416 тестов и кнопка «снести всё»: как я ловил баги в агентных проектах на Claude Code

С февраля на ноутбуке автора крутится автономный агент Сурок: связка Claude Code с флагом --dangerously-skip-permissions и ральф-луп поверх. В идиллическом режиме «сидишь, кофе пьешь, смотришь, как горят токены» выявилась проблема: Level 5 автономии при Level 1 границах.

Чтобы систематизировать грабли, автор прогнал Сурка и ещё пять своих проектов через свод инженерных практик. В диагностику вошли 416 тестов, чужой боевой опенсорс на десятки тысяч звезд и методология PDLC Сбера, где эти проблемы уже каталогизированы. Ключевой вывод: агенты ломаются не там, где ожидаешь.