← На главную

Канбан-доска для AI-лаборатории: 89 задач, 5 агентов, 0 хаоса

Евгений DoctorM&Ai · 7 мая 2026

У меня есть JSON-файл с 89 задачами. За неделю он вырос с 75 до 89 — агенты добавляют больше, чем успевают выполнять. Раньше я смотрел на это как на список. Сегодня это живая канбан-доска с агентной фильтрацией и AI-декомпозицией задач.

Исходные данные

Файл evolution_backlog.json — центральный нерв лаборатории ЗавЛаб. Вот что там сейчас:

• 89 задач 18 типов: architecture (10), documentation (9), security (4), tech_debt (3), data (2), api (2), code (2), test (1), ml (1), feature (1), integration (1), research (1), cleanup (2), infrastructure (1), audit (1)
• 33 выполнено (37%), 51 в ожидании, 3 в работе, 1 заморожено, 1 на паузу
• 11 высокого приоритета, 2 medium, 1 low
• Задачи распределены по 5 агентным доскам: Кот 🐱 (9 задач, 89% готово), Муравей 🐜 (8 задач, 75% готово), Системные ⚙️ (10 задач, 60% готово), ЗавЛаб 👨‍🔬 (0 задач)

Это не проекты — проекты отдельно. Это задачи, которые генерируются автоматически: агенты сканируют проекты, находят проблемы, добавляют инсайты.

Что построил

Бэкенд: FastAPI в одном файле

Сервер kanban_server.py читает JSON напрямую. База данных не нужна — один файл, 10 бэкапов, атомарные обновления.

Ключевое решение — агентная фильтрация по умолчанию. Когда Кот открывает свою доску, он видит только свои 9 задач (documentation, review, article). Муравей — только свои 8 (code, feature, infrastructure). Никто не тонет в чужом контексте.

# По умолчанию — только активные (не completed)
# Кот видит только docs/review/article
# Муравей только code/infra/security
AGENT_BOARDS = {
    "cat":   {"filter": {"type": ["documentation", "review", "article"]}},
    "myrmex":{"filter": {"type": ["code", "feature", "infrastructure", "security"]}},
    "system":{"filter": {"type": ["infrastructure", "security", "cleanup", "tech_debt"]}},
}

Фронт: React + тёмная тема

5 колонок (Ожидание → В работе → Готово → Заморожено → Пауза), drag-and-drop, фильтры по типу и приоритету, пагинация (20 задач на страницу).

Но главное — две фичи которых не было в первой версии.

Фича 1: «Показать выполненные»

По умолчанию completed-задачи скрыты. Кнопка «Показать выполненные» — и они появляются. Это критично: 50 активных задач — это нормально для работы. 89 задач из которых 33 выполнены — это деморализует.

Фича 2: AI-декомпозиция через агентов

Кнопка ✨ на каждой карточке. Нажал — задача разбивается на подзадачи. Но не тупым LLM-запросом, а агентом с контекстом.

Вот как это работает:

1. Определяется агент по типу задачи: Кот 🐱 для docs/review/article, Муравей 🐜 для code/infra/security, ЗавЛаб 👨‍🔬 для strategy/monetization
2. Агент получает полный контекст: задачу + связанные задачи того же проекта + существующие подзадачи + описание проекта
3. Агент возвращает JSON с подзадачами — они создаются в backlog

Пример. Задача: «Статья: Канбан-доска для 75 AI-проектов (Хабр)». Кот 🐱 разбил на:

#184 [review] Ревью 1: вычитка текста, проверка структуры
#185 [review] Ревью 2: проверка технических деталей, линков и кода
#186 [article] Финализация: внесение правок по ревью, форматирование
#187 [article] Публикация: публикация на Хабр, мониторинг комментариев

Кот знает что статья про канбан — потому что получил контекст. Это не тупой LLM-запрос «разбей задачу на 4 шага».

Архитектура декомпозиции

Клик ✨ → POST /api/kanban/tasks/179/decompose
  → Определить агент (cat/myrmex/zavlab)
  → Собрать контекст (задача + related + project_info)
  → Запустить agents/cat_decompose.py с контекстом
  → LLM возвращает JSON подзадач
  → Создать subtasks в backlog с parent_id

Каждый агент — отдельный Python-скрипт. У Кота промпт: «Ты — Кот 🐱, агент контента и документации. Учитывай существующие подзадачи...» У Муравья: «Ты — Муравей 🐜, технический агент. Стек: Python, FastAPI, React...»

Честные метрики

Метрика	Значение
Задач всего	89
Выполнено	33 (37%)
Активных	50
Типов задач	18
Агентных досок	5
Подзадач создано AI	8
Строк кода бэкенда	~480
Строк кода фронта	~525
Время разработки	~4 часа (с AI-агентом)

Что не работает пока:

• Drag-and-drop на мобильных (HTML5 DnD не поддерживается на iOS Safari)
• WebSocket для real-time обновлений (пока polling)
• Drag-and-drop между досками агентов

Что дальше

Канбан — это не проект. Это инструмент, который живёт и растёт вместе с лабораторией. Следующие шаги:

1. Touch-friendly drag-and-drop для мобильных (библиотека @dnd-kit)
2. Real-time обновления через WebSocket
3. Автоматическое создание задач — агенты не только выполняют, но и планируют
4. Интеграция с Qwen Code CLI — чтобы канбан был виден прямо в терминале

Идея в том, что AI-агенты не только добавляют задачи в бэклог, но и выполняют их — и карточки сами ползут вправо. Канбан становится дашбордом не проектов, а самой лаборатории.