Как Дэвид Ондрей делает 1000 коммитов в неделю с Opus 5.5

Основатель стартапов и разработчик Дэвид Ондрей представил подробный разбор своего агентного инженерного процесса (Agentic Engineering Workflow), сформированного после 15 700 сессий и 2500 часов генерации кода с помощью ИИ . В центре его системы — переход к стопроцентной передаче написания кода искусственному интеллекту, запуск изолированных облачных сэндбоксов через созданную им платформу Cloudroom и выстраивание циклов самовосстанавливающегося и самосовершенствующегося программного обеспечения.

🛠️ Ландшафт моделей, обвязок (Harnesses) и подписок 0:40

В сфере разработки с помощью ИИ наблюдается постоянное смещение баланса сил между крупнейшими лабораториями. По мнению Дэвида Ондрея, лучшей моделью в мире на сегодняшний день является Opus 5.5 от Anthropic . Он называет её одним из самых выдающихся релизов за последние два года и активно использует её внутри обвязки Claude Code .

Конкуренцию ей составляют флагманы OpenAI:

• Astra — по оценке спикера, сейчас это лучшая модель от OpenAI с повадками масштабных архитектур .
• GPT-6.1 Soul — сильная альтернатива, однако, как считает Ондрей, OpenAI в последнее время отстаёт и нуждается в скорейшем выпуске более прорывных решений .
• Модели второго эшелона от Google, Meta и Kimi хороши для сопутствующих задач, но, по утверждению Ондрея, не дотягивают до истинного технологического рубежа («frontier») . При этом новые анонсированные модели Google, такие как Argon и Carbon, выглядят многообещающе, хотя Carbon ещё не доступна широкой публике .

Что касается обвязок (Claude Code, Hermes, OpenCode, Cursor CLI, Devin, Droid), то их архитектурная ценность стремительно падает . Дэвид ссылается на инженеров Anthropic, с которыми общался лично: они сходятся во мнении, что по мере роста «интеллекта» моделей сама интерфейсная обвязка теряет значение — сильной модели достаточно предоставить доступ к терминалу и выходу в интернет .

При выборе подписок наибольшую ценность дают планы Claude (тариф Max за $200 Ондрей считает безоговорочным лидером) . Линейку ChatGPT Pro разработчик критикует за непредсказуемость ценовой политики и тарифов (включая попытки введения планов за $500), что, по его словам, подорвало репутацию OpenAI за последний месяц . Для бюджетной разработки неплохим вариантом выступает подписка OpenCode Go за $10 .

🧠 Мышление архитектора: навыки инженера новой эпохи 4:19

В индустрии не утихают споры о том, нужно ли продолжать учиться программировать и насколько важен классический синтаксис . Позиция Дэвида Ондрея радикальна: заучивание конкретного синтаксиса Python, TypeScript или C++ больше не имеет практической ценности . Традиционные привычки специалистов с 15-летним стажем зачастую становятся тормозом в современной агентной разработке .

Вместо технической глубины в узком стеке инженер должен развивать широту архитектурного кругозора :

• Понимать фундаментальные концепции: почему Rust быстрее JavaScript, как работает безопасность памяти, чем различаются типизированные языки .
• Оперировать высокоуровневыми понятиями: компромиссы (trade-offs), кэширование (caching), наблюдаемость (observability), радиус поражения сбоя (blast radius), связанность (coupling) и связность (cohesion) .
• Понимать поведение интерфейса: за счёт чего страница обновляется мгновенно — благодаря предзагрузке (pre-loading), оптимистичному рендерингу (optimistic loading) или кэшированию .

По убеждению Ондрея, реализацию любого из этих паттернов можно поручить Opus 5.5, но человек-архитектор обязан знать о существовании этих инструментов и уметь вовремя направить агента . Изучать такие концепции с помощью диалога с нейросетью спикер называет лучшим способом повышения квалификации .

🔍 Двухуровневый код-ревью и масштабирование до 1000 коммитов в неделю 6:54

Интенсивность разработки Ондрея выросла с единичных коммитов в начале года до 100–200 отправок в продакшн ежедневно, достигнув 700–1000 коммитов в неделю , . Этот показатель стал следствием строгой системы валидации кода:

