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.
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.
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.
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.
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.
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.
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.
Из этого решения вырос весь метод. Он укладывается в пять шагов.
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.
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.
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.
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.
«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.
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.
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.
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.
Запрос с неизвестным content-type получает 200 вместо ошибки: на это опирается старое мобильное приложение, и исправление сломало бы живых клиентов.
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.
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.
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.
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.
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.
Дашборды открывают люди, а агенты читают те же метрики, логи и трейсы из терминала, и сейчас большая часть расследований идёт через них.
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.
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.
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.
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.
| До | После | |
|---|---|---|
| Бэкенд | PHP и Node.js в десятке репозиториев | Python, один монорепозиторий |
| Инфраструктура | Физические серверы | Управляемый Kubernetes в облаке |
| Деплой | Shell-скрипт с git reset --hard | Релиз по тегу: сборка, миграции и деплой примерно за десять минут, с возможностью отката |
| Наблюдаемость | Только метрики железа | Логи, метрики и трейсы приложения в Grafana, с алертами |
| Тесты | Ручной чек-лист регресса | 1 486 сценариев в карте покрытия, около 6 500 автотестов |
| Среды разработки | Общие стенды на одной общей базе | Изолированный стенд на каждую ветку, со своими базами |
| Кто выпускает фичи | Команда примерно из шести человек | Один 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.
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.
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.
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.
Ответим, подходит ли задача для AI-агентов, и если да, предложим конкретный план.
Заявка отправлена
Ответим в течение дня на указанный email.
или напишите напрямую — ilya@manaraga.ai