Перед чтением: prerequisites

Это не входной экзамен. Просто хендбук написан для людей, которые уже понимают, как живёт software-проект: задачи, pull requests, проверки, review, инциденты, ограничения доступа.

Если часть списка ниже пока незнакома, читать всё равно можно. Просто некоторые главы будут работать как карта того, что стоит подтянуть параллельно.

Минимальный уровень

Желательно уверенно понимать и уметь применять:

Область	Что нужно знать
Software engineering workflow	Git, branches, pull requests, code review, issue/task flow.
Project structure	Как устроены frontend, backend, mobile или infra проекты хотя бы на уровне компонентов и границ ответственности.
Quality checks	Tests, lint, typecheck, build, CI, staging/prod как разные уровни проверки.
Debugging	Как читать logs, stack traces, error messages и отличать симптом от причины.
Task management	Issue, epic, acceptance criteria, Definition of Done, dependency, blocker.
AI coding basics	Prompt, context window, tool calls, agent run, diff, hallucination, retry.
Security basics	Почему secrets, production data, destructive commands и external access требуют явных границ.

Желательно, но не обязательно

Эти навыки помогут глубже понять главы про harness, observability и adoption:

• опыт работы с GitHub Actions, GitLab CI или другим CI/CD;
• понимание observability: logs, metrics, traces, dashboards, incidents;
• опыт владения частью системы как owner или tech lead;
• практика с AI coding tools: Codex, Cursor, Claude Code, OpenCode, Copilot или похожими инструментами;
• опыт декомпозиции фич на задачи для команды;
• понимание базовой экономики разработки: цена ошибки, review cost, latency, opportunity cost;
• умение читать английскую техническую документацию.

Кому handbook особенно полезен

Handbook рассчитан прежде всего на людей, которые уже находятся внутри инженерного процесса:

• middle и senior engineers;
• tech leads;
• engineering managers с техническим бэкграундом;
• platform, DevTools, infra и productivity команды;
• команды, которые уже пробовали AI coding tools и хотят перейти от экспериментов к управляемому workflow;
• продуктовые команды со сложным доменом, чувствительными данными, compliance или высокой ценой ошибки.

Что не требуется

Чтобы начать, не нужно:

• быть ML engineer;
• уметь обучать модели;
• знать внутреннюю архитектуру LLM;
• иметь production-grade agent platform;
• уже использовать yolo-runner или похожий orchestrator.

Этот handbook про engineering layer вокруг агентов: задачи, контекст, checks, sandbox, logs, review, permissions и adoption. Модель важна, но главная работа происходит вокруг неё.

Если чего-то пока не хватает

Начните с трёх вещей:

1. Разберите обычный pull request workflow: issue -> branch -> diff -> checks -> review -> merge.
2. Попробуйте один AI coding tool на маленькой задаче и сохраните prompt, diff и checks.
3. Прочитайте главы Agentic Engineering и Task Contracts как концептуальное введение.

После этого остальные разделы будут читаться заметно легче.