Работающий стенд · 17 спек · каждый шаг с evidence

Агенты, которые доводят задачу до merge request

Платформа агентской разработки с нуля: цикл plan → act → observe → report, роутер любых моделей с fallback, RBAC и квоты, независимая проверка кода, фабрика «issue → спека → MR» и RAG на pgvector. Без магии — с трейсами, стоимостью и честными ошибками.

Смотреть прогоны Для чего это нужно
Сферы применения

Один агентский контур — много областей работы

Agents flow — это не чат-бот, а управляемый конвейер: цель, действия, проверка, память и контроль доступа. Один и тот же каркас подходит всему, где у задачи есть проверяемый результат.

⌘
работает сегодня

Разработка ПО

Фабрика превращает issue в спеку, код с тестами и merge request. Баг-фиксы идут по циклу «воспроизвести → падающий тест → минимальный фикс → регрессия».

✔
работает сегодня

QA и тестирование

Агенты пишут тесты и проверяют их качество: в код вносятся поломки, и тесты обязаны их заметить. Тестовая база растёт с каждым найденным классом ошибок.

⌕
работает сегодня

Знания и поддержка

RAG по документам, спекам и коду с локальными embeddings: ответ со ссылками на источники и честное «в контексте этого нет». Данные не покидают ваш контур.

✎
работает сегодня

Встречи и документы

Транскрибатор (распознавание речи локально) и Протоколист: из записи — протокол, решения и задачи в GitLab Issues.

⛨
работает сегодня

Безопасность и комплаенс

Роли и права, квоты, фильтры на вход и вывод, маскировка секретов, изолированная песочница, журнал прогонов — для аудита и разбора инцидентов.

⚙
направление

Бизнес-приложения: CRM, задачи, ERP

Агенты собирают и ведут рабочие системы по ролям пользователей: от CRM и таск-менеджера до учёта. Каркас фабрики и прав уже есть; предметные модули — следующий слой.

☰
направление

Операции и мониторинг (DevOps/SRE)

Дежурные агенты в песочнице с белым списком команд: разбор логов, алерты деградации провайдеров, снимки состояния и откат. Телеметрия и snapshot — готовы.

▤
направление

Аналитика и отчётность

История прогонов и расходов лежит в PostgreSQL: разрезы по пользователю, агенту, модели и дню — основа для отчётов и дашбордов стоимости.

☺
направление

HR и рекрутинг

Агенты для скрининга и коммуникации с кандидатами, свои HR-инструменты поверх платформы — тот же контур прав, памяти и проверок.

«Работает сегодня» — есть в этом репозитории и проверено запусками. «Направление» — архитектурно закрыто каркасом, предметная часть ещё не написана.

Как это работает

От баг-репорта до MR — по спеке, с проверкой на каждом шаге

Любая работа начинается со спеки. Агент не «отвечает на промпт», а проходит цикл с критериями приёмки, откатом и записью в память.

Issue

GitLab issue с лейблом factory — вход конвейера: webhook запускает фабрику сам.

Спека

LLM пишет спеку по шаблону: цель, критерии, edge-кейсы, rollback.

План модулей

Задача режется на небольшие модули с тестами и зависимостями — каждый укладывается в таймаут провайдера.

Код и проверка

Сначала другая модель пишет приёмочные тесты по контракту, реализатор их не видит. Затем каждый модуль идёт в цикле цели: тесты, мутации кода и ревью, пока критерий не выполнен.

Merge request

Ветка, коммит, MR с таблицей доказательств. Проверки MR ставит тот же webhook-сервис, без GitLab Runner. Ветки после мёрджа не удаляются.

Возможности

Платформа из независимых слоёв

Каждый слой самостоятельный, со своей спекой, тестами и откатом. Их можно использовать вместе или по отдельности.

готово

Runner

Цикл plan→act→observe→report, snapshot/restore, act-фаза в песочнице без shell и с минимальным окружением.

готово

Цикл цели

Повторяет прогоны до критерия или лимита бюджета; меняет workflow и эскалирует модель по ходу.

новое

Независимая проверка

Критерий успеха не зависит от самооценки модели: приёмочные тесты другой модели до реализации, мутационная проверка тестов (операторы, throw, регулярные выражения) и ревью другой моделью.

готово

Роутер моделей

Политики по юзкейсам, fallback-цепочки, автомат-предохранитель по лимитам, учёт стоимости. Любой OpenAI-совместимый API.

готово

Безопасность

RBAC на 4 роли, RSA-токены с JWKS, квоты, guardrails на вход и вывод, маскировка секретов.

готово

RAG на pgvector

Локальная embedding-модель, HNSW-индекс, бэкенды SQLite / pgvector / Supabase, endpoint'ы для API.

готово

Память и Usage

История прогонов и расходы по цепочке Пользователь → Агент → Run в PostgreSQL; квоты считаются из базы.

готово

Eval и соревнование

Тестовая база кейсов, gate с baseline, сравнение Runner, Kilo CLI и opencode на общих задачах.

готово

Фабрика

Issue → спека → модули → MR с доказательствами; идемпотентно, без удаления веток.

новое

Webhook и CI без Runner

Issue Hook запускает фабрику, Merge Request Hook — тесты и eval-gate; статусы коммита и комментарий в MR, очередь по одному заданию с отсевом дублей.

новое

RAG-eval

Вопросы с известным источником ответа, метрики hit@k и MRR; пороги входят в eval-gate и CI.

