The post has been translated automatically. Original language: Russian
When AI agents became suitable for work, I went into it completely.
Agenda Intelligence is built around one solution: the main user of the system is not an analyst in the dashboard, but an AI agent who reads materials, checks sources, quotes and transmits the output further along the workflow.
Therefore, the basic format of the project is markdown with machine-readable diagrams. Not UI “AI for analysts".
My bet is simple: policy tools will soon begin to be designed for agents, not just people in interfaces. Then the sources become not UX features, but a system contract. Provenance, evidence modes, and citation must live in a data format. If you add them later as a filter, the agent will confidently reason over the material that cannot be trusted.
I'm non-technical by background, but I'm bringing the product to release. Architecture, schematics, evals, CI, everything is assembled end-to-end through Claude Code and Codex.
For me, this is also an experiment: how far can a product architect go without a classical engineering team, if you use agents not as autocomplete, but as co-authors of development.
The repository is open: https://github.com/vassiliylakhonin/agenda-intelligence-md
Issues and criticism are welcome. Especially interesting are cases where the agent loses the evidence trail, quotes weaker than he should, or runs into the format.
Когда AI-агенты стали пригодны для работы, я ушёл в это полностью.
Agenda Intelligence устроен вокруг одного решения: главный пользователь системы не аналитик в дашборде, а AI-агент, который читает материалы, проверяет источники, цитирует и передаёт вывод дальше по workflow.
Поэтому базовый формат проекта, markdown с машиночитаемыми схемами. Не UI “AI for analysts”.
Моя ставка простая: policy-инструменты скоро начнут проектировать под агентов, а не только под людей в интерфейсах. Тогда источники становятся не UX-фичей, а системным контрактом. Provenance, evidence modes и цитирование должны жить в формате данных. Если добавить их потом как фильтр, агент будет уверенно рассуждать поверх материала, которому нельзя доверять.
Я non-technical по бэкграунду, но довожу продукт до релиза. Архитектура, схемы, evals, CI, всё собрано end-to-end через Claude Code и Codex.
Для меня это ещё и эксперимент: как далеко может зайти продуктовый архитектор без классической инженерной команды, если использовать агентов не как autocomplete, а как соавторов разработки.
Репозиторий открыт: https://github.com/vassiliylakhonin/agenda-intelligence-md
Issues и критика welcome. Особенно интересны кейсы, где агент теряет evidence trail, цитирует слабее, чем должен, или упирается в формат.
