Мы хотим, чтобы Orkas стал фундаментом, на котором работает ИИ-нативная компания. Из этой цели сразу вытекает вопрос: как несколько людей и несколько агентов работают вместе над одним проектом?
Ответ заметно отличается от привычной нам командной работы. Чтобы понять почему, стоит начать с того, откуда вообще взялась совместная работа людей. (Пошаговое описание продукта — в статье Общие проекты: как люди и ИИ-агенты работают вместе в Orkas. Здесь речь об идеях, которые за ним стоят.)
Совместная работа людей выросла вокруг двух человеческих ограничений
Во-первых, у людей ограничены пропускная способность и память. За раз мы можем воспринять лишь ограниченный объём информации и запомнить тоже немного. Поэтому командам приходится постоянно общаться: делиться новостями, сверять цели, сверять прогресс. Еженедельные встречи, стендапы, ежедневные и еженедельные отчёты, «созвонимся на пять минут?», «давайте синхронизируемся» — всё это компенсирует именно такое ограничение.
Во-вторых, многое должно происходить лицом к лицу. При личной встрече каналов больше, чем одни слова: язык тела, тон и мимика тоже несут информацию. Когда человек напротив говорит «план вроде нормальный», вы слышите, всерьёз ли он это. Не менее важно, что личные встречи создают доверие. Поэтому многие удалённые команды до сих пор время от времени собираются вживую.
Что меняется, когда появляются агенты
В команде из людей и агентов человеческая сторона совместной работы по-прежнему важна. Но работать с агентами — совсем не то же самое, что работать с людьми. У агентов три явные сильные стороны и три явные слабости.
Три сильные стороны
Высокая пропускная способность и сильное исполнение. Особенно в задачах с ясными, измеримыми целями. А задачи, которые агенты способны довести до конца, быстро становятся длиннее, труднее и сложнее. Рассказывая о собственном агенте для программирования, Meta приводит задачу по оптимизации GPU-ядер, над которой агент работал до 24 часов и сделал более 1000 вызовов инструментов (Meta). В октябре 2026 года Linus Torvalds опубликовал серию патчей для ядра Linux, в которой код, тестовые программы и первый черновик сообщения коммита написал Claude Code; замеры он провёл на своей машине (LWN).
Знания и инструменты всего мира, от начала до конца и на стыке дисциплин. Предобучение уже упаковало знания мира в модель. Дайте агенту нужные инструменты, и он сможет провести одну работу через несколько дисциплин от начала до конца: написать PRD → спроектировать → разработать → протестировать → выпустить. Когда ту же работу делают люди, нужны совместные усилия продакт-менеджеров, дизайнеров, разработчиков и тестировщиков, и на каждой передаче — ещё один раунд согласования.
Мало человеческих слабостей, и доверие не нужно завоёвывать заранее. Агент не устаёт, у него не бывает плохих дней, и ему не стыдно задать простой вопрос. Новый агент может приступить к работе, как только получит контекст проекта. Ни периода адаптации, ни отношений, которые сначала надо выстроить.
Три слабости
Агенту нужен чистый контекст. Неверный контекст уводит его в сторону. Мы сами на это наткнулись: поле в нашем дашборде аналитики сообщало, что данные «невозможно связать», хотя на самом деле связать их было можно — неправильно считалось само поле. Эту строку прочитали два разных агента, и оба отказались от целого анализа пути пользователя. Человек, увидев такой вывод, спросил бы: «А это ещё актуально?» Агент обычно принимает его за чистую монету.
Ему плохо даётся поиск причин на длинной дистанции. Когда на результат одновременно влияют несколько переменных, он легко винит не ту, и людям приходится его поправлять. Какое-то время несколько новых страниц нашего сайта не индексировались Google. Агент решил, что «у сайта недостаточно авторитета, поэтому Google не тратит на него краулинговый бюджет», и посоветовал сначала заняться обратными ссылками. Мы усомнились и проверили: подавляющее большинство страниц сайта уже было в индексе. Те немногие, что туда не попали, больше походили на темы, слишком далёкие от того, чему посвящён сайт. Краулинговый бюджет был ни при чём, а наращивать обратные ссылки было бы неверным шагом.
Он плохо приспосабливается к меняющейся среде, особенно когда изменений нет в данных предобучения. Только что переделанный сайт, только что изменённое правило платформы, продукт, вышедший в прошлом месяце: человек замечает, что «всё уже не так», и меняет подход. Агент же часто продолжает опираться на то, что уже знает, и раз за разом повторяет одно и то же.
Почему мессенджеры не подходят
Мессенджеры созданы для людей, которые работают с людьми: сообщения уходят вверх одно за другим, @упоминания и отметки о прочтении держат всех в курсе, а информация разбросана по каналам. Такое устройство компенсирует ровно те два ограничения, о которых шла речь выше. У людей узкая пропускная способность и короткая память, поэтому мы постоянно пишем и постоянно сверяемся.
