Разработка AI-ассистента для системы управления проектами
AI-ассистент для PM-системы (Jira, Linear, Asana) автоматизирует рутину: декомпозиция задач, составление sprint-отчётов, выявление рисков, предложения по приоритизации. Менеджер тратит меньше времени на административную работу и больше — на реальное управление.
Основные функции ассистента
from anthropic import Anthropic
from typing import Optional
import json
import requests
from pydantic import BaseModel
client = Anthropic()
class Task(BaseModel):
title: str
description: str
story_points: int
priority: str
acceptance_criteria: list[str]
labels: list[str] = []
class SprintReport(BaseModel):
completed_points: int
total_points: int
velocity: float
blockers: list[str]
risks: list[str]
team_highlights: list[str]
next_sprint_recommendations: list[str]
class PMAssistant:
def decompose_feature(self, feature_description: str, team_context: str = "") -> list[Task]:
"""Декомпозирует фичу на задачи"""
response = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=4096,
messages=[{
"role": "user",
"content": f"""Декомпозируй фичу на задачи для разработки.
Фича: {feature_description}
{f"Контекст команды: {team_context}" if team_context else ""}
Верни JSON:
[{{
"title": "название задачи",
"description": "описание",
"story_points": 1|2|3|5|8|13,
"priority": "critical|high|medium|low",
"acceptance_criteria": ["критерий 1", ...],
"labels": ["frontend", "backend", "database", ...]
}}]
Разбей на задачи размером 1–3 дня каждая. Включи: design, backend, frontend, tests, deployment."""
}]
)
text = response.content[0].text
data = json.loads(text[text.find("["):text.rfind("]") + 1])
return [Task(**t) for t in data]
def generate_sprint_report(self, sprint_data: dict) -> SprintReport:
"""Генерирует sprint report"""
response = client.messages.create(
model="claude-haiku-4-5",
max_tokens=2048,
messages=[{
"role": "user",
"content": f"""Составь sprint report.
Данные спринта:
{json.dumps(sprint_data, ensure_ascii=False, indent=2)}
Верни JSON:
{{
"completed_points": число,
"total_points": число,
"velocity": число,
"blockers": ["блокеры"],
"risks": ["риски на следующий спринт"],
"team_highlights": ["достижения команды"],
"next_sprint_recommendations": ["рекомендации"]
}}"""
}]
)
text = response.content[0].text
data = json.loads(text[text.find("{"):text.rfind("}") + 1])
return SprintReport(**data)
def analyze_backlog_health(self, backlog_items: list[dict]) -> dict:
"""Анализирует здоровье бэклога"""
response = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=2048,
messages=[{
"role": "user",
"content": f"""Проанализируй бэклог и дай рекомендации.
Бэклог ({len(backlog_items)} задач):
{json.dumps(backlog_items[:20], ensure_ascii=False)}
Оцени:
1. Приоритизацию (логична ли?)
2. Размер задач (нет ли слишком крупных?)
3. Зависимости (есть ли блокеры?)
4. Технический долг vs новый функционал
5. Quick wins которые стоит сделать первыми"""
}]
)
return {"analysis": response.content[0].text}
def write_user_story(self, feature_request: str, persona: str = "пользователь") -> str:
"""Пишет User Story в правильном формате"""
response = client.messages.create(
model="claude-haiku-4-5",
max_tokens=1024,
messages=[{
"role": "user",
"content": f"""Напиши User Story в формате "Как [роль], я хочу [действие], чтобы [ценность]".
Запрос: {feature_request}
Персона: {persona}
Включи:
- User Story в правильном формате
- Acceptance Criteria (5-7 пунктов по GIVEN/WHEN/THEN)
- Story Points (1-13) с обоснованием
- Definition of Done"""
}]
)
return response.content[0].text
Jira интеграция
from jira import JIRA
class JiraAssistant:
def __init__(self, server: str, email: str, api_token: str):
self.jira = JIRA(server=server, basic_auth=(email, api_token))
def create_tasks_from_feature(
self,
project_key: str,
sprint_id: int,
feature_description: str,
) -> list[str]:
"""Создаёт задачи в Jira из описания фичи"""
assistant = PMAssistant()
tasks = assistant.decompose_feature(feature_description)
created_issues = []
for task in tasks:
issue = self.jira.create_issue({
"project": {"key": project_key},
"summary": task.title,
"description": task.description + "\n\nAC:\n" + "\n".join(
f"- {ac}" for ac in task.acceptance_criteria
),
"issuetype": {"name": "Story"},
"story_points": task.story_points,
"priority": {"name": task.priority.capitalize()},
"labels": task.labels,
})
created_issues.append(issue.key)
# Добавляем в спринт
self.jira.add_issues_to_sprint(sprint_id, [issue.key])
return created_issues
def get_sprint_data(self, board_id: int) -> dict:
"""Получает данные текущего спринта"""
sprints = self.jira.sprints(board_id, state="active")
if not sprints:
return {}
sprint = sprints[0]
issues = self.jira.search_issues(
f"sprint = {sprint.id}",
maxResults=100,
fields="summary,status,story_points,assignee,labels"
)
return {
"sprint_name": sprint.name,
"start_date": str(sprint.startDate),
"end_date": str(sprint.endDate),
"issues": [{
"key": i.key,
"summary": i.fields.summary,
"status": i.fields.status.name,
"story_points": getattr(i.fields, "story_points", 0),
"assignee": i.fields.assignee.displayName if i.fields.assignee else None,
} for i in issues]
}
Практический кейс: продуктовая команда 12 человек
Задачи автоматизированы:
- Декомпозиция эпиков → задачи Jira (10 мин → 2 мин)
- Sprint report в Confluence (45 мин → 5 мин)
- Standup summary из Jira данных
- Риск-анализ бэклога перед планированием
Результаты:
- Время PM на административные задачи: -38%
- Качество User Stories (оценка команды): 3.1/5 → 4.2/5
- Sprint completion rate: 71% → 84%
Сроки
- Базовый ассистент (декомпозиция + отчёты): 1 неделя
- Jira/Linear интеграция: 1 неделя
- Авто-создание задач + sprint planning: 1 неделя
- Standup bot + weekly digest: +3–5 дней