«Дай неопровержимое доказательство»: как Торстен Болл работает с агентами

25 октября Торстен Болл опубликовал в X статью «How I work with Agents» с подзаголовком «по состоянию на октябрь 2026 года». Болл делает агента для программирования Amp, а до этого написал книги о том, как устроены интерпретатор и компилятор. Статью он сопроводил словами «наконец собрал то, что пересылал друзьям в личку», и у поста больше семи тысяч лайков.

Подробнее те же идеи Болл разобрал в получасовом докладе, который сначала прочитал для команды крупного банка, а потом выложил с расшифровкой на сайте Amp. Ниже — главные приёмы из статьи и доклада, наши комментарии и то, что из этого можно взять, если вы работаете не в Amp, а, например, в Claude Code.¹

Первый пункт статьи звучит так: используйте самые новые и сильные модели, всё остальное — потенциально потерянное время. Обоснование Болла: если модель ошибается в 10% случаев, вы не знаете, в каких именно, и в итоге делаете несколько попыток.

В докладе он приводит пример. Попросил дешёвую модель запустить дев-сервер, и та несколько ходов подряд угадывала: не та команда, другой скрипт, нужен ещё один параметр. В сумме ушло больше дешёвых токенов, чем ушло бы дорогих. Дешёвые модели Болл оставляет для заранее известной нагрузки внутри приложений — классификации, маршрутизации — где модель можно выбрать по своим эвалам.²

По словам Болла, промпт-инжиниринг прошлого года — порядок файлов, важное в конце, упоминания файлов через @ — больше не нужен. Из веб-версии и приложений Amp упоминания файлов даже убрали. Его промпты — это цели: «сделай компилятор байткода и виртуальную машину вдвое быстрее», «собери проект вот как на этих скриншотах».

Сюда же он относит управление контекстом. Год назад в Amp гордились инструментами, которые показывали заполнение окна. Теперь Болл советует об этом не думать: составьте план и работайте по нему, а проблемы компактинга, по его словам, мелочь по сравнению с усилиями на ручное управление контекстом.³

Это Болл называет своей мантрой: если вы ждёте агента, вы что-то делаете не так. Агенты теперь работают по 20–45 минут, и не нужно держать восемь панелей и следить за каждой. Он сравнивает это с людьми: сотруднику дают задачу и проверяют результат, когда есть время, а не стоят у него за спиной.

Отсюда второй приём — просить варианты. Человека неловко попросить сделать двадцать версий кнопки, а агента можно. Вместо цепочки «покажи — нет, не так — ещё раз» Болл пишет одним сообщением: дай двадцать вариантов и маленькую страницу, где их можно переключать. В докладе он показывает это на криво выровненной иконке: агент сделал несколько исправлений, снял скриншоты, подписал их, и Болл выбрал вариант Б. Заранее сказать, какой ему понравится, он бы не смог.⁴

Представьте, что вас попросили отревьюить 500 строк. Теперь представьте, что к тем же 500 строкам приложены видео, где фича работает от начала до конца, таблица всех проверенных случаев, логи и прогон на разных платформах. Ревью вы будете делать совсем по-другому: искать не «где тут баг», а ответы на вопросы — работает ли это, понимаю ли я, как, верен ли подход, смогу ли я это поменять через месяц.

Болл читает внимательно только несущий код: центральные файлы, от которых зависит всё остальное. Чем ближе к краям системы, тем больше допустимо ошибок. Ошибка в CSS и сломанная миграция базы — не одно и то же. Большую часть изменений, по его словам, он не читает вовсе.

Главную находку последних шести месяцев Болл формулирует одной фразой, которую добавляет в промпт: «Give me irrefutable proof that this works now» — дай неопровержимое доказательство, что это теперь работает. В рассылке от 8 ноября он пишет, что если что-то и даёт десятикратный выигрыш, то именно это, и что приём заставил его заново подумать о ценности тестов, ревью и спецификаций.

Как это выглядит в докладе:

• рефакторинг одного из самых важных файлов: агент поднял дев-сервер, написал скрипт, прогнал сценарии на старой и новой версии и вернул таблицу проверок с выводом «разницы в поведении не найдено»;
• новая функция в интерфейсе: агент записал видео и отдельно отметил, что работал с настоящей очередью сообщений, а не с моком;
• проблема производительности: агент воспроизвёл её на большом треде, перепробовал несколько исправлений, выяснил, что первая гипотеза была неверной, и принёс таблицу с замерами до и после.

