← Все кейсы
Развлечения Разработческий харнес

PARTYstation: агенты переписали 300 000 строк за три месяца, и теперь один разработчик делает работу целой команды

Мы построили харнес для PARTYstation, живой платформы игр для вечеринок: обвязку из тестов, документации и правил вокруг работающей системы, чтобы coding-агенты могли переписать её, ничего не сломав в продакшене. За три месяца агенты переписали больше 300 000 строк бэкенда с PHP и Node на Python, платформа переехала в новое облако, а 31 августа 2026 года на неё переключили боевой трафик. Новые фичи теперь выпускает один фулстек-разработчик с агентами.

Живой продукт, который нельзя останавливать

PARTYstation — платформа для игр на вечеринках. Игра идёт на большом экране, будь то телевизор дома, день рождения или корпоратив, а игроки подключаются со своих телефонов, как с пультов: квизы, «Крокодил», ассоциации, мемные раунды. Около десяти типов игр, до нескольких десятков игроков в комнате, веб-ТВ, мобильные приложения, Android TV, Samsung, а ещё те же игры внутри стриминговых сервисов Кинопоиск и Wink. Зарабатывает платформа на подписках и платных играх, поэтому каждая оборванная игра напрямую бьёт по выручке.

PARTYstation: квиз на большом экране, телефоны игроков работают пультами
Игра идёт на большом экране, телефоны работают пультами

Когда мы подключились, платформа работала в продакшене больше четырёх лет и успела разрастись в зоопарк технологий: REST API на PHP примерно на 150 тысяч строк, игровые серверы на Node.js, которые держат вебсокет с каждым телефоном в комнате, отдельный сервис статистики, пять клиентских приложений. Отдельно жил форк для стриминговых партнёров: в конце 2023 года систему целиком скопировали под них, и за два с половиной года копии разошлись, так что фичи и исправления переносили между ними вручную, а многое делали дважды. Больше полумиллиона строк в десятке репозиториев, ни одного актуального описания того, как всё это связано, и технический долг, который рос быстрее фич.

Во что обходится такое легаси, стало видно в новогоднюю ночь, самую загруженную ночь года. Серия турниров Quiz Battle собрала около 1 200 игроков онлайн одновременно, и основной сервер захлебнулся. Перезапуски сделали только хуже: вместе с ними падал общий кэш, и часть игроков теряла результаты посреди игры. Пожар потушили железом, а причину так и не нашли: искать её было нечем.

Новогодняя ночь на старой платформе, до переписывания
~1 200игроков онлайн, когда старый сервер не выдержал
~80%загрузки CPU на единственном сервере, где жил весь API
+16 ядери +64 ГБ памяти, чтобы потушить пожар
0метрик приложения: вся диагностика сводилась к SSH и лог-файлам

Деплоем служил shell-скрипт, который уже никто до конца не понимал: он делал git reset --hard в каждом репозитории на физических серверах и перезапускал работающие процессы.

До этого платформу вела собственная команда примерно из шести человек. Компания с ней рассталась и новую собирать не стала: она сменила саму модель разработки, и теперь продукт ведёт небольшая группа инженеров через coding-агентов. Ставка сыграла с запасом: сегодня новые продуктовые фичи выпускает один фулстек-разработчик с агентами.

Нашей задачей было построить то, что делает такую модель возможной. Мы называем это харнесом (от английского harness, «упряжь»): это обвязка вокруг кода, благодаря которой агент понимает чужую систему, не вредит ей и доводит задачу до конца с минимальным участием человека.

Что делали люди, а что агенты?

Агенты писали код и тесты, вели документацию и раскапывали старую систему. Люди решали, что делать и в каком порядке, задавали архитектуру и правила, общались с заказчиком и отвечали за всё, что попадало в основную ветку, и за приёмку. Продуктовые решения и оценка того, что считать багом, всю дорогу оставались за людьми.

Сначала описать то, что есть

Документация была, но разрозненная: вики на несколько десятков страниц, в основном про контент и процессы, и описание API, которое местами расходилось с кодом. Как система устроена целиком, по ней понять было нельзя. Мы вчитывались в репозитории, а всё, на что код ответить не мог, в основном продуктовые вопросы, несли команде заказчика. Вокруг живой системы выросло техническое описание: архитектурная карта по всем репозиториям, модули и интеграции, путь игры от большого экрана к телефонам и обратно. Только после этого мы пошли дальше.

Спекой становится текущее поведение

Это описание не годилось в критерий приёмки: продуктовая компания не станет подписывать техническую документацию на то, что для неё выглядит внутренней перестановкой. Поэтому эталоном стала сама система: код на боевой ветке заказчика и то, как он отвечает прямо сейчас. Переписанная версия обязана пройти тот же регресс, что и оригинал. Такую проверку можно прогнать в любой момент, и она никогда не устаревает.

