Дэвид Ондрей, потративший более 2000 часов на программирование с помощью ИИ за последние три года, представил свой актуальный стек для «агентного инжиниринга» (Agentic Engineering). В этом материале подробно разбираются инструменты, подписки и рабочие процессы, которые позволяют разработчику обходить 99% коллег по скорости и эффективности производства софта.
🖥️ Интерфейсы управления: BB и Cmux 0:12
По мнению Дэвида Ондрея, ключевой проблемой популярных приложений вроде Cursor или Codex является их закрытость: они привязывают пользователя к собственным моделям и подпискам . Чтобы максимально эффективно использовать ресурсы в 2026 году, автор перешел на BB — open-source интерфейс, объединяющий любые модели и агентов в одном окне.
Основные преимущества BB, выделенные автором:
- Универсальность: поддержка Codex, Claude Code, Pi, Cursor CLI, Open Code, Grok Build и Hermes внутри одного UI .
- Управление субагентами: возможность запускать менеджер-агента, который сам развертывает и контролирует воркер-агентов без ручного ввода промптов для каждого .
- Открытый код: BB бесплатен, его можно форкать и модифицировать под свои задачи .
Дополнительно для управления терминальными воркспейсами Ондрей использует Cmux (аналог tmux для агентов) . Он позволяет делить экран на сегменты («пейны»), запускать в каждом отдельный процесс и встроенный браузер . Однако для действительно крупных проектов Cmux может быть неудобен из-за перегруженного сайдбара, поэтому для легковесных задач автор предпочитает Ghostty в связке с Herder — минималистичным рантаймом для агентов, который не «падает» при запуске более пяти процессов одновременно .
💰 Стратегия подписок: как не переплачивать за токены 4:30
Ондрей утверждает, что оплата через API — это «худшая сделка», так как она лишена субсидий от крупных провайдеров . Он рекомендует комбинировать фиксированные подписки для получения максимального количества токенов.
Актуальная иерархия подписок по версии автора:
- Open Code Go ($10/мес): базовый уровень, дающий доступ к моделям Kimi K3, Grok 4.6, GLM 5.3 и DeepSeek V4 Pro .
- ChatGPT Code или Claude ($20/мес): необходимы для доступа к топовым моделям вроде Fable или GPT-5 .
- Cursor ($20/мес): автор считает эту подписку недооцененной, особенно в свете растущих мощностей Grok и вычислительных ресурсов Илона Маска .
Итоговая рекомендация по бюджету:
- $30: Open Code Go + ChatGPT Codex .
- $50: Добавить подписку Claude Code.
- $70: Полный набор, включая Cursor.
- $110–210: Переход на бизнес-планы, которые, по словам Ондрея, в 20 раз эффективнее за счет увеличенных лимитов .
☁️ Переход на собственные облачные агенты (VPS) 7:23
Дэвид Ондрей убежден, что будущее за облачными агентами. Локальный запуск на ноутбуке не масштабируется: компьютер быстро перегревается и теряет ресурсы, если одновременно запустить десятки тестов или агентов . Кроме того, локальные сессии прерываются при закрытии крышки ноутбука или сбое интернета .
Главным риском сторонних облачных платформ автор называет «lock-in» (зависимость от экосистемы) . Решение — собственный VPS-сервер. Ондрей использует Hostinger, так как это позволяет:
- Создавать изолированные среды с постоянными сессиями .
- Подключаться к агентам с любого устройства через SSH .
- Избежать обучения моделей провайдеров на ваших приватных данных .
Инструкция по быстрой настройке VPS через агента:
- Купить VPS (автор рекомендует план KVM 2 на Hostinger) .
- Получить root-пароль и IP.
- Использовать локального агента (например, через Cursor CLI) для настройки сервера: дать ему SSH-команду и попросить установить зависимости (Node.js, Python 3, Git, Herder) .
- Общаться с сервером на естественном языке, делегируя агенту всю настройку Linux-окружения .
🛠️ Репозиторий Skills: автоматизация рутины 26:16
Для ускорения разработки Ондрей создал и поддерживает открытый репозиторий Skills (набор промптов и инструментов для агентов).
Ключевые навыки (Skills), которые он использует ежедневно:
- Total Review: запускает параллельную проверку кода двумя разными моделями (например, GPT-4.0 и Fable 5). Это позволяет выявлять ошибки, которые пропускает одна модель .
- Ask & Build: перед написанием кода агент предлагает 3-5 архитектурных решений на выбор. Это помогает избежать накопления технического долга и принимать осознанные решения по дизайну софта .
- Deep Research: использует Deep API для веб-поиска и скрапинга данных (Twitter, GitHub). Помогает агентам находить актуальную документацию или способы решения специфических багов .
- Global Agent Guardrails: критически важный набор ограничений, запрещающий агентам удалять диск (
rm -rf), переписывать историю Git или получать доступ к менеджерам паролей .
🧠 Продвинутые тактики агентного инжиниринга 40:31
Ондрей подчеркивает, что важно не просто использовать ИИ, а понимать специализацию моделей в 2026 году.
Рекомендации по выбору моделей:
- Fable: идеальна для проектирования и создания новых проектов с нуля .
- GPT-4 Soul: лучший выбор для исправления сложных багов и написания тестов при максимальном «Reasoning Effort» .
- Grok 4.6: оптимальна для обычного чата и быстрых итераций (быстрее и дешевле аналогов) .
- Kimi K3: лидер в области фронтенд-дизайна .
Важные правила работы:
- Контроль тестов: современные модели (особенно OpenAI) склонны добавлять избыточное количество тестов даже в крошечные репозитории. Ондрей рекомендует явно запрещать агентам писать тесты, если они не являются критически необходимыми .
- Доступ к БД: никогда не давайте агентам права на запись в продакшн-базу. Автор использует роль
read-onlyдля Postgres, что позволяет агентам анализировать реальные данные пользователей для поиска багов, не рискуя целостностью данных . - ADRs (Architecture Decision Records): записывайте все ключевые архитектурные решения в папку
/docs/adr. Это создает «память» проекта, чтобы новые агенты мгновенно понимали контекст и логику предыдущих решений . - Упреждающие промпты: вместо того чтобы ждать ответа, можно отправлять сразу 5-6 сообщений вперед (план -> реализация -> ревью -> исправление), зная типичный цикл работы агента .
Дэвид Ондрей подытоживает, что секрет скорости не в одном инструменте, а в создании собственной «агентной среды» на VPS, где разработчик выступает в роли менеджера, контролирующего армию специализированных ИИ-сотрудников.
