Я собрал команду руководителей из 6 ИИ-агентов для управления 15 побочными проектами

У меня 15 активных побочных проектов и полная занятость инженером.

Математика не сходится — если не делегировать.

Поэтому я собрал команду руководителей из 6 ИИ-агентов. У каждого свой домен, своя личность и свой набор навыков. Я называю это Executive Cabinet.

Команда

Моя роль как Commander

Я фокусируюсь только на четырёх вещах:

• Стратегические решения — что строить, что закрывать
• Быть лицом — презентации, нетворкинг, отношения
• Строить отношения — партнёрства, коллаборации
• Валидировать идеи — тестировать гипотезы с реальными пользователями

Всё остальное делегировано. Код, обработка входящих, блог-посты, трекинг целей, анализ конкурентов — всё на агентах.

Как это работает на практике

Я отправляю сообщение (обычно через Telegram). Maya определяет домен и маршрутизирует к нужному агенту.

Типичный день:

• Утро: Maya + Sage проводят ежедневное ревью и расставляют приоритеты
• День: Viktor ревьюит PR-ы, Luna готовит черновики контента
• Вечер: Maya генерирует отчёт, Marco проверяет недельные цели

Каждый агент работает в своей tmux-сессии с изолированным git worktree. Они создают pull request-ы, а не просто локальные коммиты. Всё проверяемо.

Технический стек

Ничего проприетарного. Никакой кастомной платформы.

• Claude Code (Opus) — мозг
• Markdown-файлы — определения навыков, промпты, контекст
• Git worktrees — изоляция на каждую задачу агента
• Tmux — параллельные сессии агентов
• Notion — Kanban-доска для отслеживания
• Telegram — интерфейс ввода

Управление: Sociocracy 3.0

Команда следует паттернам S3:

• Чёткие домены — каждый агент отвечает за свою область
• Решения на основе согласия — никто не перекрывает домен другого
• Работа на основе драйверов — каждая задача начинается с «зачем» (напряжение, драйвер, требование, ответ)
• Ответственность — агенты должны поставлять PR-ы, а не просто статус-апдейты

Что я понял

1. Агентам нужна структура, а не свобода. Размытые промпты дают размытые результаты. У каждого агента есть детальный файл навыков с пошаговыми процессами.
2. «Отправил и забыл» лучше микроменеджмента. Я раздаю задачи и проверяю результаты позже через команду /scrum, которая читает все логи агентов.
3. Паттерн inbox — это всё. Одна команда (/inbox: <задача>) создаёт worktree, пишет промпт, запускает в tmux и логирует всё для повторных попыток.
4. Личность имеет значение. Давать агентам имена и домены — это не просто весело, это создаёт чёткую маршрутизацию и ответственность.

Попробуй сам

Вся система работает на Claude Code с Markdown-файлами навыков. Никакой специальной инфраструктуры не нужно. Загляни на Ikigai Team, чтобы увидеть полную систему и начать.

Я также записал 7-минутное видео с разбором настройки из моего рабочего пространства Apple Vision Pro. Смотри выше или на YouTube.

Как вы управляете множеством проектов с помощью ИИ? Было бы интересно узнать, как это делают другие. Найди меня в X или оставь комментарий под видео на YouTube.

Эта команда агентов — один из проектов, созданных в Learn By Doing Academy. Участники учатся строить собственные системы ИИ-агентов в рамках программы.