Фичафриза при этом не было. Команда заказчика всё это время продолжала выпускать изменения в старый стек, к концу июля это 37 коммитов, включая два новых модуля и изменённые контракты, и мы перенесли их все.

Весь процесс в пяти шагах

Из этого решения вырос весь метод. Он укладывается в пять шагов.

01
Описать легаси
Записать, как система работает на самом деле: архитектурная карта по десятку репозиториев, модули, интеграции.
понять чужое
02
Зафиксировать поведение тестами
Карта покрытия всех пользовательских сценариев. Один набор тестов на двух стендах, старом и новом; расхождение между ними и есть ошибка.
эталон
03
Переписать на один стек
Все бэкенд-сервисы переезжают на Python. Поведение остаётся прежним, вплоть до сайд-эффектов.
Python
04
Заменить части на новой инфраструктуре
Копия легаси работает в нашем облачном Kubernetes, и переписанные части вытесняют старые, пока от старого ничего не останется.
по частям
05
Приёмка и переключение
Заказчик проверяет новую систему вручную. Потом продакшен переезжает за один вечер.
31 августа
Описание легаси
Карта покрытия и тесты
Переписывание кода3 месяца
Приёмка заказчиком
Переключение трафика31 авг
Новый жанр игр2 недели
Переписывание кода: около трёх месяцев. Первая крупная фича после переключения: две недели

Все бэкенд-сервисы переехали на один язык, так что держать приходится один стек, а сервисы делят код там, где это полезно: контракты сообщений описаны один раз и работают по обе стороны провода. Всё взяли в актуальных версиях: Python 3.13, uv для монорепозитория, FastAPI, Pydantic v2, асинхронный SQLAlchemy.

Зачем было переписывать вместо рефакторинга и почему на Python?

Переезд в Kubernetes сам по себе можно было сделать и на старом коде. Переписывание дало единый стек: рефакторинг оставил бы два языка и форк бэкенда, причём без тестов, на которые можно опереться. Единый стек позволил и переиспользовать код: контракты сообщений и общая конфигурация написаны один раз, и ими пользуются API, игровой сервер и потребитель статистики. А на Python coding-агенты работают лучше всего, по нашему опыту и по свежим бенчмаркам: на Multi-SWE-bench и SWE-PolyBench от Amazon агенты решают задачи на Python заметно чаще, чем на TypeScript, очевидной альтернативе для игрового сервера на Node.

Тесты и код параллельно

Сроки требовали распараллелить работу по максимуму, и между людьми, и между агентами, которых ведёт каждый из них. Мы нарезали роадмап на задачи, достаточно мелкие для агента в свежем чате, и каждую разделили на две половины: код и тесты.

Тесты писались против легаси, поэтому никто никого не ждал. Половины встречались только на мерже, и правило там строгое: код попадает в основную ветку только вместе с тестами, которые проходят и на старой системе, и на новой. Это правило мы назвали легаси-паритетом, а механизм, который его проверяет, то есть тесты, два стенда и агентские скилы вокруг них, оракулом паритета.

Одна задача из роадмапа
Тестыпишутся против легаси и сначала зеленеют там
Кодпорт того же поведения на Python
у каждой половины свой агент, свой git worktree и своё изолированное окружение в Kubernetes с собственными базами
Условие мержазелёный прогон на старом стенде и на новом
Основная ветка
До мержа никто никого не ждёт

Раз у каждого агента был свой worktree и свой стенд, на ноутбуке разработчика ничего тяжёлого не крутилось, и один инженер мог вести около десяти агентских сессий одновременно.

рекорд старой системы: 28 в неделю
19
34
85
93
78
115
95
67
22 июн29 июн6 июл13 июл20 июл27 июл3 авг10 авг
Смерженные пул-реквесты по неделям на пике переписывания. Пунктир показывает самую загруженную неделю старой системы за четыре года: 28 мерж-реквестов по всем её репозиториям, при обычных восьми. На пике 115 за неделю.

«Старым» стендом была наша собственная копия легаси, причём как её собрать, никто никогда не записывал. Мы подняли её на новой инфраструктуре, раз платформа всё равно переезжала с физических серверов в управляемый Kubernetes. Тест не знает, на каком стенде работает: расхождение между стендами и есть сигнал ошибки.

Что тестировать, определяла карта покрытия, которую наш QA-инженер составил вместе с командой заказчика: все пользовательские сценарии продукта, разбитые по доменам и упорядоченные от критичных путей вроде входа и оплаты до косметики.

