agentleFS
jtprogrujtprogru/bear-skills/skills/code-last-mile/SKILL.md

code-last-mile

Skill1 starsChanged 3 months agoMITView on GitHub

Достраивает «последние 20%» — слой опыта использования, который выпадает из плана, потому что план декомпозирует существительное, а не сцену. Разбирает один конкретный момент использования по шагам и специфицирует остаток на уровне сантехники. Используй, когда пользователь говорит «вроде работает, но пользоваться невозможно», «чего не хватает до готовности», «доведи до ума», «последние 20%», «почему это ощущается сырым».

The file

Files
SKILL.md
<!-- СГЕНЕРИРОВАНО bin/mirror.js. Не редактировать: правки затрёт следующая генерация. Источник правды — domains/<домен>/. -->

code-last-mile — Последние 20%

Почему этот слой всегда выпадает

Когда задачу декомпозируют, декомпозируют существительное. «Сделать вики» распадается на ingestion, поиск, хранилище, слой LLM. Каждая часть выглядит необходимой, все они действительно нужны — и, будучи сделанными, дают систему, которой невозможно пользоваться.

Опыт использования не появляется в декомпозиции существительного. Значит, не становится задачей. Значит, не делается — и обнаруживается в конце как «работает, но что-то не то».

Лекарство: декомпозировать сцену, а не объект.

Шаг 1. Найди magic moment

Один конкретный момент, ради которого всё делается. Не «пользователь работает с системой», а сцена с деталями:

Человек вставляет ссылку на статью, уходит за кофе, возвращается — и видит, что статья уже разобрана на заметки, они связаны с тем, что он читал в прошлом месяце, и одна из связей его удивляет.

Если такую сцену не получается описать — это и есть главная находка. Продукта пока нет, есть набор компонентов.

Шаг 2. Разбери сцену по шагам

Пройди её как человек, а не как система. На каждом шаге отвечай:

  • что он видит
  • что он делает
  • что он ждёт
  • что он видит, если пошло не так

Последний вопрос вскрывает больше всего пропусков. В планах почти никогда нет ответа на «что показать, когда парсер не справился со статьёй».

Дополнительно по каждому шагу:

  • сколько он ждёт и понимает ли, что идёт работа
  • сколько действий нужно, чтобы дойти сюда с нуля
  • что он делает после — magic moment редко последний шаг

Шаг 3. Спецификация на уровне сантехники

То, что нашлось, описывается конкретно, а не пожеланиями. Не «улучшить обработку ошибок», а: «при таймауте парсера показать сообщение X, оставить ссылку в очереди, повторить через Y минут, при третьей неудаче написать в лог Z и показать пользователю кнопку W».

Уровень детализации такой, чтобы по описанию можно было реализовать, не додумывая. Формулировка, допускающая додумывание, будет додумана иначе, чем ты имел в виду.

Шаг 4. Золотые артефакты — руками, до генератора

Прежде чем писать код, который что-то генерирует, напиши руками один-два образцовых результата. Идеальную заметку. Идеальный ответ. Идеальное письмо.

Это делается вручную по двум причинам. Пока образца нет, «хорошо» не определено, и генератор невозможно оценить. И написание образца само вскрывает требования, которых не было в плане: обычно выясняется, что для хорошего результата нужны данные, которые никто не собирался собирать.

Золотые артефакты становятся приёмочным критерием: генератор готов, когда его вывод сравним с ними.

Шаг 5. Отдай результат списком

  • сцена, разобранная по шагам
  • что из неё уже есть
  • чего нет, со спецификацией на уровне сантехники
  • золотые артефакты
  • что осознанно не делаем сейчас

Чего не делать

  • Не подменяй сцену списком фич. «Нужны уведомления» — это фича; «он не понимает, что обработка идёт, и уходит» — это сцена.
  • Не бери сразу три сценария. Один, разобранный до конца, полезнее трёх поверхностных.
  • Не описывай счастливый путь и на этом останавливайся: ошибочные ветки и есть последние 20%.
  • Не считай генератор готовым, пока не с чем сравнить его вывод.
  • Не превращай это в редизайн: скилл достраивает то, что задумано, а не придумывает другое.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.