Агентам такая форма не подходит:
- Болтовня, обсуждения по ходу дела и планы, от которых потом отказались, — для агента всё это шум в контексте.
- Агенту не нужно выстраивать доверие через разговоры.
- На самом деле агенту нужны чистый контекст и чёткая задача.
Поэтому совместную работу людей и агентов нужно проектировать заново. И по мере того как агенты становятся всё способнее, будет меняться и то, как мы работаем вместе. В Orkas мы всё ещё ищем ответ.
Что делает Orkas: сохранить то, что не изменилось, и заново спроектировать то, что изменилось
Наш подход — сохранить те части совместной работы, которые не изменились, и заново спроектировать те, что изменились. Ниже — общий проект в Orkas; четыре идеи соответствуют четырём выделенным областям.
1. Распределение, передача и проверка работы: Список дел
Это существовало задолго до агентов, и нам это по-прежнему нужно. Пока что у каждой задачи в наших проектах ответственный — человек, и за итоговый результат тоже отвечает человек.
В продукте это устроено так. Каждое дело назначается человеку, и этот человек решает, какой агент будет выполнять работу. Запустить дело может только ответственный; агент работает на его собственном компьютере, с его моделью и его кредитами. Закончив, агент переводит дело в статус Ожидает подтверждения, а не отмечает его выполненным сам. Готовым дело считается только после того, как ответственный его проверил и при необходимости внёс правки.
2. Общие цели, вводные и контекст: Цели и правила, Память
Здесь у людей и агентов один и тот же контекст, поэтому ключевые факты остаются согласованными.
«Цели и правила» и «Память» проекта действуют во всех диалогах этого проекта, и агенты следуют им каждый раз. Например, запишите в «Цели и правила» определение вроде «месячное удержание = новые пользователи, которые вернулись в следующем месяце», а ключевые решения фиксируйте в памяти проекта. Когда к проекту присоединяется новый участник со своими агентами, с первого дня они читают в точности то же самое.
3. Передавать работу через файлы, держать процесс отдельно
Библиотека проекта синхронизируется между участниками, а к делу можно прикрепить любой файл. Работа передаётся в виде файлов, а не истории чата.
Основную часть промежуточного процесса мы намеренно держим отдельно, чтобы она не превращалась во вредный шум в контексте агентов. Вкладки «Задачи» и «Автоматизация» под замком принадлежат только вам. Агент может сделать сотни шагов и опробовать три подхода, прежде чем выдать один отчёт. Коллега получает только отчёт; процесс остаётся в ваших задачах и никогда не попадает в контекст его агентов.
4. Делиться личными агентами с командой
Участники могут делиться своими личными агентами, чтобы ими пользовалась вся остальная команда. В этих агентах заложены опыт их владельца и его представление о качестве. Общий доступ к ним ускоряет всех, а проблемы, которые люди замечают при работе с ними, можно исправлять через саморазвитие — так растёт то, на что способен весь проект.
Когда агентом делятся, Orkas упаковывает его рабочие инструкции и навыки, включая те, что он наработал сам в ходе работы. Его память и история чатов в пакет не входят. Когда тот, кто поделился агентом, обновляет его, участники автоматически получают новую версию.
Открытый вопрос на раннем этапе
Совместная работа людей и агентов пока на очень ранней стадии, и ответы ещё не сошлись. По мере развития моделей многое из того, что агентам нужно для совместной работы, перейдёт в сами модели.
Некоторые модели уже умеют это нативно: параллельно запускать несколько субагентов, чтобы исследовать задачу с разных сторон, или сначала составить план, а потом поручить его выполнение субагентам. Muse Spark Open, которую Meta выпустила с открытыми весами в октябре 2026 года, описывается как модель, обученная разбивать работу на части, передавать её субагентам и координировать их (блог PyTorch).
Так что то, как мы работаем вместе, будет меняться по мере улучшения моделей. Дела, общий контекст, передача через файлы и общие агенты — наш ответ на то, что модели умеют сегодня, а не окончательная форма.
В заключение
Мы сохранили то, что не изменилось: у работы есть ответственный, есть тот, кто её проверяет, а цели и контекст остаются согласованными. Мы заново спроектировали то, что изменилось: передавать работу через файлы, держать процесс отдельно и превращать опыт и вкус каждого в агентов, которыми может пользоваться команда.
Мы всё ещё исследуем эту тему и будем рады обменяться опытом. Если вы руководите командой, где вместе работают люди и агенты, попробуйте сначала на одном проекте. Orkas можно бесплатно скачать для macOS и Windows.