Легаси-проекты + бесконечные токены = идеальная задача для ИИ?
За один вечер мигрировал старый бэкенд ЖКХ-системы на нормальный стек.
3 ГБ файлов, больше тысячи таблиц MySQL, обмен с 1С, личные кабинеты жильцов, счётчики, обращения, голосования, собрания, начисления и десятки миллионов строк данных.
Документации на проект почти не было, зато был сам код, структура базы, реальные данные и работающие интеграции. Всё, что система действительно умеет, уже где-то зафиксировано, нужно было только раскопать связи и воспроизвести поведение.
Старый код сам по себе оказался неплохой документацией для агента.
Не без фейлов конечно.
Агент перезапускал миграцию данных больше десяти раз?
На каждой итерации всплывали новые особенности легаси-данных. Агент уточнял схему, переделывал импорт, снова прогонял проверки. По пути находил старые баги. Например, ошибку в фильтрации, из-за которой пользователь потенциально мог увидеть чужие данные.
Через четыре часа получился новый бэкенд на Payload CMS, успешно переехали 3,5 тысячи лицевых счетов со всеми сложными связями, воспроизведён протокол обмена с 1С. Новый код покрыт тестами и документацией.
Если попытаться ретроспективно осмыслить этот проект, модель переварила задачу не благодаря тому, что всё "поняла" с первого раза.
Совсем наоборот.
Нужно было дать ей возможность ошибаться: изучать старую систему, строить гипотезы, проверять её на реальных данных, выбрасывать неудачные решения и делать следующий проход.
Когда токены практически перестают быть ограничением, такой способ работы становится очень комфортным.
Чем жёстче задача ограничена существующей реальностью и чем дешевле проверить следующую гипотезу, тем лучше она подходит агенту.