George Xing: как управлять продуктовой командой из одного человека с помощью AI-агентов

George Xing опубликовал этот материал на Substack в мае 2026 года. Это не столько статья с фреймворком, сколько технический дневник — прямой рассказ о том, как он организует свою работу в качестве соло-разработчика, создающего производственный софт с помощью AI. Материал построен вокруг трёх систем, которые в совокупности позволяют ему достигать продуктивности команды.

Ключевая идея идёт вразрез с расхожим предположением: по мере того как генерация кода дешевеет, значимость предварительной работы возрастает, а не снижается. Дешёвый код полезен только тогда, когда вы создаёте правильную вещь. Если спецификация расплывчата, AI-инструменты ускоряют движение в неправильном направлении. Вся система Синга спроектирована так, чтобы обеспечить строгость до того, как модель что-то напишет.

Первая система — то, что он называет “agent skills”: плагин для Claude, объединяющий четыре последовательных шага: брейнсторминг, написание плана, выполнение и code review. Вместо того чтобы общаться с LLM и копировать результат, он должен завершить каждый шаг перед переходом к следующему. Шаг code review встроен в тот же рабочий процесс, что позволяет выявлять проблемы до того, как они накапливаются в технический долг, который сложно устранить.

Вторая система — автоматизированное тестирование. Ксинг использует Codex для проверки реализации вместе с кастомными интеграциями тестирования — XcodeBuildMCP для iOS и Playwright-MCP для web, — которые автономно прогоняют пользовательские сценарии и сигнализируют о сбоях. В результате он не тестирует вручную большинство типовых путей; система тестирует, пока он создаёт. Это освобождает его для работы с граничными случаями и дизайнерскими суждениями, а не регрессионным покрытием.

Третья система — удалённая инфраструктура: Mac Mini как постоянный вычислительный хаб, Tailscale для сетевого взаимодействия и SSH-доступ, позволяющий продолжать работу с любого устройства. Синхронизированные сессии Claude сохраняют контекст между настольным компьютером, мобильным устройством и терминалом, поэтому контекст не теряется при смене устройств.

Для PM, оценивающих практики AI-разработки в небольших командах, конкретные инструменты Ксинга второстепенны. Переносимый паттерн — это принудительная структура на входе, автоматизированная проверка на выходе и постоянный контекст между устройствами и сессиями. Эти свойства масштабируются независимо от размера команды и соответствуют типичным болевым точкам AI-ассистированной разработки: размытые спецификации, недостаточное тестирование и потеря контекста между сессиями.