Покрытие тестами
1 486пользовательских сценариев в карте покрытия, в 19 доменах
100%критичных сценариев автоматизированы до переключения
93,6%всех активных сценариев автоматизированы сегодня
~6 500автотестов на уровнях юнит, API и end-to-end UI

Тестируем на трёх уровнях: юнит-тесты проверяют бизнес-логику, где всё внешнее подменено, API-тесты ходят в работающий сервер с настоящей базой, а end-to-end-тесты идут в настоящем браузере через Playwright.

Самый сложный уровень — игра в реальном времени: десятки игроков в комнате, а в Quiz Battle ещё и много комнат в одном матче, и всё по вебсокетам. Один сценарий поднимает изолированные браузеры для большого экрана и телефонов, проигрывает настоящий протокол игры и проверяет, что видит каждый участник. Моков нет нигде; единственная уступка в самом продукте — разметка-идентификаторы для тестов.

Тесты были не единственным фильтром: каждый пул-реквест проходит ещё и ИИ-ревьюера, настроенного под этот проект. Он видит весь репозиторий вместе с харнесом и проверяет по собственному регламенту почти на двести строк, тому же, по которому идёт наше внутреннее ревью, а агенты отрабатывают его замечания, пока он не одобрит изменения. Локальные дефекты он ловит хорошо, но расхождение со старым поведением в диффе не разглядеть: для этого и нужны два стенда.

Можно ли доверять коду, который написали агенты?

Доверие здесь держится на проверках. Каждое изменение проходит тайпчекер, линтер, правила слоёв, ИИ-ревьюера и набор тестов на обоих стендах, и ничего не попадает в основную ветку без зелёных обязательных проверок и одобрения другого человека. В итоге около 6 500 автотестов и единая структура по всей кодовой базе. У оригинала, написанного руками, такого не было никогда.

Паритет снаружи, чистая архитектура внутри

Снаружи поведение системы работает как контракт: ответ эндпоинта, его статус и сайд-эффекты, на которые опираются другие части системы. Его мы держим один в один. Внутри всё перестраиваем начисто и старые костыли в новый код не тащим.

Сайд-эффекты важны не меньше ответов: записи в базу, строки в аудит-логе, вызовы соседних сервисов, сброс кэша. Вход администратора, например, пишет в лог строку с конкретной категорией, уровнем и текстом сообщения. Мы выписываем такие эффекты для каждого эндпоинта, иначе наивно переписанный код молча их теряет.

По той же границе решается судьба сотен багов, найденных по пути. Баг, на который уже опираются клиенты и внутренние задачи, переносим как есть. Внутреннюю неэффективность, которую снаружи никто не видит, перестраиваем начисто.

Перенесли как есть

Запрос с неизвестным content-type получает 200 вместо ошибки: на это опирается старое мобильное приложение, и исправление сломало бы живых клиентов.

Перестроили с нуля

Список игр для игрового сервера старая система каждый раз собирала из базы заново, 14–26 секунд на запрос, а когда кеш истекал, его запрашивали все комнаты разом. Новая собирает его примерно за 3 секунды и держит в общем кеше.

Реестр багов легаси
355багов старой системы нашли и описали за время порта
10–15%порог риска, ниже которого баг чиним сразу

Каждый найденный дефект попадает в реестр в репозитории, и каждый описан так, чтобы агент мог потом его починить. Чиним сразу только там, где риск что-то сломать ниже порога, который мы заранее согласовали с заказчиком. Всё остальное переносится как есть, а запись объясняет почему.

Повторять старую структуру внутри тоже было не обязательно. Сервис статистики, отдельное приложение на PHP со своей админкой и API, влился в основной API, и от трёх демонов остались один потребитель событий и ночной сборщик отчётов. Его потребители сохранили прежние контракты и ничего не заметили.

Археология легаси: агент, который переписывает старый код, сам его не читает

Главная ловушка всплыла на первом же модуле, авторизации: после дня чтения PHP агент написал Python в стиле Laravel, вообще без слоёв, и модуль пришлось рефакторить. От старого кода нам было нужно его поведение, поэтому основной агент заглядывает в легаси только через подагента-археолога. Тот работает только на чтение и возвращает короткую выжимку со ссылками на строки и обязательным разбором сайд-эффектов. Старые файлы в основной контекст не попадают, и архитектура нового кода не дрейфует в сторону старой.

Наш собственный код живёт по строгим правилам: у каждого сервиса есть инструкция о слоях с таблицей решений, куда класть новый код, зависимости направлены в одну сторону, а если изменение не ложится в слои, агент останавливается и задаёт вопрос.

