Переїхали на нову модель, почали користуватися Claude Code, але ШІ все одно «тупить» і робить не те, що ви очікуєте? Ймовірно, проблема не в моделі, а в середовищі, в якому вона працює. Marty Cagan нещодавно казав: «ШІ може допомагати PM-у на рівні хорошого ментора, якщо йому надати контекст компанії». В цій статті автор розповідає про свій шлях до середовища, яке допомагає йому.
Володимир Січка, CTO в Kitsoft, аналізує еволюцію GovTech від звичайних порталів до моделі Agentic State. Автор пояснює, чому оцифрування послуг вперлося в межу і як ШІ-агенти змінюють взаємодію з державою.
Ігор Олексієнко розповідає, що таке агентна економіка, які протоколи її формують та як вони складаються в єдиний стек. Автор зібрав основні протоколи та розклав їх по поличках — MCP для доступу до інструментів і даних, A2A та ANP для взаємодії агентів, ACP і UCP для комерції тощо.
Як мігрувати систему, якій близько 20 років, якщо вона працює на Windows XP, VB6/VBA, Excel-макросах, COM-компонентах та тісно зав’язана на AutoCAD? Роман Романів із SoftServe розповідає про legacy-модернізацію, де AI-агенти допомагали розбирати старий код, документувати форми та переносити логіку невеликими частинами.
Як врятувати AI-агента від перевантаження контекстом? Євген Герасимов, Automation QA Team Lead у Helsi, розказує, як він перейшов від перевантаженого AGENTS.md до Cascade Context Mapping — структури, де AI читає не всі правила проєкту підряд, а рухається потрібним контекстом крок за кроком.
У третій частині серії про CLI-агентів Володимир Дверницький розбирає кейс автоматизації розробки для Business Central. На прикладі створення Pull Request до репозиторію Microsoft автор показує, як делегувати рутину Claude Code, керувати контекстом, створювати власні інструменти та чому AI-агенти не скасовують ручний code review.
У своєму блозі Андрій Роговський поділився кейсом створення AI-агента для автоматизації продажів та лідогенерації в Україні. Автор детально описує процес збору датасету на 355 тисяч українських доменів, тестування гіпотез та запуск голосового меню, яке за 8 днів принесло замовнику 160 гарячих лідів.
Чутки про $100k на токени для розробника сильно перебільшені. Справжня проблема полягає в архітектурній неохайності, через яку вартість запиту ШІ-агента зростає у 1300 разів. Олексій Аяхов у своїй статті на реальних кейсах розбирає, як зупинити витік маржі за допомогою Code Mode, TurboQuant та AgentShield.
У другій частині циклу про CLI-агенти Володимир Дверницький переходить від теорії до суто практичних аспектів роботи з Claude Code. Автор детально розбирає налаштування CLAUDE.md, управління контекстом, створення вузькоспеціалізованих субагентів, власні slash-команди та автоматизацію браузера через Playwright MCP.
Звичний SDLC не працює для ШІ-агентів, адже їхня поведінка залежить не лише від коду. Python-розробник Андрій Кравець розбирає новий підхід — ADLC. Навіщо потрібні eval-харнес та golden set, і як тестувати такі системи без хайпу? Читайте у його блозі.
Чи можливо створити AI-агента для продукт-аналітики, не знаючи Python і LangChain? Юрій Панас, СТО edTech-компанії BUKI, довів, що так!
У цій статті він розповідає, як побудував молодшого помічника продукт-аналітика на PHP, використовуючи пакет Laravel AI, щоб розвантажити команду аналітиків від індивідуальних запитів менеджерів на вивантаження даних.
У новій статті Андрій Кравченко ділиться досвідом розробки AI-консультанта для сайту. Автор детально розбирає архітектуру RAG-системи та пояснює, як технічно побороти проблему зсуву контексту в довгих діалогах, коли користувач раптово змінює тему на іншу.
Salesforce Developer Даніїл Матвійчук на практиці пояснює механіку роботи Data Cloud та Agentforce. У статті автор розповідає, як саме відбувається уніфікація даних через Identity Resolution, як правильно налаштовувати автономних LLM-агентів та використовувати архітектуру Zero Copy.
Квітень відкрив еру кібербезпекових ШІ-агентів. Поки індустрія входить у фазу «агент проти агента», а frontier-моделі змагаються у роботі з візуальними даними, Європа сама себе обмежує. Про всі новини зі світу ШІ читайте в новому випуску AI News Digest від Сергія Лелеки.
Розробник Тарас Приставський чотири роки працював із ChatGPT та Codex, а потім проаналізував свої чати. У блозі він розбирає, де AI справді прискорює роботу, коли чати розсипаються, скільки ітерацій іде на виправлення, та чому відповідальність за результат усе одно залишається на людині
«Prompt Engineering — це як написати правильний лист колезі. Context Engineering — це перед тим, як він вийде на роботу, підготувати йому стіл, розкласти потрібні документи і показати, де лежать довідники». У статті Артем Порубай розбирає еволюцію від промптингу до agent engineering.
Як написати бота під закриту екосистему Signal та замінити техпідтримку для 700 військових підрозділів? Павло Шпагін ділиться архітектурою AI-агента, який з внутрішнього тулзи StabX перетворився на повноцінний продукт для 5 месенджерів та голосових дзвінків.
300 фіч, три роки розробки, нуль бізнес-документації. Євген Харчук у своєму блозі розповідає, як побудував агентний pipeline, який перетворює Jira-тікети на структуровану базу знань із бізнес-процесами, залежностями і графом для AI-агентів.
ШІ-агенти для розробників ПЗ: загроза чи все ж таки нові можливості? Як вони змінюють життя і чи можна до них пристосуватися? Чого тут більше — хайпу чи реальних змін? Над цими та іншими питаннями Олександр Левінсон розмірковує у своєму блозі.
Так само як знання DOM робить вас кращим React-розробником, так і розуміння бази AI-агентів допоможе ефективніше застосовувати їх у роботі. Юрій Гуц розбирає архітектуру агентів від теорії до коду та показує, як їх створювати власноруч без фреймворків і хмари. Якщо ви користуєтесь Claude Code чи Cursor, після цієї статті ви подивитеся на них зовсім по-новому.
Коментарі