Матвей Коноплёв, Senior Python-разработчик одного из крупнейших банков России, описал на Habr, как за полгода прошёл путь от «сам быстрее напишу» до собственного фреймворка для агентной разработки на базе Claude Code. Статья примечательна не столько итоговым инструментом, сколько системным разбором проблем, с которыми сталкивается любой разработчик при переходе на кодинговых агентов.
Первая и главная проблема — Context Rot. LLM не выдаёт ошибку при переполнении контекста: она просто начинает «глупеть» — путаться в логике, забывать факты, галлюцинировать. Причина в том, что для генерации каждого нового токена модель оценивает его связь со всем массивом переданных данных. Чем длиннее контекст, тем сильнее «размазывается» внимание. По данным, которые приводит Коноплёв, у Claude Opus оптимальное качество сохраняется при заполнении контекстного окна менее чем на 50% для версий на 200K токенов и менее чем на 15% для версий на 1M токенов. Это означает, что при работе с большой кодовой базой в контекст нужно отправлять не всё подряд, а минимально достаточный набор информации.
Ответом на эту проблему стала область Context Engineering — управление всем потоком данных при работе с LLM: системными промптами, историей диалога, файлами, результатами скриптов. Если Prompt Engineering был про подбор слов в отдельной инструкции, то Context Engineering — про стратегический отбор того, что вообще попадает в окно модели. Коноплёв реализовал это через несколько уровней: файл CLAUDE.md хранит «ДНК проекта» — стек, команды запуска, верхнеуровневую архитектуру; Rules содержат точечные инструкции, которые активируются только при работе с конкретными файлами (например, требования к тестам подключаются лишь тогда, когда агент работает с директорией tests); Skills — переиспользуемые промпты для типовых задач вроде код-ревью или генерации компонента.
Context Rot — деградация качества ответов LLM по мере роста контекста — главная проблема при работе с кодинговыми агентами.
Вторая проблема — «синдром чистого листа». LLM не помнит предыдущих сессий, поэтому без внешней памяти разработчик вынужден каждый раз заново объяснять агенту архитектуру и конвенции проекта. Коноплёв решает это через артефакты — файлы-спеки и планы, которые передаются в новый чат через символ @. Агент мгновенно получает контекст о текущем статусе задачи без ручного пересказа.
Третья проблема — избыточная инициативность агента. Без ограничений он сразу пишет код, не уточняя требования и не анализируя зависимости. Переделывать реализацию, которая «разъехалась» по десяти файлам, — дорогостоящее занятие. Частичным решением служит Plan Mode в Claude Code: в этом режиме агент сначала анализирует кодовую базу и составляет пошаговый план в чате, разработчик его корректирует — и только после этого агент получает разрешение писать код.
Свой фреймворк Коноплёв построил на основе Superpowers — инструмента, который он обнаружил в одном из YouTube-гайдов. Он перевёл его на русский, убрал лишнее и адаптировал под собственные рабочие задачи. По его словам, подобных инструментов на рынке много, и все они строятся на одних и тех же принципах — разница лишь в деталях реализации. Сам Коноплёв подчёркивает: его цель не продвигать конкретный инструмент, а показать механику, которая работает с любым современным кодинговым агентом.
