VibeCoderzVibeCoderz

Конспекты

Смарт-конспекты YouTube-видео — ключевые идеи и инсайты без необходимости смотреть часовые ролики

Все конспекты
📝 Конспект2026/03/19

Factory AI: Полный гид по использованию автономных Droids для разработки

Узнайте, как использовать Factory AI и Factory Bridge для автоматизации кодинга, тестирования и работы с несколькими репозиториями через AI-агентов.

Содержание (6)+
📝

Смарт-конспект

🎯 О чём этот конспект: В видео разбирается работа с Factory — новой платформой для AI-агентной разработки, которая использует специализированных «дроидов» (Droids) для кодинга, тестирования и управления знаниями. Автор показывает, как подключать локальные и удаленные репозитории, использовать MCP-серверы и автоматизировать TDD (Test Driven Development) через прокси-соединение Factory Bridge.

👤 Кому будет полезно: Вайбкодерам, разработчикам и продукт-менеджерам, которые хотят выйти за пределы простых чатов (типа ChatGPT) и перейти к полноценным AI-агентам, имеющим доступ к терминалу, локальным файлам и нескольким репозиториям одновременно.

✨ Что получите: Вы научитесь настраивать среду Factory, подключать локальный терминал к облачному AI-агенту, работать в режиме multi-repo и автоматизировать исправление багов на основе результатов тестов.

1. Выбор специализированных Droids под конкретные задачи

Контекст: В отличие от универсальных чат-ботов, Factory предлагает систему «дроидов» — это специализированные шаблоны агентов, оптимизированные под разные роли в жизненном цикле разработки. Каждый дроид имеет свои предустановки и инструменты, что минимизирует галлюцинации и повышает точность выполнения задач. Это позволяет не тратить время на объяснение контекста «кто ты», а сразу переходить к делу.

Выгода: Повышение качества кода и документации за счет использования узкоспециализированных моделей и промптов для каждой роли.

Как применить:

  • Шаг 1: Выбор роли — В дашборде Factory выберите нужного дроида:
    • Code Droid: для написания кода и рефакторинга.
    • Knowledge Droid: для исследования документации и поиска ответов.
    • Reliability Droid: для анализа инцидентов и поиска корневых причин (root cause analysis).
    • Product Droid: для задач продукт-менеджмента и планирования фич.
  • Шаг 2: Выбор модели — Внутри дроида выберите LLM. Доступны: Claude 3.5 Sonnet, Claude 3 Opus, GPT-4o, o1-preview, Gemini 1.5 Pro. Для задач, требующих глубоких размышлений, выбирайте модели серии o с настройкой уровня "reasoning effort".
  • Шаг 3: Выбор репозитория — Подключите удаленный GitHub-репозиторий или выберите уже проиндексированный проект.

Результат: Готовая рабочая среда с агентом, который понимает специфику вашей текущей задачи.


2. Управление контекстом и Multi-repo разработка

Контекст: Главная проблема AI-кодинга — ограниченное окно контекста или его замусоривание. Factory решает это через динамическое управление контекстом: он сам индексирует структуру проекта (создает Code Map) и подтягивает только нужные файлы. Уникальная фишка — возможность работать с несколькими репозиториями одновременно, например, когда вам нужно связать фронтенд на React с бэкендом на Python.

Выгода: Возможность создавать сложные интеграции между разными проектами без ручного копирования кода в чат.

Как применить:

  • Шаг 1: Индексация — Добавьте основной репозиторий. Factory создаст обзорную карту директорий (Overview).
  • Шаг 2: Добавление зависимых проектов — Нажмите кнопку добавления контекста и выберите второй репозиторий (например, библиотеку UI или SDK).
  • Шаг 3: Кросс-репозиторный запрос — Используйте промпт, обращающийся к обоим проектам:
Используй UI-компоненты из репозитория @vercel-chat-ui, чтобы создать интерфейс для моего текущего проекта @meta-agent. Убедись, что типы данных совпадают.

Результат: AI-агент видит структуру обоих проектов и может писать код для одного, опираясь на логику другого.


3. Factory Bridge: Соединение облачного AI с локальной машиной

Контекст: Чтобы AI-агент мог не просто писать код, но и запускать его, проверять тесты и видеть ошибки компиляции, ему нужен доступ к вашему терминалу. Factory Bridge работает как безопасный прокси, который связывает облачный интерфейс Factory с вашей локальной средой разработки. Это превращает чат в полноценного автономного инженера.

Выгода: Полная автоматизация цикла «написал — запустил — проверил — исправил» без вашего участия в рутинных запусках команд.

Как применить:

  • Шаг 1: Установка — Скачайте и запустите приложение Factory Bridge (доступно в тулбаре).
  • Шаг 2: Авторизация — В интерфейсе Factory выберите "Local Machine", скопируйте код сопряжения.
  • Шаг 3: Подключение — Вставьте код в приложение Factory Bridge. Статус должен смениться на "Connected".
  • Шаг 4: Активация окружения — Дайте команду агенту активировать вашу среду:
@local-repo активируй virtual environment и убедись, что все зависимости установлены.

Результат: В интерфейсе Factory появится активная панель терминала, через которую агент будет выполнять команды.


4. Автоматизация TDD и исправление багов через терминал

Контекст: Самый эффективный паттерн работы с Factory — это итеративное исправление тестов. Вместо того чтобы просить «напиши фичу», вы просите «запусти тесты и исправь то, что упало». Агент сам видит вывод терминала, анализирует Traceback ошибки и вносит правки в код до тех пор, пока тесты не пройдут.

