What Happens When a PM Runs a Coding Agent (almost) Full-Time

📖 Источник: www.astronomer.io

Опыт PM, работающего с Claude Code почти полный рабочий день

Введение

Автор статьи — product manager в компании Astronomer, ранее занимавший позиции CEO и data engineer. При трудоустройстве он поставил себе цель: стать «agent-native» PM — выстраивать все рабочие процессы так, чтобы Claude Code мог их ускорить. Первые 90 дней традиционно рекомендуют слушать и изучать организацию, но автор совместил это с активным использованием ИИ-агента. За четыре недели он создал систему из 73 markdown-файлов, провёл около 19 клиентских разговоров и запустил open-source репозиторий. Ключевой тезис: инвестиции в структуру, доступную для агентов, окупаются экспоненциально.

Система организации знаний

В основе — git-репозиторий с markdown-файлами, разделённый на директории: people/ (карточки всех, с кем общался, по командам), customers/ (профили клиентских разговоров), daily/ (ежедневные логи), work/ (документы по проектам и стратегиям).

На каждой встрече автор использует Granola для локальной записи и расшифровки. Стандартная MCP-интеграция возвращала только AI-суммарии, поэтому он попросил Claude Code создать кастомный навык, который извлекает полный текст из локального кэша Granola. После каждой встречи агент достаёт транскрипт, обновляет карточку человека, добавляет задачи в to-do лист и записывает итоги в дневник. В результате каждая беседа становится структурированным, поисковым знанием.

Семантический поиск как функция

На третьей неделе объём данных превысил возможности простого grep в контекстном окне Claude Code. Автор добавил QMD — локальную семантическую поисковую систему от Tobi (Lutke), которая индексирует репозиторий. Теперь перед клиентским звонком можно найти: «что обсуждалось о проблемах внедрения ИИ-агентов» — и получить релевантные записи из инженерных 1:1, предыдущих разговоров и стратегических документов. Это позволяет видеть паттерны, которые иначе пришлось бы удерживать в памяти.

Персональный CRM

Одно из первых решений — интерактивная оргдиаграмма. Стандартная из Workday была медленной, не показывала полную картину и недоступна из командной строки. Claude Code построил базовую версию из Excel-экспорта, затем добавили отслеживание отношений (с кем встретился, кто в очереди), фильтры по локации и контексту. Финальная версия использует DuckDB через WebAssembly для SQL-запросов прямо в браузере: SELECT name, title FROM people WHERE title LIKE '%Engineer%'. Вся система умещается в одном HTML-файле.

Статус отношений (встретился, запланировано, нужно запланировать) отображается цветом в дереве. При 300+ сотрудников это превратило абстрактное «надо познакомиться» в конкретную, отслеживаемую кампанию. Автор видит, что охватил ~10% организации и точно знает, кого нужно добавить в календарь.

Результаты за четыре недели

За 19 рабочих дней (часть из которых — снежный шторм и больничные) автор вёл в среднем один клиентский разговор в день. Каждый раз добавлял структурированные заметки.

Запущено:

astronomer/agents — open-source репозиторий с ИИ-агентскими навыками и MCP для data engineering, включая Airflow MCP server
PR в Astro CLI — добавлен флаг для совместимости с Airflow 3 Dag bundle (по запросу клиента, подхваченному поддержкой)

Также подготовлены внутренние документы по стратегии и коммуникации. Автор признаёт: это приличный результат для первого месяца, но в мире с ИИ-агентами планка выше.

Границы применения агентов

AI-адопция — континуум, не бинарный переключатель. Автор ссылается на 8 уровней Steve Yegge и старается продвинуться как можно дальше. «Agent-native» означает: хранить всё в формате, который агент может прочитать и обработать — markdown в git, не lock-in SaaS; локальные файлы, не только облако.

При этом важно замечать стены. Агент не может:

посетить встречу вместо человека (пока)
«считать» настроение клиента, который недоговаривает
выстроить отношения за кофе

Эти границы показывают, где человеческое суждение имеет наибольшую ценность — и именно там следует фокусировать время. Работа, которую агенты выполняют (организация заметок, структурирование, подготовка контекста, отслеживание задач), критически важна — и Claude Code делает её лучше и последовательнее, чем вручную.

Проблемы и планы на будущее

Что изменить: 73 файла — некоторые избыточно детализированы. Идёт калибровка: сколько структуры полезно, а сколько — оверхед.

Главная проблема: система построена для одного пользователя. Оргдиаграмма, профили клиентов, контекстные документы были бы полезны коллегам. Следующий шаг — сделать систему коллаборативной, не потеряв скорость и простоту.

Вывод: система накапливается. Репозиторию четыре недели, но ощущение — как будто уже шесть месяцев институциональных знаний в кармане. Каждая встреча генерирует данные, которые улучшают следующую. Это и есть ключевая идея: маленькие инвестиции в структуру для агентов окупаются экспоненциально. Автор призывает экспериментировать: установить Claude Code, создать markdown после следующей встречи, попросить Claude структурировать — и итерировать.

📢 Информация предоставлена телеграм-каналом: Data&AI Insights

🤖 Data&AI Insights - Ваш источник инсайтов о данных и ИИ