chaos Engineering для AI. Никакая другая русскоязычная лаба не даёт 5 хаос-сценариев отказов AI-агентов + fallback-стратегии

✓ MCP-практика на личной ВМ. Вы не просто смотрите демо — вы разворачиваете MCP-сервер сами

✓ Makefile как пульт управления: make up, make chaos1-5, make diagnose, make fix-all, make mcp-deploy-filesystem

✓ Полный цикл: проектирование → запуск → диагностика → MCP/RAG → самодиагностика → антипаттерны

✓ Production-кейсы из первых рук: гибридная AI-система, DebugSkills (15+ ролей) и 3000+ часов в Claude Code

✓ FPF-методология + TDD. Проверенная методология Function-Performance-Feedback в основе каждого блока. TDD-подход: сначала хаос-сценарий (тест), потом диагностика и исправление — измеримый результат на каждом шаге.

✅ Предпосылки и формат

Требования к участникам:

• Базовое понимание Python (функции, классы, импорты)

• Опыт работы с LLM (ChatGPT, Cursor или аналоги)

• Опыт работы с VS Code (или аналогичной IDE)

Формат проведения:

• Онлайн, длительность 4 часа (6 блоков по 20-50 минут + перерывы)

• Личная VM участника: каждый работает на своей машине, разворачивает MCP-сервер самостоятельно

• Zoo Code (форк Roo Code) + DeepSeek API — всё запускается через Makefile (~21 команда + 15 скриптов)

✅ Дальнейший маршрут развития

После этой лабораторной рекомендуем:

• Лабораторная «Docker для начинающих» (Максим Тачков) — базовая инфраструктура: контейнеризация, сети, диагностика. Makefile-подход как в AI-оркестрации.

• Лабораторная «Мониторинг с Prometheus и Grafana» (Андрей Чуян) — сбор метрик, дашборды, алертинг. Диагностика AI-агентов и диагностика инфраструктуры — общие паттерны.

• Лабораторная «Apache Kafka: event-driven архитектура» (Сергей Булатов) — топики, партиции, consumer groups. Обмен сообщениями между агентами и event-driven — общий архитектурный фундамент.

• Интенсив «AI-трек Полный Стек» — полный цикл от вайбкодинга до проектирования AI-систем

Даты проведения:

• Ближайшая дата: 19 июля 10:00 - 14:00 МСК

Что получают участники:

• [x] Запись лабораторной работы

• [x] Презентация Marp (6 слайд-колод) и методические материалы (6 metod-файлов)

• [x] Готовый Makefile (~21 команда) и 15 bash-скриптов

• [x] 5 хаос-сценариев с bash-скриптами + make chaos-random

• [x] Шпаргалка: словарь ошибок (8 статусов), команды Makefile, алгоритм диагностики, 8 антипаттернов, fallback-стратегии

• [x] Итоговый чеклист AI-оркестратора (7 вопросов к вашей AI-системе)

• [x] MCP-сервер filesystem, развёрнутый на вашей личной ВМ

• [x] Примеры ролей (agent-architect/code/critic — 3 YAML-роли с контрактами)

Поддержка после мероприятия:

• [x] Закрытый чат для участников в Telegram

• [x] Ответы на вопросы в течение 14 дней

• [x] Дополнительные материалы по AI-оркестрации

Ведущий: Андрей Чуян

• Экспертиза: AI-оркестрация (RooCode/ZooCode, MCP, Refinement Loop), архитектура инфраструктуры (K8s, Prometheus, Grafana)

• Создатель ROLES-экосистемы: 3 экосистемы, 15+ ролей, production-опыт в DebugSkills

• Кандидат педагогических наук, основатель сообщества «Полный Стек» (DebugSkills)

• Автор production-кейса гибридной AI-системы с 6-слойной архитектурой

• Спикер конференций по AI-оркестрации, автор лабораторных работ и статей на Habr