Выгода: Гарантированно рабочий код на выходе. Сокращение времени на отладку на 70-80%.

Как применить:

  • Шаг 1: Запуск тестов — Отправьте команду:
Запусти все тесты в проекте @meta-agent используя pytest.
  • Шаг 2: Анализ провалов — Если тесты упали (например, "9 failed"), не нужно копировать ошибку. Просто напиши:
Я вижу, что есть упавшие тесты. Проанализируй причины ошибок и исправь код, чтобы все тесты стали зелеными.
  • Шаг 3: Финальная проверка — После правок попросите агента запустить тесты повторно для подтверждения фикса.

Результат: Полностью исправленный и протестированный функционал без ручного поиска строк с ошибками.


5. Расширение возможностей через MCP (Model Context Protocol)

Контекст: Factory поддерживает MCP-серверы, что позволяет подключать к AI-агенту внешние источники данных, такие как базы знаний в Obsidian, Notion или специфические API. Это критически важно для работы с актуальными SDK или внутренними стандартами компании, которых нет в обучающей выборке модели.

Выгода: AI-агент получает доступ к вашим личным заметкам и актуальной документации в реальном времени.

Как применить:

  • Шаг 1: Настройка MCP — В настройках проекта выберите "Connect MCP Servers".
  • Шаг 2: Подключение Obsidian — Используйте Obsidian MCP сервер, чтобы агент мог читать ваши заметки по проекту.
  • Шаг 3: Использование в работе — Промпт для агента:
Используй документацию из моего Obsidian (через MCP), чтобы правильно настроить интеграцию с новым API Stripe.

Результат: Агент использует самую свежую информацию из ваших личных файлов, избегая устаревших методов из интернета.


Factory AI: ответы на частые вопросы

В: Безопасно ли подключать локальную машину через Factory Bridge?

О: Да, Factory Bridge работает как защищенный туннель. Агент выполняет только те команды, которые необходимы для выполнения вашей задачи, и вы видите все действия в реальном времени в панели терминала. Вы можете прервать сессию в любой момент.

В: Можно ли использовать Factory для написания документации, а не кода?

О: Да, для этого идеально подходит Knowledge Droid. Вы можете загрузить в него все текущие файлы проекта и попросить создать README.md или техническую документацию для клиентов, основываясь на реальной логике кода.

В: Какие модели лучше всего подходят для исправления сложных багов?

О: Автор рекомендует использовать модели с высоким уровнем рассуждения (Reasoning), такие как OpenAI o1 или Claude 3.5 Sonnet. В Factory можно настроить "Reasoning effort" для моделей серии o, чтобы агент тратил больше времени на глубокий анализ проблемы перед внесением правок.

В: Как Factory работает с несколькими репозиториями? Он их объединяет?

О: Нет, он не объединяет их физически. Он индексирует их по отдельности и держит в контексте как разные источники. Вы можете ссылаться на них через @название_репо, и агент будет понимать, где брать интерфейсы, а где — реализацию логики.

В: Нужно ли мне самому устанавливать зависимости (pip install и т.д.)?

О: Вы можете делегировать это агенту. После подключения через Factory Bridge просто скажите: "Установи необходимые зависимости из requirements.txt". Агент сам выполнит команду в вашем локальном терминале.

Конспект создан на основе видео «Factory: AI Coding Droids (Walkthrough)» канала Factory. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=GkFd3d8suLM

Редактор конспекта

Максим Наговицын

Маркетинг-стратег, IT-предприниматель, ментор по вайбкодингу

10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.

Об авторе →
Все конспекты

Источник

КаналFactory
Конспект добавлен2026/03/19
Смотреть на YouTube

Инструменты из конспекта

Похожие конспекты

📝 Конспект

Создание кроссплатформенного AI-ассистента за 1 день: Эмуляторы, скриншот-верификация и автомердж PR

Пошаговый разбор создания open-source AI-бота Ricazo: архитектурная изоляция, тестирование через эмуляторы API, скриншоты и автономный CI/CD.

2026/11/02
📝 Конспект

Grockbot и AI-агенты для бизнеса: Как построить автономную команду ботов-сотрудников

Практическое руководство по управлению AI-агентами в Grockbot: Git-репозиторий навыков, связка с Claude и асинхронный email-менеджмент.

2026/11/02
📝 Конспект

Второй мозг для AI-агентов: Пошаговая настройка локальной базы знаний и автоматизаций

Пошаговый гид по созданию второго мозга для AI-агентов: 5 слоев архитектуры, база в Obsidian, парсинг Apify и RAG Telegram-боты.

2026/11/02
📝 Конспект

Стратегия AI-агентов OpenAI: Как автоматизировать разработку и строить долговечные продукты

Разбор стратегии OpenAI от Грега Брокмана: автоматизация 80% кода, правило 5 раз, 4 уровня персональных агентов и защита AI-стартапов.

2026/11/02
📝 Конспект

Claude Code AIOS: Как создать персональную операционную систему на базе ИИ-агентов

Пошаговый гид по созданию персональной AIOS в Claude Code: фреймворки 3M и 4C, скиллы, GWS CLI, база знаний LLM Wiki и автономные Cloud Routines.

2026/11/02
📝 Конспект

Gemini для финансового и юридического аудита: Пошаговый запуск цифрового CFO и юриста

Практический гайд по настройке Gemini для аудита 1С, поиска финансовых утечек, стресс-теста договоров и генерации досудебных претензий.

2026/11/02