Как у клиента с восемью продуктовыми командами мы построили AI Kit

В сфере искусственного интеллекта произошло заметное событие. Мы платформенная команда в продуктовой компании с восемью продуктовыми командами. У каждой свой микросервис, свой стек, свои нюансы. Есть общие конвенции, общий security baseline, общий подход к observability.

В начале прошлого года стало понятно: AI-инструменты разработки уже не эксперимент, а повседневная реальность. Claude Code, Cursor, Copilot, кто во что горазд. И при этом ровно ноль централизованного подхода.

Технические детали

У одного разработчика в ~/. md свой набор правил, у другого . cursorrules с другими правилами.

В одном репо команды лежал 400-строчный CLAUDE. md с дублирующимися общими конвенциями, в другом пустота. AI отвечал по-разному в одном и том же сервисе в зависимости от того, кто его спрашивал.

За полгода мы построили то, что внутри называем AI Kit. Это централизованный набор правил, skills, subagents и CI-инструментов для AI-ревью. В этой статье наш путь, грабли, цифры.

И чего бы мы не делали, если бы начинали заново. Если у вас несколько продуктовых команд и AI-инструменты уже есть, но дисциплины их использования нет, то статья для вас. Будет полезно тимлидам, CTO, инженерам платформенных команд и AI Champions.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.