Анализ эффективности AI-агентов в разработке

Что включено в мой AI Native проект? У всех есть свои любимые агенты, модели и настройки проектов. Я лично не могу нарадоваться на ChatGPT Codex, еще с версии GPT-5.5. Особенно он меня радовал в летнем проекте, который я писал практически на ходу в remote режиме с сотового. И я решил выяснить, почему оно так хорошо работает. Я попросил Codex Astra проанализировать историю всех сессий этого проекта, классифицировать ситуации, где желаемый результат был достигнут, а потом сделать отчет - что помогло этому? В ~/.codex/sessions нашлось 314 рабочих сессий и 187 уникальных чатов с конца июля этого года (в основном под GPT-5.5/5.6). Вот те настройки и архитектурные решения, которые Astra посчитала самыми полезными и “AI Native”: • Executable SDD - продуктовые требования в связке с быстро исполняемыми BDD спеками и возможностью гонять SQL запросы • Event-driven архитектура, которая упрощает верификацию и эксперименты • Дерево документов с progressive disclosure • Control center, возможность ходить по соседним проектам, заимствовать идеи и знания • Полуавтоматическое пополнение дерева документов информацией и поправками Скриншот запроса и ответа я добавлю в комментарии. Вы можете прогнать аналогичный запрос у себя, чтобы идентифицировать сильные и слабые стороны того, как настроен AI Code агент в проекте. А что из этого вы уже используете в своих проектах? Ваш, @llm_under_hood 🤗