новое

Учёт токенов и бюджеты

Журнал каждого вызова по фазам и модулям, окна расхода провайдеров с самокалибровкой лимитов, квоты по пользователям и сервисам, алерты о приближении к границам, зеркало в PostgreSQL и раздел затрат в отчёте MR.

готово

Наблюдаемость

Трейсы прогонов, агрегаты по фазам, алерты деградации провайдеров, состояние кулдаунов через API.

готово

API для VS Code

OpenAI-совместимый сервер: подключается любое расширение, всё под RBAC, квотами и TLS.

готово

Приватность

Тяжёлое и чувствительное — локально: распознавание речи и embeddings считаются у вас, наружу уходит только текст.

Любая модель

Подключите API любой модели — через роутер

Роутер не привязан к одному вендору. Любой OpenAI-совместимый endpoint добавляется записью в конфиг и сразу получает политики, fallback, права, квоты и защиту от лимитов.

Провайдеры

KimiKilo Code Freellama.cppClaude Code (Haiku) OpenAIAnthropicGeminiDeepSeekMistralOpenRouterOllamavLLM
  • Одна запись в конфиге. Адрес, имя модели, переменная окружения с ключом, роли и цена — и модель в каталоге. Ключи в файл не пишутся.
  • Политики по задачам. Дешёвые и бесплатные модели — на черновую работу, сильные — на план и ревью. Порядок и приоритет задаёт конфиг.
  • Устойчивость. Исчерпан лимит одного провайдера — роутер закрывает его до сброса и переключается на следующий; клиент получает честный 503 с временем повтора.
  • Контроль расходов и доступа. Стоимость считается по каждой модели, права и квоты действуют одинаково для всех провайдеров.

Зелёным — проверено живыми вызовами (Kimi, Kilo, локальный llama-server). Синим — подключается по OpenAI-совместимому протоколу; логика проверена тестами с подменой сети, живой вызов зависит от вашего ключа.

config/models.json
// подключаем свой провайдер и локальную модель
{
  "providers": [
    {
      "id": "openai",
      "baseUrl": "https://api.openai.com/v1",
      "apiKeyEnv": "OPENAI_API_KEY",
      "models": [{
        "model": "gpt-4.1-mini",
        "roles": ["code", "simple"],
        "costPerMToken": 0.4
      }]
    },
    {
      "id": "ollama",
      "baseUrl": "http://127.0.0.1:11434/v1",
      "models": [{
        "model": "qwen2.5-coder:7b",
        "roles": ["simple", "bulk"],
        "priority": "primary"
      }]
    }
  ]
}

$ node src/router/custom.ts check
Демо

Записанные прогоны и панель управления

Справа — воспроизведение реальных запусков платформы: команды, трейсы и ответы взяты из логов проекта. Слева — роли и квоты из настоящего конфига. Живые вызовы на публичной странице отключены, чтобы не жечь квоты провайдеров.

Роль и доступ

Выберите роль — и посмотрите, что ей разрешено.

Квота токенов в день—
Бюджет в день—

Модели, доступные роли

terminal

        

        

      

    

  






  

    

      
Метрики

      
Решения подтверждены данными

      
Сравнивали не «ощущения», а прогоны на общих кейсах. Выводы записаны в ADR.

    

    

      

        
Harness-соревнование: среднее время кейса, с

        
Все три прошли 3 из 3 кейсов (codegen, bugfix, refactor). Меньше — лучше.

        

        
Runner быстрее в 16–18× на одношаговых задачах; CLI-harness'ы остаются эталоном для multistep. (ADR-002)

      

      

        
Eval-gate: 8 кейсов

        
Цена за весь прогон набора.

        
МодельPassСтоимость

        
Дешёвая модель даёт то же качество — роутер по умолчанию берёт её. (ADR-001)

      

      
    

  






  

    
  






  

    
  






  

    

      
Под вакансию Agentic Engineer

      
Что требуется — что уже есть, чего не хватает

      
Список составлен по тексту вакансии на bos.pro. Что пока не закрыто — названо прямо в roadmap.

    

    

      

        
ТребованиеСтатусЧто в проекте

        
          
Runner как модульная платформа, ролиестьRunner + RBAC + реестр агентов

          
Соревнование сменяемых harnessестьRunner vs Kilo CLI vs opencode, ADR-002

          
Роутер моделей под юзкейсыестьПолитики, fallback, автомат-предохранитель по лимитам провайдеров, подключение любого OpenAI-совместимого API, ADR-001

          
Eval агентских движков и моделейестьGate + baseline + compete-отчёты

          
Надёжность: телеметрия, snapshot, ошибки провайдеровестьBackoff, fallback, алерты деградации

          
Фабрика от issue до продаестьIssue → спека → план модулей → приёмочные тесты другой модели до реализации → код и тесты каждого модуля → независимая проверка (приёмка, мутации, ревью второй моделью) → интеграционный прогон → MR с evidence. Merge в прод — за человеком

          
Postgres / Supabase / edge-функцииестьpgvector, миграции с RLS, память и Usage в Postgres; Deno-функция и supabase-js проверены вживую на PostgREST (облачный проект — следующий шаг)

          
goal + loop + dynamic workflowsестьgoal-loop: критерий, лимиты и бюджет; стратегия меняется по ходу (bugfix-loop, эскалация модели)

        
      

    

  






  

    

      
Связь

      
Написать мне

      
Вопросы по платформе, идеи и вакансии — пишите в Telegram.

    

    

      Telegram @mkoldaev