ТранспортHTTP-маршруты и вебсокет-фреймы, формы запросов и ответов
↓
Контроллерысценарии использования; про веб-фреймворк ничего не знают
↓
Хранилищеодин класс поверх базы данных
Клиентыпо классу на каждый внешний сервис
У каждого бэкенд-сервиса одни и те же несколько слоёв, и зависимости направлены только вниз

Те же правила гасят привычку моделей переусложнять: никаких абстрактных интерфейсов с единственной реализацией, никаких молчаливых дефолтов для отсутствующей настройки. На том первом модуле в харнесе было 2 скила, 5 правил и один хук; к концу порта в нём набралось 32 скила, 23 правила, 7 подагентов и 3 хука.

Наблюдаемость с нуля

Мониторинг старой платформы сводился к тому, что хостинг даёт из коробки: CPU, память, диск. Ни одной метрики приложения, даже ошибок по кодам ответа.

Логи всех подов уходят в Loki, игровой сервер публикует собственные метрики, а API и игровой сервер отправляют трейсы в Tempo, так что один трейс проводит действие игрока от вебсокета до отдельных запросов в базу. Ingress помечает каждый запрос кодом ответа; всё это сходится на 13 наших собственных дашбордах с алертами в мессенджер команды.

Панель Grafana: HTTP-запросы в секунду на продакшене по кодам ответа за выходные в октябре 2026 года; серии 500 и 502 держатся на нуле
Продакшен, выходные в октябре 2026 года: запросы в секунду по кодам ответа, пик в субботу вечером. Около двух миллионов запросов и ни одного 500 или 502 (выделены в легенде).

Дашборды открывают люди, а агенты читают те же метрики, логи и трейсы из терминала, и сейчас большая часть расследований идёт через них.

Есть ли у агентов доступ к продакшену?

Да, и намеренно: агенты выпускают релизы и читают логи, метрики и трейсы продакшена, за счёт этого один разработчик и успевает. Сам агент ничего не мержит и не деплоит, только по явной команде человека, и месяцы ежедневной работы показали, что это правило держится. Любой мерж в основные ветки требует одобрения другого человека, которое никто не может обойти, и зелёного прогона обязательных проверок: линтера, тайпчекера и сканера безопасности. Правила харнеса держат продакшен в режиме только для чтения, пока человек не скажет иначе, хук не пускает секреты открытым текстом в репозиторий, а любой релиз откатывается одним воркфлоу.

Переезд: по частям на стенде, целиком на продакшене

На нашем контуре переезд шёл постепенно: nginx перед копией легаси отправлял каждую переписанную группу REST-эндпоинтов в Python, а одна строка конфига могла вернуть её обратно в PHP. Игровой сервер так переехать не мог: комната держит в памяти своё живое состояние и вебсокеты игроков, поэтому его переписали целиком и заменили за один шаг.

Запросы от клиентов
↓
nginxпо правилу маршрутизации на каждую переписанную группу эндпоинтов
Python APIто, что уже переписано
PHP APIвсё остальное, как раньше
Гибридный этап: доля слева росла, пока справа ничего не осталось

К началу августа на наших контурах не осталось ни одного PHP-эндпоинта. Заказчик вручную сверил новую систему со старой, и приёмка заняла восемь рабочих дней.

Продакшен переключали целиком. Когда вся система была видна в Grafana, мы перевели всё за один вечер и наблюдали. 31 августа остановили задачи легаси, базы и медиа переехали в облако, включились платежи и наши собственные задачи, и только после этого переключили DNS. Порядок был важен: биллинговые задачи списывают деньги сразу при запуске, и ошибка здесь обернулась бы двойным списанием с карт.

Первый биллинговый прогон прошёл без единой ошибки, а несколько мелочей, всплывших в следующие дни, закрылись парой небольших фиксов.

Панель Grafana: вебсокет-сообщения нового игрового сервера вечером 31 августа 2026 года, ноль до переключения, затем целый вечер игр
31 августа 2026 года, вечер переключения: сообщения между новым игровым сервером и устройствами игроков. Ноль, пока не пришёл трафик, а затем весь вечер игр уже на новой системе, с пиком после 22:00 и спадом после двух часов ночи.

К чему пришли

Переехало всё, вместе с живым трафиком. Больше 300 000 строк легаси-бэкенда (REST API, игровые серверы, статистика, фоновые задачи и форк для стриминговых партнёров) переписаны примерно за три месяца, боевой трафик перешёл со старой системы на новую без остановки продукта, и теперь всё работает как одна кодовая база на Python, на новой инфраструктуре, внутри харнеса.

