Экосистема AI-агентов для рутинных задач: от Jira до автоматической документации

Клонирование задач, ручной поиск информации в Jira, простановка компонентов вручную, составление отчётов, конспектирование звонков — эти операции отнимают часы, которые могли бы уйти на реальную работу. В этой статье мы покажем собственную экосистему из десятка небольших AI-агентов и аддонов, каждый из которых закрывает одну конкретную боль. Вместе они образуют цепочку, где результат одного шага сразу передаётся в следующий.

А узнать больше можно в нашем видео:

https://youtu.be/GpRSYWmEwy0

Клонирование задач без лишних кликов

Стандартный процесс клонирования обычно требует цепочки последовательных действий, а клонирование задачи вместе с дочерними элементами превращается в отдельную проблему. Новый функционал упрощает это:

• достаточно знать номер исходной задачи;

• можно изменить описание, исполнителя, спринт, статус и любые другие поля;

• одно нажатие кнопки создаёт клон.

Отдельно реализована возможность клонировать сразу несколько объектов в одном месте — это особенно удобно, когда клонировать нужно пять и более раз подряд.

Поиск задач на естественном языке

Отдельный агент позволяет находить нужные задачи по текстовому запросу:

1. Формулируется запрос на естественном языке — например, найти все задачи по конкретной теме.

2. Агент показывает план действий: в какой проект пойдёт и что именно сделает.

3. План можно скорректировать, если он не устраивает.

4. После подтверждения агент выполняет запрос и собирает результат.

Результат можно выгрузить как таблицу или в markdown-формате, а по ссылкам — быстро перейти напрямую.

Автоматическая линковка компонентов

Ручная простановка компонентов — частая рутина: сначала в родительской задаче, потом в каждом дочернем элементе, при этом более мелкие элементы обычно наследуют компонент только от родителя. Автоматизация решает это так:

• выбирается один или несколько родительских объектов (можно указать сразу список через запятую);

• указывается нужный компонент;

• компонент автоматически проставляется во всех дочерних эпиках и тасках.

Процесс занимает несколько секунд и одинаково хорошо работает как с одной задачей, так и с десятками одновременно.

Голосовой ввод и создание задач

Голосовой агент решает проблему платных и не всегда качественных сервисов распознавания речи. Его возможности:

• преобразование голоса в текст;

• копирование текста в любое нужное место;

• перевод текста на английский с учётом контекста;

• прямой переход к созданию задачи — с выбором проекта, борда и компонентов.

Так формируется сквозной сценарий: от голосовой заметки до готовой задачи в системе, без переключения между разными инструментами.

Ответы на вопросы по содержанию звонков

Отдельный агент анализирует записи встреч и отвечает на вопросы по их содержанию — например, что обсуждалось по конкретной теме, — извлекая ответ напрямую из разговора. Функционал повторяет аналогичные платные сервисы, но здесь он бесплатный, поскольку решение собственное.

Автоматическое создание задач по итогам звонков

Более сложный сценарий работает по следующей логике:

1. Загружаются записи звонков (включая звонки из Teams) за нужный период.

2. Запускается заранее настроенный сценарий обработки — набор правил, как разбирать разговор и оформлять карточки задач.

3. Разговор разбивается на отдельные задачи согласно этим правилам.

4. По одной кнопке создаётся готовая задача — с описанием, ссылкой на фрагмент разговора, приоритетом и автоматическим определением нужной системы для создания.

По отзывам бизнес-аналитиков на проектах, такой подход заметно ускоряет работу: обработал звонок — получил готовые задачи — пошёл дальше.

Составление писем

Отдельный агент формирует черновики писем на разных языках с учётом предустановленных фильтров под конкретные ситуации — по сути тот же сценарий, что и обращение к любой LLM с просьбой написать письмо, только встроенный в общий рабочий поток.

Быстрая отчётность

Не хватало возможности быстро увидеть статус работ. Новый отчёт по выбранным компонентам показывает:

• соотношение запланированного и фактически затраченного времени;

• количество эпиков и задач в работе;

• распределение задач по статусам (готово, в процессе и так далее).

Пока реализован один вид отчёта, в дальнейшем список планируется расширять.

Планирование релизов

Инструмент вырос из таблицы, которую раньше готовили вручную при подготовке релиза. Теперь это конструктор, в котором можно:

• выбирать даты и ресурсы;

• выстраивать задачи в диаграмму Ганта;

• редактировать и дополнять план прямо в интерфейсе;

• экспортировать и импортировать конфигурацию;

• сохранять готовый план в PDF для демонстрации клиенту.

Автоматическая генерация документации из видео

Один из самых заметных инструментов экосистемы — приложение, которое собирает пользовательскую документацию непосредственно из видеозаписи. Идея появилась из простого вопроса: может ли код собрать документацию из видео, — и на её основе было разработано десктопное приложение для Mac.

Процесс работы:

1. Загрузка видео.

2. Выбор модели.

3. Выбор типа документации — техническая, юзер-гайд или туториал.

4. Выбор режима обработки — автоматический (по движению курсора), «smart» или по пунктам меню.

5. Настройка количества страниц и промпта (базовый мастер-промпт можно редактировать и дополнять инструкциями).

6. Нарезка видео на кадры с подсветкой мест кликов мышью.

7. Просмотр и редактирование кадров — лишнее удаляется, нужное остаётся.

8. Экспорт готовой документации в PDF со скриншотами и пошаговыми инструкциями.

Инструмент ещё требует доработки промпта под конкретный стиль, но уже показывает, что подобное решение можно собрать простым обращением к API, без привязки к конкретной среде разработки, а затем масштабировать на уровень всей компании.

База знаний вместо повторного поиска

Отдельная мини-база данных хранит вехи проектов и записи звонков. При запросе о содержании прошлых разговоров агент не генерирует ответ «из воздуха», а обращается непосредственно к сохранённой истории — находит нужную запись звонка или ранее составленные ссылки на анализ и отвечает строго на основе реальных данных.

Заключение

Каждый из описанных инструментов решает узкую и конкретную задачу — клонирование, поиск, линковку компонентов, распознавание речи, разбор звонков, отчётность, документацию. Но настоящая ценность экосистемы раскрывается на стыке между ними: результат одного агента становится входом для следующего, будь то переход от голосовой заметки к готовой задаче или от анализа звонка к пункту в базе знаний. Опыт показывает: не обязательно ждать готового рыночного продукта под каждую рутинную операцию — во многих случаях достаточно собственного кода и API, чтобы закрыть конкретную боль и постепенно выстроить вокруг неё полноценную рабочую экосистему.