От багов к итерациям: как развивается мой ИИ-канбан

В августе я рассказывал, как Гермес забирает баги из Planka, исправляет код и отправляет результат на тест. Тогда для кодинга использовал DeepSeek через OpenRouter, а локальная модель была только в планах.

С тех пор кое-что поменялось. Теперь модель работает локально, а через канбан я гоняю не только баги, но и целые итерации разработки.

Вообще я всё превращаю в проекты. Дайте мне задачу на пять минут, и через полчаса у неё будет роадмап, бэклог и несколько этапов согласований. Такая вот профдеформация.

Поэтому у ИИ-агентов, конечно, тоже есть канбан.

Схема такая.

Я обсуждаю итерацию с облачной моделью. Она декомпозирует задачи на карточки и складывает их в колонку «Готово для агента».

Дальше один раз говорю локальному агенту: «Задачи готовы, иди забирай».

Кулеры раскручиваются, в помещении становится немного теплее. Агент оживает.

Сам забирает карточки с доски, пишет код, коммитит изменения, пушит на тест. В карточках оставляет ссылки на коммиты и комментарии о проделанной работе.

Готовые задачи отправляет в приёмку. Если что-то непонятно или не получается — оставляет вопрос и возвращает карточку в колонку «Нужен человек».

И так по кругу, пока не закончится очередь задач или не потребуется моё вмешательство.

Дальше приёмка: проверяю результат сам или отдаю QA.

Под капотом у каждого проекта своё рабочее пространство и общий сервисный репозиторий "platform" с инструментами для Git и Planka. Обе модели имеют доступ к этому окружению и умеют работать с доской и кодом.

Главный профит — я не работаю диспетчером для ИИ. Не нужно выдавать каждую следующую задачу вручную и заново объяснять контекст. Достаточно подготовить итерацию и дать старт.

Всё срочное и внеплановое делаю напрямую через Codex, без канбана. Вот там я пока ещё жалкий диспетчер.

Но и до этого руки дойдут.

А у вас как устроена работа с агентами? Сами разбирают очередь или приходится выдавать задачи по одной? Интересно подсмотреть чужие решения.