1. Принцип «одна сессия — одна задача»: сессия или тред в IDE не должны смешивать контексты. Для каждого бага, фичи или исследования заводится отдельный поток (по аналогии с Jira-тикетами) .
2. Воспроизведение вместо догадок: если задача связана с багом, агент обязан воспроизвести ошибку как реальный пользователь через симуляции или тесты, прежде чем писать код . При изменении интерфейса агент обязательно присылает скриншоты рендера до и после правок .
3. Использование навыков (Skills): для сложных сценариев используются автоматизированные цепочки. Например, скилл 4x4 задаёт автору 16 вопросов по архитектуре, UI и граничным случаям в 4 категориях . Для частых команд используются сниппеты в утилите Raycast . Скилл Risky Changes запускается автоматически при любых изменениях в ядре, предотвращая критические ошибки, способные сломать бизнес клиентов .
4. Скепсис по отношению к тестам: Ондрей утверждает, что 90% тестов, генерируемых агентами самостоятельно, бесполезны и пишутся лишь ради фиктивного прохождения пайплайна, засоряя кодовую базу . Тесты нужно требовать только точечно — когда агент раз за разом спотыкается на одной логике .
5. Кросс-модельный аудит (GPT-Review): код, написанный флагманом Anthropic (Opus 5.5), всегда валидируется флагманом конкурирующей лаборатории — OpenAI Astra или GPT-6.1 Soul, и наоборот , . Этот приём, по утверждению Дэвида, сокращает долю критических багов на 90% .
6. Тотальный мультимодельный аудит (Total Review): в редких случаях масштабных изменений запускается одновременный аудит шестью моделями (Opus, Astra, Soul, Muse, Gemini Argon, Kimi k1.5) со сведением результатов в единый дедуплицированный список , .

Ондрей предостерегает от бесконечных циклов ревью: если попросить модель найти баги в идеальном коде, она обязательно их выдумает . Поэтому найденным замечаниям присваивается оценка вероятности возникновения и степени ущерба, после чего Opus отсекает надуманные граничные сценарии с помощью фильтрующего промпта: «Это реальная проблема, которую стоит решать, или агент перемудрил?» , .

⚡ Философия 100% автономности против «полумер» 19:39

Главная ловушка для большинства разработчиков, по мнению спикера, кроется в частичной автоматизации. Ситуация, когда программист делает 50% работы руками, а 50% поручает агенту, экономит всего лишь несколько часов (сокращая рабочий день с 8 часов до 4 часов 10 минут), но принципиально ничего не меняет . Человек остаётся самым узким и медленным местом в конвейере создания продукта .

Кратный рост производительности в 10–100 раз возможен только тогда, когда ИИ пишет 100% строк кода и сам проверяет свои результаты . Дэвид подчеркивает, что в конце 2026 и в 2027 годах победителями на рынке останутся только те компании, которые превратят разработку в полностью автономные «софтверные фабрики» . Даже если агент периодически ломает продакшн, скорость последующего автоматического исправления с лихвой перекрывает эти инциденты .

⚖️ Ограниченность субагентов и миф об их эффективности 22:33

Дэвид Ондрей скептически относится к повальному увлечению субагентами, цитируя твит разработчика Макса о том, что оркестрация субагентов превратилась в «астрологию для вайб-кодеров» . Запуск десятков мелких агентов зачастую приводит к растрате лимитов токенов и пятикратному росту расходов ради двукратного ускорения .

Субагенты оправданы строго в одном случае: когда задачу можно разбить на полностью предсказуемые, изолированные и однородные параллельные потоки . Например:

• Чтение, категоризация и суммаризация 2000 PDF-документов или логов пользовательских сессий .
• В этой схеме верхнеуровневый флагманский агент (Opus 5.5) дробит пул задач и передаёт их 20–30 дешевым субагентам класса Haiku 5.5, после чего собирает структурированный ответ , .

Однако программирование нового функционала или исправление багов непредсказуемо по своей природе. Маленькая легковесная модель, отправленная чинить локальный баг, не способна осознать архитектурные связи с биллингом или базой данных, что неизбежно ведёт к катастрофе . Сложную кодовую базу должен целиком исследовать единый топовый интеллектуальный агент рубежного уровня .

☁️ Революция облачных сэндбоксов: от локальных машин к Cloudroom 26:53

Если в начале года лишь 10% коммитов создавались облачными агентами, то к концу года этот показатель в индустрии превысил 60–70% . У самого Ондрея доля облачных тредов достигла 64% и продолжает стремиться к 90–95% , .

Причины отказа от локального исполнения на собственном ноутбуке (даже топовом MacBook Pro M3 Max со 128 ГБ ОЗУ) :

• Конфликты файлов: параллельные агенты, работающие в одном основном репозитории, перезаписывают код друг друга .
• Ограничения Worktrees: деревья рабочих каталогов Git копируют весь проект, быстро забивая диск гигабайтами данных .
• Падение производительности машины: тяжелые сборки, тесты и кликающие агенты (Computer Use), открывающие вкладки браузера, вызывают лаги интерфейса и шум вентиляторов . Запустить более 50 агентов на одном компьютере технически невозможно .
• Безопасность: агенту требуется изолированный сэндбокс, чтобы вредоносный код или эксплойты не затронули локальную операционную систему владельца .

Главная претензия Ондрея к решениям вроде Cursor Cloud, Devin или Codex Cloud — их закрытый исходный код и жесткая привязка к проприетарной экосистеме (vendor lock-in) , . Они не позволяют подключать собственные токены по подпискам Claude Max или ChatGPT Pro, а при смене лидеров среди моделей (как в случае с временным выходом вперед модели Astra) пользователи оказываются в заложниках у сервиса , .

