В статье Bassim Eledath подробно рассматривается развитие навыков использования искусственного интеллекта в программировании через призму 8 уровней agentic engineering — от простого автозаполнения кода до организации автономных команд агентов.

Первые уровни (1 и 2) связаны с привычным автодополнением, как в Copilot, и интегрированными AI-редакторами, например Cursor. Ограничением здесь была контекстная осведомленность модели — она либо не видела всей нужной информации, либо перегружалась лишними данными.

Третий уровень — контекстное проектирование — стал ключевым этапом, когда оптимизация полезной информации в запросе позволила значительно повысить качество работы AI. Здесь важно не просто подавать больше данных, а тщательно формировать системные подсказки, правила и управление историей диалогов, что уменьшает шум и повышает точность модели.

Четвёртый уровень — компаунд-инжиниринг — вводит цикл «планируй, делегируй, оценивай, кодифицируй». Это значит, что после каждой итерации работы AI анализируют, фиксируют удачные и неудачные решения, обновляют правила и документацию. Этот процесс позволяет эффекту обучения накапливаться и улучшать последующие сессии.

Пятый уровень касается расширения возможностей модели с помощью MCP (multi-capability platforms) и специализированных навыков. Примером служит команда, которая создала сложный навык для проверки pull-реквестов, запускающий субагентов для анализа безопасности интеграций, сложности кода, проверки качества промптов и запуска линтеров. Это снижает узкое место в виде ручного ревью при росте объёмов кода.

Дальнейшие уровни, по мнению автора, ведут к полной автономии агентных команд и скоординированным циклам работы без постоянного контроля человека.

Этот фреймворк помогает понять, почему одни команды быстрее достигают результатов с AI, а другие застревают на месте: всё дело в системном подходе и постепенном повышении уровня взаимодействия с интеллектом.

Подробнее о каждом уровне и примерах использования можно узнать в оригинальной статье на сайте [bassim