# AI-DLC: когда агент для кода начинает думать, а не просто писать - Site: VeraPoint News - Section: Инструменты - Date: 2026-05-10 - Canonical: https://verapointmedia.com/tools/awslabs-aidlc-workflows/ - Markdown: https://verapointmedia.com/tools/awslabs-aidlc-workflows.md - Summary: AWS выкатила готовый набор правил для Cursor, Клода и других. Агент переходит от генерации к трём фазам: замысел, стройка, эксплуатация. Всё по-взрослому, с бумагой и ритуалом. - SEO title: AI-DLC: что это и для чего нужен AI-инструмент - SEO description: Разбор AI-DLC: что делает инструмент, где может быть полезен, какие ограничения и риски проверить перед внедрением. - Target queries: AI-DLC; AI-DLC обзор; AI-DLC что это; AI-DLC AI инструмент; инструменты для ai агентов - Tags: #ai-agents #coding-agent #workflows #cursor #aws #development-cycle - Image: https://verapointmedia.com/static/content-assets/tools/awslabs-aidlc-workflows/cover.webp ## Sources - https://github.com/awslabs/aidlc-workflows - https://aws.amazon.com/ai/responsible-ai/policy/ - https://aws.amazon.com/blogs/devops/ai-driven-development-life-cycle/ - https://prod.d13rzhkk8cj2z0.amplifyapp.com/ --- Вы когда-нибудь ловили себя на мысли, что AI-агент по коду — это как очень старательный, но абсолютно несмышленый стажёр? Он пишет быстро, генерирует тонны кода, но часто не понимает, зачем это всё и к чему приведёт. Сначала ты радуешься, а потом тратишь больше времени на ревью, чем если бы написал сам. И вот Amazon (AWS Labs) предлагает решение — **AI-DLC (AI-Driven Development Life Cycle)**. Это не новая IDE и не модель, а готовый набор правил, которые заставляют вашего агента остановиться и подумать. Проект уже набрал 1860 звёзд, и он правда стоит внимания. [Ссылка на репозиторий](https://github.com/awslabs/aidlc-workflows). ## Если просто Представьте, что у вашего AI-помощника появился чек-лист. Только не простой, а умный. Вместо того чтобы сразу писать код, он выполняет ритуал из трёх шагов: **Inception** (замысел), **Construction** (стройка) и **Operations** (эксплуатация). - **Inception:** Перед тем как написать строчку кода, агент обязан спросить: "Что мы делаем? Зачем? Какие есть риски?". Он лезет в документацию проекта, смотрит архитектуру и только потом предлагает план. - **Construction:** Агент уже строит, но не как попало. Он следует правилам кодирования вашей команды, проверяет себя на каждом шагу и пишет тесты. - **Operations:** После деплоя агент не исчезает. Он оставляет инструкции, как это поддерживать, логировать и откатывать, если что-то пошло не так. Звучит как мечта? Но давайте честно: пока это всё больше про ритуал, чем про магию. И это хорошо. ## Что это решает Главная боль — **"глупый" агент**. Тот, который не видит контекста. AI-DLC заставляет его видеть контекст, спрашивать у вас подтверждение на ключевых этапах и не ломать то, что работало. Это дисциплина для машины, которая слишком легко пишет чушь. ## Как попробовать Всё устроено очень по-инженерному, в духе Amazon: 1. Идёте на [страницу релизов](https://github.com/awslabs/aidlc-workflows/releases/latest) и скачиваете последний `.zip` файл с правилами. 2. Распаковываете в любую папку *вне вашего проекта*. 3. Копируете правила в проект в зависимости от того, каким агентом пользуетесь. Для **Cursor** это одна команда в терминале: ```bash mkdir -p .cursor/rules cat > .cursor/rules/ai-dlc-workflow.mdc << 'EOF' --- description: "AI-DLC adaptive workflow" alwaysApply: true --- EOF cat ~/Downloads/.../core-workflow.md >> .cursor/rules/ai-dlc-workflow.mdc ``` Для **Claude Code**, **Cline** или **Amazon Q** — свой скрипт, но логика та же. Подробные инструкции — в README. Всё сводится к тому, что вы кладёте файл с правилами в корень проекта, и агент начинает их читать. ## 3 сценария с примерами **1. Рефакторинг легаси (Inception).