В ответ на это Ондрей создал Cloudroom (cloudroom.dev) — бесплатную агентную среду разработки с открытым исходным кодом, поддерживающую Windows, macOS и Linux , . Cloudroom предоставляет изолированные облачные контейнеры для любых моделей и обвязок, сохраняя возможность сквозного доступа агента к локальной файловой системе пользователя («Direct Cloud-to-Mac Access») , . Облачный агент может за 1 секунду развернуться в облаке и при этом посчитать размер файлов в папке Downloads на локальном MacBook , .

🔄 Агентные циклы (Agent Loops) и принцип внедрения 10/90 45:29

Построение пресловутой «софтверной фабрики» не должно начинаться с попытки автоматизировать всё сразу. Ондрей приводит в пример неудачный опыт разработчика Декса, который потратил 4 месяца на создание монолитной фабрики, но получил неработающий результат и разозлил пользователей .

Правильная стратегия — пошаговое создание маленьких автономных циклов (Agent Loops) для монотонных задач . Ондрей сравнивает это с механикой Minecraft:

• «Рубка дерева»: скучный, предсказуемый ручной труд без элемента творчества (проверка безопасности раз в 4 часа, сканирование упоминаний в соцсетях, мониторинг воронки продаж, первичная изоляция багов). Эту рутину следует автоматизировать на 100% , , .
• «Строительство собора»: высокоуровневое архитектурное проектирование, творческие решения и выбор ключевых дизайн-концепций, остающиеся за человеком , .

В личной практике Дэвида запущено 33 активных цикла, генерирующих около 2000 фоновых запусков в день, из которых 86% отрабатывают вообще без вмешательства человека .

Для безболезненного старта Ондрей создал в Cloudroom инструмент анализа истории разработки («Scan My Workflow») . Модель Opus при поддержке 31 субагента Haiku анализирует тысячи предыдущих сессий программиста, тратя менее 1% недельного лимита токенов, и формирует предложения для первых двух циклов по формуле 10/90 , :

• 10% безопасной автоматизации: в абсолютно прозрачных и изолированных случаях цикл выполняет работу и отправляет результат в прод самостоятельно .
• 90% супервизии: в сложных ситуациях агент проводит глубокое исследование, формирует черновик решения и ждёт подтверждения от инженера .

🧬 Самосовершенствующийся софт: как Cloudroom обновляет сам себя 1:08:18

Вершиной агентной инженерии Ондрей называет самосовершенствующееся программное обеспечение . В Cloudroom встроен механизм прямой обратной связи через CLI-инструмент Room CLI :

1. Пользователь или его локальный агент сталкивается с ошибкой и описывает её естественным языком .
2. Агент пользователя отправляет отчёт через API в базу данных PostgreSQL Дэвида Ондрея .
3. Ежеминутно срабатывающий цикл в воркспейсе Ондрея считывает новые записи и поднимает выделенный тред в Cloudroom с моделью Opus .
4. Агент исследует инцидент: если это спам, дубликат или проблема старой версии, он применяет скилл самоархивации (self-archive) и закрывает тред , .
5. Если баг подтверждён, агент пишет исправление, валидирует его через стороннюю фронтирную модель (GPT-6.1 Soul) и после финального одобрения человеком деплоит в продакшн .

Весь цикл от появления бага у стороннего пользователя до раскатки фикса в прод занимает менее 24–48 часов, а обновления платформы выходят по два раза в день с фиксацией в публичном чейнджлоге , .

🖥️ Локальный инференс как страховка: инвестиции в DGX Spark и приватность 1:15:44

Несмотря на активное использование облачных сервисов Anthropic и OpenAI, Дэвид настаивает на необходимости владения собственными аппаратными мощностями . «Без локального железа вы остаетесь цифровым рабом: если провайдер отключит аккаунт, вы лишитесь доступа к интеллекту», — заявляет разработчик .

Аппаратный сетап Ондрея включает:

• Два сервера NVIDIA DGX Spark (ещё два заказаны, что суммарно даст 512 ГБ объединенной видеопамяти) , .
• MacBook Pro M3 Max со 128 ГБ RAM, MacBook Air на 24 ГБ и два смартфона .
• В планах — приобретение Mac Studio на чипе M5 Ultra с 512 ГБ памяти и пропускной способностью 1,2 ТБ/с стоимостью свыше $22 000 , .

Локальные мощности необходимы для двух задач:

1. Абсолютная приватность данных: проверка медицинских карт, юридических договоров и персональных данных сотрудников проводится офлайн через развернутую на DGX Spark модель DeepSeek-V3.1 Flash, чтобы конфиденциальные сведения не утекали в датацентры крупных корпораций , .
2. Устойчивость к цензуре и геополитическим форс-мажорам: при потенциальных блокировках, регуляторных запретах экспорта токенов правительством США или банкротстве ИИ-лабораторий локальные открытые веса (Open-Weights) гарантируют непрерывность работы бизнеса , .

Ондрей подчеркивает, что ценность токенов, выдаваемых железом прошлых поколений (например, чипами A100), за последние шесть лет только росла благодаря оптимизациям квантования и архитектуры моделей , . По его мнению, баланс кроется в прагматизме: решение рядовых закрытых задач на локальных серверах и использование передовых облачных моделей для сложных инженерных прорывов .