ДоПосле
БэкендPHP и Node.js в десятке репозиториевPython, один монорепозиторий
ИнфраструктураФизические серверыУправляемый Kubernetes в облаке
ДеплойShell-скрипт с git reset --hardРелиз по тегу: сборка, миграции и деплой примерно за десять минут, с возможностью отката
НаблюдаемостьТолько метрики железаЛоги, метрики и трейсы приложения в Grafana, с алертами
ТестыРучной чек-лист регресса1 486 сценариев в карте покрытия, около 6 500 автотестов
Среды разработкиОбщие стенды на одной общей базеИзолированный стенд на каждую ветку, со своими базами
Кто выпускает фичиКоманда примерно из шести человекОдин фулстек-разработчик с агентами

Ради последней строки всё и затевалось: работу, для которой нужна была целая команда, теперь делает один фулстек-разработчик с агентами, а платформа всё это время продолжала зарабатывать.

Кто поддерживает систему теперь и не окажемся ли мы привязаны к вам или к одному ИИ-вендору?

Один фулстек-разработчик с агентами, внутри харнеса; старую систему вела команда примерно из шести человек. Код написан на обычном Python без какого-либо нашего фреймворка, а Python-разработчиков на рынке найти проще многих. Харнес состоит из обычных Markdown-файлов в том же репозитории: архитектурный документ, правила, скилы и реестр багов. Мы строили его под Claude Code, как договорились с заказчиком, но гоняли и с другими агентами, в том числе с Codex, Cursor и Grok: они нормально с ним работают и подстраивают его под свои соглашения.

Что стало возможным

Порт держался на паритете с легаси, а у паритета был срок годности: после переключения эталоном стал сам продакшен.

Харнес перестроили под продуктовую работу: фича проходит путь от продуктовой спеки через техническое решение до кода, на каждом шаге свой скил, и продуктовая команда заказчика уже пишет спеки с его помощью.

С переключения в основную ветку влито больше сотни пул-реквестов, и у каждого продукта свой релизный цикл с выпуском по тегу. Первой крупной фичей на новой системе стал новый жанр игр: принципиально новые механики, свой игровой движок и изменения в дизайн-системе и на большом экране, и на телефонах. На старой системе такое потребовало бы глубокого погружения людей, отвечавших за её архитектуру, и около года работы. На новой его собрали за две недели.

Инфраструктуру после переключения пересобрали по метрикам загрузки за 30 дней: убрали осиротевшие диски и образы, ужали Redis и дев-кластер, и при той же конфигурации счёт за облако снизился примерно на 22%.

Тот же релиз работает и во втором облаке: международная англоязычная PARTYstation деплоится из тех же образов и того же чарта в отдельный кластер Kubernetes на DigitalOcean во Франкфурте.

Сработает ли это на нашем стеке?

Метод не зависит от языка исходной системы. Эталоном служит поведение старой системы, видимое снаружи, поэтому тесты общаются с её API и никогда не импортируют её код, а археолог одинаково хорошо читает PHP, Java или C#. Лучше всего метод работает, когда старая система поднята на стенде: здесь никто не записал, как её собрать, и мы разобрались в этом сами. Без стенда метод тоже работает, а со стендом агент вдобавок к чтению старого кода может запустить его и проверить, что происходит на самом деле. Кроме этого нужен человек, который знает продукт и ответит на вопросы.

Что мы вынесли из пилота

Текущее поведение как спека вместо документации на согласование
Один набор тестов проходит и на старом, и на новом коде
Паритет вплоть до сайд-эффектов: записи в БД, аудит-логи, инвалидации кэша
Баги легаси переносим намеренно, с реестром и порогом риска на фикс
Агент трогает легаси только через изолированного подагента-археолога
Тесты и код пишутся параллельно и встречаются только на мерже
Сначала наблюдаемость, потом весь продакшен за один вечер
Один фулстек-разработчик с агентами вместо команды
Текущее поведение как спека вместо документации на согласование
Один набор тестов проходит и на старом, и на новом коде
Паритет вплоть до сайд-эффектов: записи в БД, аудит-логи, инвалидации кэша
Баги легаси переносим намеренно, с реестром и порогом риска на фикс
Агент трогает легаси только через изолированного подагента-археолога
Тесты и код пишутся параллельно и встречаются только на мерже
Сначала наблюдаемость, потом весь продакшен за один вечер
Один фулстек-разработчик с агентами вместо команды

Расскажите, какой процесс хотите разобрать.

Ответим, подходит ли задача для AI-агентов, и если да, предложим конкретный план.

или напишите напрямую — ilya@manaraga.ai