
Я зібрав команду керівників з 6 ШІ-агентів для управління 15 побічними проєктами
Як я використовую Claude Code для управління автономною командою ШІ-агентів, яка займається код-рев'ю, контентом, стратегією, коучингом і спільнотою в 15 проєктах — паралельно з основною роботою.
У мене 15 активних побічних проєктів і повна зайнятість інженером.
Математика не сходиться — хіба що делегуєш.
Тому я зібрав команду керівників з 6 ШІ-агентів. Кожен має свій домен, свою особистість і свій набір навичок. Я називаю це Executive Cabinet.
Команда
| Агент | Роль | Домен |
|---|---|---|
| Maya | Chief of Staff | Щоденні рев'ю, тріаж вхідних, маршрутизація завдань |
| Viktor | CTO | Код-рев'ю, PR-и, архітектурні рішення |
| Luna | Контент і зростання | Блог-пости, соцмережі, SEO |
| Marco | Стратегія і бізнес | Від ідей до планів, валідація гіпотез |
| Sage | Персональний коуч | Баланс у житті, рефлексія, трекінг цілей |
| Kai | Спільнота і партнерства | CRM, нетворкінг, фолоу-апи |
Моя роль як Commander
Я фокусуюся лише на чотирьох речах:
- Стратегічні рішення — що будувати, що закривати
- Бути обличчям — презентації, нетворкінг, стосунки
- Будувати стосунки — партнерства, колаборації
- Валідувати ідеї — тестувати гіпотези з реальними користувачами
Все інше делеговано. Код, обробка вхідних, блог-пости, трекінг цілей, аналіз конкурентів — все на агентах.
Як це працює на практиці
Я надсилаю повідомлення (зазвичай через Telegram). Maya визначає домен і маршрутизує до потрібного агента.
Типовий день:
- Ранок: Maya + Sage проводять щоденне рев'ю і розставляють пріоритети
- День: Viktor рев'юїть PR-и, Luna готує чернетки контенту
- Вечір: Maya генерує звіт, Marco перевіряє тижневі цілі
Кожен агент працює у своїй tmux-сесії з ізольованим git worktree. Вони створюють pull request-и, а не просто локальні коміти. Все перевіряється.
Технічний стек
Нічого пропрієтарного. Жодної кастомної платформи.
- Claude Code (Opus) — мозок
- Markdown-файли — визначення навичок, промпти, контекст
- Git worktrees — ізоляція на кожне завдання агента
- Tmux — паралельні сесії агентів
- Notion — Kanban-дошка для відстеження
- Telegram — інтерфейс введення
Управління: Sociocracy 3.0
Команда слідує патернам S3:
- Чіткі домени — кожен агент відповідає за свою область
- Рішення на основі згоди — ніхто не перекриває домен іншого
- Робота на основі драйверів — кожне завдання починається з «навіщо» (напруга, драйвер, вимога, відповідь)
- Відповідальність — агенти мають поставляти PR-и, а не просто статус-апдейти
Що я зрозумів
- Агентам потрібна структура, а не свобода. Розмиті промпти дають розмиті результати. У кожного агента є детальний файл навичок з покроковими процесами.
- «Відправив і забув» краще за мікроменеджмент. Я роздаю завдання і перевіряю результати пізніше через команду
/scrum, яка читає всі логи агентів. - Патерн inbox — це все. Одна команда (
/inbox: <завдання>) створює worktree, пише промпт, запускає в tmux і логує все для повторних спроб. - Особистість має значення. Давати агентам імена та домени — це не просто весело, це створює чітку маршрутизацію і відповідальність.
Спробуй сам
Уся система працює на Claude Code з Markdown-файлами навичок. Жодної спеціальної інфраструктури не потрібно. Переглянь Ikigai Team, щоб побачити повну систему та почати.
Я також записав 7-хвилинне відео з розбором налаштування з мого робочого простору Apple Vision Pro. Дивись вище або на YouTube.
Як ви керуєте багатьма проєктами за допомогою ШІ? Було б цікаво дізнатися, як це роблять інші. Знайди мене в X або залиш коментар під відео на YouTube.
Ця команда агентів — один з проєктів, створених у Learn By Doing Academy. Учасники вчаться будувати власні системи ШІ-агентів у рамках програми.
Приєднуйтесь до обговорення в Telegram!
Alösha
Будую комʼюніті-платформи, викладаю сальсу, пишу, щоб знайти своїх.
Вам також може сподобатися
Dancing With AI: What If the Best Interface Is Your Body?
One monitor isn't enough. I need space to think — real, physical space. What if the next interface isn't a screen but a dance floor where prompts are spells and movement is meaning?
AI Secretary: What If You Let AI Tell You What to Do Next?
I stopped managing tasks in Jira and built an AI that knows my projects, my priorities, and my next move. Here's how it works and the seven rules I actually follow.