Автор предлагает новую методологию разработки ПО с использованием нейросетевых агентов. Для эффективного применения TDD (разработки через тестирование) архитектуру приложений необходимо проектировать так, чтобы она поддерживала автоматизированный ввод. Слой ввода должен быть универсальным для синтетических и реальных данных.
Для тестирования графических интерфейсов предлагается использовать безголовый режим и синтетический ввод. Современные модели способны анализировать экранные данные, что позволяет автоматизировать проверку результатов. Тестовые пайплайны могут выполняться нейросетями в фоновом режиме, обеспечивая непрерывную валидацию кода.
База знаний для ИИ требует строгой иерархической структуры, в отличие от документации для людей. Автор рекомендует использовать файл AGENTS.md в качестве индекса, чтобы агент мог быстро находить нужные фрагменты кода и правила, не перегружая контекст лишними данными, что снижает риск галлюцинаций.
Для повышения предсказуемости работы агентов предлагается внедрить «сеть инвариантов» — набор четко сформулированных и именованных правил. Это ограничивает возможности модели нарушать архитектурные принципы. Такие правила должны быть прописаны явно, чтобы агент не мог интерпретировать их произвольно.
Автор подчеркивает важность сохранения навыков ручного программирования для развития архитектурного мышления. Нейросети могут выступать в роли тренеров: генерировать учебники, задачники и проверять результаты работы человека, помогая поддерживать профессиональную форму в условиях автоматизации рутинных задач.