Доказательство не заменяет понимания. Если вы не знаете, что должно получиться, таблица из сорока зелёных строк ни о чём не скажет. Но оно меняет порядок работы: сначала проверяется поведение, а код читается уже с этим знанием и там, где он действительно несущий.

Галлюцинации, по словам Болла, остановили не модели, а вызовы тулов: агент смог проверять реальность. Если он не может проверить, существует ли файл, он его выдумывает. Отсюда требование сделать кодовую базу «читаемой» для агента: он должен уметь запускать и останавливать дев-сервер, заливать тестовые данные, открывать REPL.

В репозитории Amp для этого 15 файлов AGENTS.md и набор скилов: как работать с дев-сервером, с Google Cloud, с BigQuery, как собирать нативные приложения. Болл отдельно советует давать агенту инструменты и объяснять, как они работают, а не только записывать жёсткие пошаговые процедуры.

Дальше агент выходит «по горизонтали»: из кода в выпуск и эксплуатацию. Агент Amp может выкатить изменение, следить за раскаткой, читать логи, включать фича-флаги, писать письма пользователям, начислять кредиты и разбирать проблемы с базой — всё, что может Болл, кроме записи в базу. Для агентов даже завели «канарейки»: анонимизированные проблемные треды из продакшена, которые лежат там только для того, чтобы агент мог на них проверять свои изменения.⁶

Самый спорный пункт. Команда Amp пушит прямо в main и не делает пулреквестов. Объяснение Болла: баги быстрее исправить, чем предотвратить ревью, команда сама пользуется продуктом, всё новое скрыто за флагами, а агент видит, что происходит в продакшене. Просить человека «проштамповать» изменение, по его словам, значит признать, что система пулреквестов сломана.

Здесь важно, что именно делает этот подход безопасным. Это не отказ от проверки, а перенос её в другое место: доказательства перед пушем, флаги, которые ограничивают круг пострадавших, мониторинг, который сразу показывает регрессию, и быстрый откат. В примере из доклада агент выкатил изменение, по расписанию сам проверил метрики, нашёл видимую пользователям регрессию — и изменение откатили. Если у вас нет хотя бы флагов, мониторинга и отката, пуш в main без ревью — просто риск.⁷

Последний приём — эвалы «дружелюбности» кодовой базы к агентам. Когда в AGENTS.md добавляют правило, неясно, будет ли агент его выполнять. Болл просит самого агента это проверить: запустить пять агентов с разными запросами и посмотреть, всегда ли они пользуются тем, что прописано в правиле. По его словам, модели отлично справляются с такими эвалами и даже сами заводят контрольную группу.

В интервью на сайте Amp он описывает ту же схему в цикле: один агент правит скрипты и AGENTS.md, пушит, запускает трёх новых агентов на типовые задачи, не упоминая сделанное изменение, читает их треды, сравнивает результат, правит и пробует снова.⁸

Болл сам говорит, что люди сейчас живут «на разных временных линиях»: одни потратили на агентов сотни тысяч токенов и решили, что агенты не умеют писать код, другие тратят миллиарды в неделю. Не всё из его практики переносится в команду, где агента пускают только в редактор. Но несколько приёмов работают в любом окружении:

1. Просите доказательства, а не пересказ. Фраза про неопровержимое доказательство работает в Claude Code так же, как в Amp, если агенту есть где запустить проверку.
2. Дайте агенту видеть результат. Хотя бы запуск приложения, тестов и логов. Доступ к продакшену — только на чтение и только там, где вы готовы к этому по рискам.
3. Просите варианты пачкой. Двадцать версий и страница для сравнения — быстрее десяти итераций в чате.
4. Не сидите рядом. Дайте задачу, займитесь своей, вернитесь к готовому результату.
5. Проверяйте свои инструкции эвалами. Правило в AGENTS.md, которое агент не выполняет, хуже, чем отсутствие правила.

Похожий путь прошла Лорен Тан: ревью выборкой, агент, который сам проверяет результат, и тысячи пулреквестов в месяц. Мы разбирали его в статье о том, как она работает с агентами.

Как настроить Claude Code так, чтобы агент сам запускал, проверял и доказывал свою работу, — от хуков и скилов до задач по расписанию — разбираем на курсе «Основы Claude Code».