AWS заставила архитектурные диаграммы обновляться вместе с кодом

Amazon Web Services показала production-конвейер, который поддерживает архитектурную документацию в одном ритме с кодом. Автономный агент на Amazon Bedrock AgentCore анализирует.NET-репозитории, генерирует диаграммы, проверяет Mermaid-синтаксис, исправляет ошибки и публикует результат. Затем Amazon Bedrock Knowledge Bases индексирует описания и исходники диаграмм, чтобы разработчики могли находить архитектурные связи обычными вопросами.

Решение создано вместе с глобальной финансовой компанией, специализирующейся на междилерском брокеридже. AWS сообщает, что система работает в production с конца 2025 года, охватывает 20 репозиториев и еженедельно выпускает более 140 диаграмм без ручной подготовки. Это не универсальная функция, включаемая одной кнопкой, а референсная архитектура из нескольких сервисов и собственного агента.

От commit до поисковой базы

Триггером служит push в основную ветку AWS CodeCommit. CodePipeline запускает CodeBuild, который получает репозиторий, упаковывает исходный код и помещает его в S3. После этого он вызывает размещённого в AgentCore Strands agent. Модель Bedrock используется как reasoning engine: она исследует структуру проекта, распознаёт интерфейсы, абстрактные классы, реализации и зависимости, а тесты, build artifacts и сгенерированный код исключает из основного анализа.

Агент строит пять типов UML-представлений в Mermaid: class, sequence, state, component и activity diagrams. Каждый результат проходит синтаксическую проверку. Если Mermaid не принимает описание, агент читает ошибку и генерирует исправленный вариант. Валидные исходники конвертируются в SVG, а в S3 отправляются три вида артефактов: изображение, редактируемый Mermaid-файл и JSON с описанием диаграммы.

После публикации запускается ingestion в Amazon Bedrock Knowledge Bases. В индекс попадают содержательные metadata- и mermaid-префиксы, но не бинарные SVG. Amazon Titan Text Embeddings v2 создаёт векторы размерности 1024, а S3 используется как vector store. AWS выбрала hierarchical chunking: родительский блок на 1500 токенов сохраняет общий контекст диаграммы, дочерний на 300 токенов помогает найти отдельную сущность.

Диаграмма становится интерфейсом к архитектуре

Главное отличие от обычной автоматической документации — поисковый слой. Разработчик может спросить, как устроена стратегия повторного подключения, или запросить все class diagrams для инфраструктурных компонентов. RetrieveAndGenerate API возвращает релевантное описание и связанную диаграмму. Индекс обновляется после каждого запуска pipeline, поэтому найденная схема должна соответствовать текущей версии кода, а не презентации полугодовой давности.

Такой интерфейс полезен для onboarding, модернизации legacy-систем, аудитов и анализа зависимостей между микросервисами. Однако семантический поиск не подтверждает корректность самой схемы. Если модель неверно поняла косвенный вызов, runtime-конфигурацию или динамическую загрузку компонентов, хорошо индексированная ошибка останется ошибкой. Поэтому автоматическую документацию разумно связывать с code review и выборочными проверками владельцев сервисов.

Что измерила AWS

В описанной реализации итеративная генерация с самокоррекцией достигла 95% надёжности против 65% у single-shot вызова. AWS также приводит производственные результаты за шесть месяцев: подготовка документации одного репозитория сократилась с двух–четырёх часов до пяти минут, onboarding — с четырёх недель до одной, audit preparation — с двух недель до двух дней. Компания сообщает о снижении числа production-инцидентов на 30% и mean time to recovery на 20%.

Это внутренние измерения AWS и клиента, поэтому переносить их на другую организацию напрямую нельзя. В публикации также есть несогласованность по дате начала: вводная говорит о production с Q1 2026, а раздел benefits — с декабря 2025 года. Надёжнее воспринимать кейс как подтверждение длительной эксплуатации, а не как независимый benchmark эффективности AgentCore.

Стоимость и границы решения

Для среднего репозитория примерно на 1500 файлов AWS оценивает один запуск в 29 тысяч входных и 10 тысяч выходных токенов. Вместе с CodePipeline, пятиминутным CodeBuild и ingestion итоговая оценка составляет около 0,28 доллара за генерацию по тарифам мая 2026 года. Для 20 репозиториев при еженедельном обновлении получается около 22,40 доллара в месяц.

Эта сумма не включает инженерную работу по созданию агента, настройке IAM, поддержке pipeline и проверке результата. Решению требуются права на CodeCommit, CodeBuild, AgentCore, S3, Knowledge Bases и CloudWatch. Чем шире доступ агента к исходникам и публикации, тем важнее раздельные роли, минимальные permissions, закрытые buckets и журналирование каждого этапа.

Почему это важно

Кейс AWS показывает практическую форму agentic documentation: модель не просто один раз пересказывает код, а выполняет повторяемый процесс с валидацией, публикацией и индексированием. Документация становится производным артефактом сборки, как тестовый отчёт или пакет, а не отдельной задачей, которую неизбежно откладывают.

Практический путь — начать с пяти–десяти репозиториев и сравнивать диаграммы с ручной картой зависимостей. Команде нужно измерять не число SVG, а долю принятых без исправлений схем, время до обнаружения устаревания и качество ответов на архитектурные вопросы. Агент полезен там, где его результат проверяем и версионируем; без этого автоматизация лишь ускоряет производство убедительно выглядящей документации.