Построили продукт целиком — от доменной архитектуры до продакшена с оплатой: система превращает описание проекта в проверяемый инженерный план и связывает его с фактической разработкой в репозитории.
Задача
Планирование IT-проектов держится на опыте конкретного менеджера: один PM декомпозирует проект на 40 задач и видит зависимости, другой — на 12 и пропускает половину работ. Результат непредсказуем, а к моменту, когда просчёт всплывает, разработка уже идёт. Клиент пришёл с идеей продукта, который превращает описание проекта в проверяемый инженерный план, — и его нужно было построить целиком, вплоть до оплаты и юридических страниц.
Решение
Собрали платформу вокруг двух вещей: качества декомпозиции и доверия к отправке кода в модель:
- AI-декомпозиция «Эпик → Фича → Задача → Подзадача» с оценками и критериями приёмки; повторный запуск добавляет недостающее, а не дубликаты
- Промты — часть проекта, а не константа в коде: пользователь заводит свои и подмешивает их в контекст
- Долгие запросы в очереди Horizon с опросом статуса, кэш по хешу промпта целиком, предпросмотр перед импортом
- Чтение репозитория агентным циклом: модель сама вызывает list_tree, search_code и read_file и собирает конспект для декомпозиции
- Статусы задач обновляются по коммитам и pull request’ам через вебхуки, а почасовая синхронизация страхует от потерянных доставок
- Безопасность отправки кода: явное согласие, трёхуровневый фильтр путей внутри инструментов, вымарывание секретов, защита от prompt injection и трейс каждого обращения
- Учёт расходов на AI по каждому запросу: провайдер, модель, токены, время и стоимость
- Канбан с drag-and-drop, спринты, чеклисты, вложения и история изменений
- Мультитенантность: изоляция организаций глобальным скоупом, RBAC, приглашения по токену, impersonation для поддержки
Как это выглядит
Результат
Расскажите о задаче — обсудим формат и сроки.
проект →