AGENTS.md и SKILL.md: как в Т-Банке научили агента писать тесты по правилам команды
Саммари
iOS-команда Т-Банка пыталась поручить генерацию unit-тестов LLM и получала код, который не компилировался: модель придумывала несуществующие Mock-объекты, игнорировала архитектурные соглашения проекта и использовала не те тестовые утилиты. Проблема оказалась не в модели, а в отсутствии контекста — вместо очередного набора промптов команда вынесла постоянные знания о проекте в AGENTS.md, а специализированные инструкции по написанию тестов — в отдельный SKILL.md. Это превратило генерацию тестов из разового запроса в воспроизводимый инженерный процесс: разработчик перестал править ответы модели и перешёл к проверке результата. Главный тезис статьи — сегодня важнее контекст, который получает агент, и правила, по которым он работает, чем выбор «самой умной» модели.
Из этого следует, что контекст-инжиниринг — это не «промпт побольше», а проектирование среды: знания должны лежать в файлах репозитория и подключаться по задаче, а не копиться в одном системном сообщении. Для Revit-инструментов это прямой рецепт: AGENTS.md с правилами Revit API и отдельные SKILL.md под типовые задачи (генерация тестов, обход транзакций, миграция семейств).
Важный нюанс: деградация качества от разрастания промпта — тот же эффект, который в каталоге описан как переполнение контекста, только здесь он проиллюстрирован на живом продуктовом процессе, а не на бенчмарке. Правило «одна задача — один набор инструкций» важнее количества правил.
Ограничение подхода, которое стоит держать в голову: автор сам признаёт, что измерить эффект не удалось, а таблица «до/после» — качественная. Это кейс-опыт, а не доказательство, и в отчётности его нельзя выдавать за результат внедрения с цифрами.
Практическая импликация для курса: раздел «правила команды» теперь можно строить не вокруг промптов, а вокруг структуры репозитория — AGENTS.md как обязательный артефакт проекта и SKILL.md как модульные инструкции, это хорошо ложится на модуль про harness.