Технічний контекст
Я б взагалі не довіряв одному системному промпту, коли йдеться про Git. Якщо я інтегрую штучний інтелект у процес розробки, то моє перше правило нудне, але рятує нерви: будь-які дії, окрім читання, заборонені, поки я не попрошу їх явно.
Причина банальна. І Claude, і Codex у паралельних сесіях можуть добросовісно затерти зміни, що тривають, тому що для них локальний робочий каталог виглядає як просто черговий стан проєкту. Я таке бачив не раз, і саме тут гарний промпт закінчується, а інженерна дисципліна починається.
Зазвичай я фіксую кілька правил прямо в інструкціях агента: не робити commit, push, rebase, видалення гілок і checkout з побічними ефектами без підтвердження; перед будь-якою зміною показувати, що саме буде зачеплено; після генерації коду спочатку проганяти тести або збірку. Якщо проєкт важкий, я ще окремо забороняю коміт без апруву, тому що з незакоміченими змінами розбирати AI-код часто швидше.
З практики команди мені подобаються і більш приземлені речі: єдиний формат feature-гілки з кодом задачі, посилання на PR у трекері, короткий опис PR людською мовою, пінг у Slack або Telegram на code review. Це не про бюрократію. Це про те, щоб AI не перетворював Git-історію на звалище без контексту.
І так, якщо потрібен реальний контроль, я б не обмежувався промптом. Зовнішні safety-шари для CLI, які вимагають confirm або блокують небезпечні git-команди, надійніші за будь-яке «ніколи так не роби» у system prompt.
Що це змінює для бізнесу та автоматизації
Тут виграють команди, де кілька людей і кілька AI-сесій лізуть в один репозиторій. Втратять ті, хто женеться за швидкістю і дозволяє агенту комітити все підряд: спочатку здається швидко, потім півдня йде на розбір, хто зламав гілку і чому зникли шматки коду.
Для AI implementation я бачу рівно три наслідки. Перше: трохи повільніший цикл, зате менше випадкових перезаписів. Друге: чистіше рев’ю і зрозуміліша відповідальність за PR. Третє: простіше масштабувати automation with AI між командами, тому що правила однаково читаються і людьми, і агентами.
Ми в Nahornyi AI Lab якраз такі місця й розбираємо: де агенту можна дати свободу, а де йому потрібен короткий повідець. Якщо у вас AI вже пише код, але процес починає кришити гілки, рев’ю й терміни, можна спокійно подивитися на ваш workflow і зібрати AI automation так, щоб він прискорював розробку, а не створював нові аварії.