Llm delegation

LLM Delegation

До вопроса «как поручить задачу агенту» стоит вопрос «стоит ли, и в каком режиме». Неправильное делегирование стоит дороже ручной работы: время на ревью плохого результата + откат + повторный заход. Этот навык — методика решения.

Карта: где LLM силён, где слаб

Делегируется отлично (результат обычно лучше и быстрее ручного):

• бойлерплейт и код по образцу: CRUD, формы, сериализаторы, конфиги;
• тесты к существующему коду, регрессионные тесты на баг;
• механический рефакторинг с чёткими правилами (переименование, извлечение, перенос);
• миграции по образцу, типовые интеграции;
• объяснение чужого/легаси-кода, поиск по кодовой базе;
• черновики документов: README, docstrings, ADR, коммит-сообщения.

Требует руки на руле (делегировать можно, но с plan mode / чекпоинтами / строгим ревью):

• архитектурные решения с долгосрочными последствиями;
• security-критичные участки: аутентификация, платежи, права доступа;
• конкурентность, распределённые системы, тонкие инварианты данных;
• тонкая бизнес-логика, где требования живут в голове пользователя;
• «вкусовые» решения: UX, нейминг публичного API, tone of voice.

Матрица делегируемости

Две оси. Проверяемость: результат проверяется автоматически (тесты, компиляция, скрипт) или дёшево глазами — против «проверка дороже самой работы». Формализуемость контекста: всё нужное для решения можно выписать в промт/файлы — против «половина требований неявная, в голове».

	Контекст формализуем	Контекст в голове
Проверка дешёвая	Делегируй полностью, автономно (вплоть до /goal)	Сначала выгрузи контекст (spec-writer / clarify-prompt), потом делегируй
Проверка дорогая	Делегируй с plan mode и чекпоинтами; ревью обязательно	Делай сам; агент на подхвате (разведка, черновики, тесты)

Правый нижний квадрант — главный источник разочарований в LLM: не делегируй туда напрямую, сначала переведи задачу в другой квадрант (формализуй контекст или удешеви проверку тестами).

Выбор режима Claude Code

Задача	Режим
Точечная правка 1–2 файлов	Прямой заход одним промтом
Многофайловая фича	Plan mode → ревью плана → исполнение
«Разберись, как устроено X»	Сабагенты (Explore) — мусор разведки не оседает в основном контексте
Булево «чини, пока не зелёное»	/goal (тесты/линтер как критерий)
Тянуть одну метрику (latency, размер)	ratchet-loop
Большая задача на несколько фаз	task-decomposer → goal-pipeline
Независимые куски без пересечения файлов	Параллельные сабагенты/сессии

Модель и усилие: механика (переименования, форматирование, простые правки) — быстрая/дешёвая модель; повседневная разработка — основная модель по умолчанию; гнилые баги, конкурентность, архитектура — максимальное усилие/размышление. Принцип: дешёвая разведка, дорогое решение — не жги топовую модель на поиск файлов и не экономь на решении, от которого зависит неделя работы.

Анти-паттерны делегирования

• Делегировать формулировку требований. «Сделай как лучше» → агент выберет сам, и не факт, что твоё «лучше». Требования — работа пользователя; агенту можно поручить их уточнение (вопросами), не выбор.
• «Сделай красиво/нормально/правильно» без критериев — получишь среднее по интернету.
• Чинить по симптому. «Убери ошибку X» без диагноза → агент заглушит симптом. Сначала «найди причину», потом «почини причину».
• Делегировать однострочник. Правка, которую сам сделаешь за 20 секунд, через агента занимает минуты и место в контексте.
• Слепое доверие в критичных местах. Auth/платежи/миграции — всегда ревью глазами + /security-review, независимо от уверенности агента.

Разбор пост-фактум: агент справился плохо

Симптом	Причина	Лечение
Ушёл не туда, переделал лишнее	Кусок слишком велик	task-decomposer
Сделал не то, что имелось в виду	Промт размыт, контекст в голове	clarify-prompt
«Работает», а на деле нет	Нет автопроверки результата	test-writer, /verify, harness-engineering
Забыл договорённости посреди работы	Раздутая сессия, потеря контекста	context-hygiene
Повторяет одну и ту же ошибку в проекте	Правило не зафиксировано	context-hygiene (CLAUDE.md), agent-audit
Правдоподобный, но неверный код	Не было второго мнения	claude-code-auditor, techlead-ai

Границы навыка

Это навык-маршрутизатор: он выбирает стоит ли и как, а исполнение — за смежными навыками (см. таблицы выше). Встраивание LLM в собственный продукт (API, стоимость, evals) — llm-feature-architect.