Малое вводное.

Если посмотреть в далекое прошлое, можно узнать о личном опыте автоматизации тестирования и разработке в общем и целом. Но это отдельная история, и не представляет практически никакого интереса, по сравнению с тем, о чем пойдет речь ниже.

О чем статья. Как неделю назад в проекте была завершена предварительная настройка автоматизации разработки на UE5, что автоматизировано, а что нет. Также немного о ключевых вещах работы с AI и выбранных решениях.

Немного в прошлое.

В августе 2025 года, установка Qwen coder, поиск подходящего клиента плагина для vscode - не взлетело. То ли агенты кривые(на момент попыток) по типу Roo code , Kilo code, Cline и прочих. Поиск возможности и способа индексации всей кодовой базы UE5 - также оказались не удачны. Всякие встроенные механизмы векторных баз данных - полный провал. Поэтому к данному направлению вернулся только месяц назад. Так получилось. Ресурсы ограничены, опыт, знания, компетенции, и подходящие инструменты, более умные нейронные модели и агенты со встроенным базовым агент поведением.

А в интервале первые попытки автоматизации разработки и вторая попытка - время когда вручную используя чат агента и ручной copy past - крайне неэффективно и медленно. Хоть и позволяет делать то, что без AI очень сложно.

Но речь пойдет о задачах, степень сложности которых, относится к уровню Senior с 10-летним опытом и глубоким знанием архитектуры движка UE5 и его конкретных модулей. и недели на реализацию в лице одного такого специалиста. Также в этот период только начинали развиваться первые MCP Tool servers for UE5.

Месяц назад, проведен поиск новых решений, и так совпало, что появилось то что нужно и работает так как нужно. Собери как конструктор LEGO.

Повествование буду вестись в ключе: обозначить проблему, поиск решения и почему, само решение.

Боль номер 1. Unreal Engine кодовая база и документация.
Проблема: При разработке нужно знать специфичную информацию работы функций, методов и классов, примеры работы, внутреннюю реализацию.

Поиск: Одной лишь документации с официального сайта не достаточно. И даже в этом случае одной лишь документации, в сжатом виде - это огромное выедание контекста для AI.
Необходимость обновлять для AI сжатое представление всей документации.
Векторные базы данных - медленные. Еще год назад познакомившись с векторными базами данных, стало понятно что это overhead, усложнение, не эффективно и много ошибок. Уже тогда начали зарождаться идеи использования для этого программных решений.

Решение: С месяц назад наткнулся на информацию о использовании полнотекстового поиска ripgrep Изучил вопрос создания index-а всей кодовой базы Unreal Engine - два гигабайта, поиск мгновенный. Решает самые главные проблемы при ошибках компиляции - где искать проблему. По имени класса и имени метода ищет мгновенно. Также возвращает хоть 100 найденных совпадений, ripgrep поддерживает сложные запросы практически regular expression. ИИ помог написать базовые инструкции в AGENTS.md “В случае ошибки, ищи решение в кодовой базе и как искать через ripgrep” - это вопрос целой отдельной статьи. Скажу так, такой подход работает для проектов с огромной кодовой базой и документацией, особенно если они практически статичны. Динамический индекс, обновление индекса не делал, ибо пересоздание index of UE5 code base - необходимо только когда переезжаешь на новую версию движка. Забегая вперед, скажу: skill для AI, который дает инструкции как это делать еще не реализован на момент написания статьи, но specs инструкции уже давно сохранены в .md-файле.
От поиска ответов в интернете или в документации на официальном сайте - сразу отказался, крайне неефективно и медленно, когда AI в данный момент делает по 20-40 вызовов для поиска и сбора информации из кода движка. Websearch убил бы производительность при решении задач на порядок. Если не в 20-30 раз. А с точностью обращения к кодовой базе UE5 не сравнится ничто, так как AI умеет достаточно хорошо понимать код, на момент написания статьи. Как по мне, многие вещи для специалиста с 20-летним опытом разработки - все это выглядит как магия.

Боль номер 2. Управление Unreal Editor. Самая первая автоматизация с AI - по запросу в чат: “открой проект”, ии знает какой проект открывать, где лежит UE и его tools, UBT, и сам UnrealEditor.

Проблема: Запускать, перезапускать проект и редактор, при build, после компиляции кода в очередном плагине.

Поиск: Есть hot reload, настоятельно не рекомендую его использовать. Вручную перезапуск утомляет, особенно когда AI работает как комбайн.

Решение: Буквально день назад, устал от этого и добавил в AI skill. Сам AI помог написать нужные skills. Так как unreal editor, любит вылетать с ошибкой, написал skills для анализа crash. Теперь если UE упал, то AI сам подхватит во время перезагрузки UEditor, Либо достаточно написать: “был crash, проверь последний crash” Как если бы ты давал указания примерные любому специалисту. Связка с sh-scripts, позволяет четко и быстро выполнять обработку запуска, остановки, проверки живой, не живой редактор и программная предварительная обработка ошибок. Суть в том, чтобы не давать AI постоянно думать как делать задачу, а создавать навыки и короткие инструкции как, когда и где навыки применять.