** *Задача:* вычистить дублирование в модуле оплаты. *Применение:* Агент не пишет код. Вместо этого он изучает вызовы, находит 4 похожие функции и рисует план: объединить в одну, переименовать, написать тест. *Результат:* не хаотичная правка, а чистый коммит с понятным описанием. **2. Добавление новой фичи (Construction).** *Задача:* добавить кэш для запросов к базе. *Применение:* Агент открывает `Construction`-правила. Сначала лезет в существующий код за паттернами, затем генерирует класс кэша, сразу подключает юнит-тест и не трогает старые тесты. *Результат:* фича написана по шаблону проекта, не конфликтует с архитектурой. **3. CI/CD пайплайн (Operations).** *Задача:* настроить мониторинг для нового микросервиса. *Применение:* Агент создаёт файл `aidlc-docs/operations/runbook.md` с описанием метрик, алертов и скриптом рестарта. *Результат:* вы не гадаете, как работает ваша система через месяц — всё записано. ## Где можно застрять - **Не для всех.** Это требует дисциплины. Агент будет задавать много вопросов и иногда тормозить процесс. Если вам нужно "просто сделай быстро", AI-DLC раздражает. - **Сложность настройки.** Скопировать правила — просто. Но чтобы они работали эффективно, придётся адаптировать их под ваш проект. "Из коробки" это скиллы для джуниора, а не для сеньора. - **Экосистема AWS.** Проект от AWS Labs, и часть документации явно заточена под Amazon Q. Не смертельно, но читать блоги AWS придётся. - **Правила — это не код.** Если агент не хочет подчиняться или контекстное окно забито, он может "забыть" правила. 47 открытых issues намекают, что сырость есть. ## Кому это нужно Инженерам и командам, которые уже используют агентов (Cursor, Claude Code, Cline) и хотят от них больше порядка. Особенно если у вас микросервисы на Python или Go и вы устали править код после агента. Проект с лицензией MIT-0 — можно брать и адаптировать без страха. ## Кому это не нужно - Одиночкам-фрилансерам, которые пишут код сами. Агент-помощник просто будет мешать. - Тем, кто любит "потыкать и получить результат". AI-DLC про инжиниринг, а не про магию. - Если у вас всё работает на GPT-4 с одним промптом — AI-DLC для вас слишком тяжелая артиллерия. ## Вердикт Веры AI-DLC — это не игрушка. Это первая ласточка того, как AI-агентов перестают воспринимать как генераторы кода и начинают воспринимать как стажёров с обязанностями. Сама идея "дисциплины через файлы правил" кажется мне очень правильной, хоть и сырой. Сейчас это выглядит как сложный ритуал, но если он привьёт агентам привычку сначала думать, а потом писать — мы выиграем. Попробуйте на простой задаче: рефакторинге или написании тестов. Если агент начнёт задавать вопросы перед тем, как писать код — вы на верном пути. Если он проигнорирует правила и снова сгенерирует кашу — удалите папку `.cursor/rules` и вернитесь к обычной жизни. Хотя бы знаете, что так можно. ## Материалы - [awslabs/aidlc-workflows] awslabs/aidlc-workflows: https://github.com/awslabs/aidlc-workflows - [aws.amazon.com] supporting context: https://aws.amazon.com/ai/responsible-ai/policy/ - [aws.amazon.com] supporting context: https://aws.amazon.com/blogs/devops/ai-driven-development-life-cycle/ - [prod.d13rzhkk8cj2z0.amplifyapp.com] supporting context: https://prod.d13rzhkk8cj2z0.amplifyapp.com/ ## Похожие материалы - [Все инструменты VeraPoint](https://verapointmedia.com/tools/) - [Хаб «AI-агенты»](/topics/ai-agents/) - [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/) - [MCP простыми словами](https://verapointmedia.com/guides/mcp-prostymi-slovami/)