Я не просто использую AI —
я построил пайплайн вокруг него
Роутер → 6 веток → обязательный Hardening → Elite Amplifiers. Тяжесть процесса масштабируется под риск задачи; гейты на прод-ветках — максимальные. Соло-разработчик, Claude Code + мульти-модельная делиберация.
Владимир Харлашко · Архитектор мульти-агентных AI-систем · Белград · CET/CEST
Метод — vibe-pipeline
Вы получаете предсказуемые релизы и меньше сюрпризов. Каждая задача классифицируется ещё до кода и проходит автопроверки качества — баги ловятся до прода, а скорость подбирается под риск задачи.
Pure vibe
Проба гипотез, spike-ветка. Promotion-gate: в прод — только через полный гейт.
Bug-first TDD
Репро-тест (RED) → минимальный фикс (GREEN) → /cr → commit.
Spec-Driven
SPEC.md → PLAN → Writer/Reviewer (чистый контекст) → двойной judge ≥9.
SDD + оркестрация
ADR+DDD → Workflow: planner→workers(worktree)→critic→judge → eval-gate → деплой.
Characterization
Golden-master + perf-baseline → мелкие шаги → perf-гейт (регресс >10% = блок).
Fast-lane
Стабилизировать/rollback → обязательная пост-ретроспектива (гейт отложен, не отменён).
Авто-генерация корнер-кейсов · adversarial-verify скептиком · /security-review + секреты в vault · cost/latency-бюджет · human-gate на merge и необратимое. + Agent-overlay: eval-suite, guardrails, prompt-registry, наблюдаемость/drift.
Elite Amplifiers — замкнутые петли поверх всех веток
Ваше качество не падает со временем и не держится на героизме одного человека. Автопроверки ловят проблемы, пока они маленькие, и каждый пойманный баг больше не возвращается — без лишних усилий.
Агент сам гоняет generate→verify→repair до зелёного (типы/тесты/eval/компилятор).
N решений параллельно в worktree → судьи синтезируют лучшее (test-time compute).
Claude пишет, GPT+DeepSeek опровергают. Гасит скоррелированные слепые зоны.
Скептики «опровергай по умолчанию»; поиск крутится, пока K раундов не пусто.
Мутируем код — тесты обязаны падать. Coverage врёт, mutation score нет.
Правила слоёв/зависимостей как авто-проверки в CI. Нарушение = красный билд.
Каждый пойманный баг авто-добавляется в golden dataset. Дважды не пройдёт.
Post-mortem/ADR дистиллируются в правила (CLAUDE.md/memory). Агент умнеет каждый цикл.
Фоновые PR-review, scheduled-обслуживание, CI/webhook-триггеры.
Мой сетап
Вы получаете не «спросил ChatGPT», а команду AI-моделей под оркестрацией: они запускают работу, проверяют друг друга, и всё под мониторингом. Скорость и качество без найма штатной команды.
- Claude Code
- Subagents
- Workflow (fan-out)
- Worktree-изоляция
- Hooks + guard
- Claude Opus
- GPT / o-series
- DeepSeek-R1
- Gemini 2.5
- Ollama (локально)
- 30+ интеграций
- Grafana · Langfuse
- Playwright · n8n
- Gmail · Telegram
- Figma · Canva · GA
- /pipe · /do · /cr
- /judge · /ai · /arch
- auto-memory + buddy
- 4 сервера · CI/CD
- golden-dataset evals
Чем доказано
Вы видите не обещания, а результат: тот же процесс даёт приложения в 3× быстрее, меньше критичных ошибок и выше качество ответов — и всё это под метрикой в реальном времени.
Все AI-кейсы →
15 лет enterprise-лидерства (ПГК, Raiffeisen, MOEX) → CV
проверяемо запуском · 4 сервера · 4 model-провайдера (Claude · GPT · DeepSeek · Gemini)
Не резюме. Дашборд.
Каждая сессия, каждый вызов, каждый доллар — под метрикой. Grafana + автотрекинг: видно, что метод работает руками, а не на бумаге.
Agent Operations Center
Daily KPIs
Performance & Quality
Monthly Totals
Session Summary
Grafana-дашборд агентных сессий · репрезентативный снимок
Готовы обсудить?
Если вам нужен архитектор, который строит автономные AI-системы — напишите.
Сербия (Белград) · CET/CEST · рабочие часы совпадают с EU · Опыт международных контрактов