Коротко пример: AI пишет код очередного модуля, исправляет баг. Сам компилирует, сам смотрит результаты ошибок, сам разбирается, в чем ошибка, включая какой код из движка используется и как правильно. После удачной компиляции, AI сам перезапускает unreal editor и проверяет, что функционал работает. В данный момент AI пишет для себя mcp tools для работы с самим редактором, и в редакторе проверяет что tools делают все правильно.
Если в процессе тестирования AI приходит к выводу что в tool есть логическая ошибка или tool делает, не делает то что нужно, то AI как правило, идет править код, после чего ubt - restart editor -test - report. Если отчет удачный, ии выводит итог: что разработано, как работает, проверено и проблем нет.

Примечание: На данный момент автоматизации, какие задачи у меня как разработчика проекта на UE5. Предварительный анализ того что я хочу сделать, поиск архитектурных решений. Исследование, это я обычно делаю на телефоне в любое время, когда пришла мысль, идея. Обсуждаю с Deepseek или Qwen - бесплатные чаты. Копирую в заметку Obsidian. Убираю мусор из заметки. Практически готовая spec под задачу. Можно refined info(AI отвечает иногда мусор, в заметку попадает только то, что отфильтровано моим взором и опытом), которая накопилась в заметке, отправить в этот же чат обсуждения с AI, чтобы AI сконцентрировался на выбранном векторе.
Я как профессиональный прораб на стройке, знаю как строить проект на UE5 и просто раздаю указания, слежу за работой и иногда у AI как у работника, спрашиваю и уточняю что и как он сделал, дабы убедиться - всё правильно, заодно понять саму реализацию решения если необходимо.
Использую OpenCode for scode, Big Pickle 205k tokens - контекстное окно. Окно заполняется, сжимается, и снова работа в текущей сессии. Проблем не наблюдаю при работе в моих текущих сессиях. 1-2 дня сессии - отупение AI не замечено даже после 5-10 сжатий контекста и полной смены вектора на новую задачу в корне, отличную от изначальной.

Боль номер 3. Как автоматизировать действия пользователя в редактора, поиск assets, создание новых blueprints, редактирование blueprint, создание новых actor… В общем 1000 действий, которые делают пользователи в unreal editor вручную.

Проблема: Огромный движок, море функционала, изначально заточен для работы в ручном режиме.

Поиск: Только mcp tools, других решений нет, а также придется автоматизировать всё, используя unreal editor utilities или python.
VibeUE, NWiroAI, UECortex, Monolith, Sourcify и еще 10-ок mcp tool servers and services вы сможете найти. Я же остановил свой выбор на UECortex - установлен первым.
После всех изысканий и требований, Monolith - вторым, но сейчас он выключен, используется только как кодовая база mcp tools - подсмотреть как делают другие. Как и положено из коробки Monolith тупил со своей навороченной индексацией. Для разработчика этого плагина, как написано на сайте, может и работает, но я попытался и отказался.
А вот изначальный UECortex оказался более интересным в плане внутренней архитектуры. Скомпилировался тоже не сразу, но мой AI быстро нашел и исправил ошибку в одной строке кода. Автоматизация началась с попыток использовать UECortex tools, в коих оказалось много ошибок, и многие нужные tools вовсе отсутствовали. Сначала удалось сделать динамически подгружаемые python tools. Да, UECortex это позволяет. Но я быстро отказался от них. И сказал AI разобраться в архитектуре плагина, чтобы добавить новые tools на C++. Когда AI делает сам такие задачи - это впечатляет таких разработчиков как я, которые уже больше 3-х лет работают с кодобазой UE и его C++.

Решение: UECortex сейчас развивается как отдельный локальный fork. Исправлено очень много багов, и написано уже 61 новый иснтурмент к 169 изначальным. Первые и главные tools работа с blueprints, что позволило написать Node to Code Generator нативный а не через AI( UE T2D json -> C++). Я взял кодовую базу ue4.27-2 plus, в которой еще присутствовала blueprint nativization to C++. Сказал AI взять за reference, предварительно провел исследование и написал spec. В течение 15 минут AI сделал прототип, который я допилил за неделю.
Зачем? Это тема отдельной статьи для более эффективной работы AI с blueprints и последующего перевода blueprints в С++. Создание новых blueprints через ии.
Метод создания C++ и перевода в blueprint. Так как ии лучше работает с C++. После того как ии решил эту задачу, одна из самых сложных в программировании, я понял что разработчики на проекте уже не актуальны. Актуален только AI.

Боль номер 4. Очень сложные задачи.

Проблема: Много кода, нет документации, нет примеров.

Поиск: Долго искать не пришлось.

Решение: UE сам в себе - и документация и примеры. Поэтому все предыдущие решения сделали возможным решение очень сложных задач.

Я не могу уместить всë в одну большую общую статью. делаю общий обзор, комментарии и вопросы приветствуются. Будем считать что это общая архитектурная spec без деталей и нюансов по каждому e2e функционалу. e2e - это тема отдельной статьи. И несмотря на то, что AI упростил многое на порядок, времени пока что не хватает. Ибо нужно делать автоматизацию и дальше. А чем больше автоматизации. тем более сложные задачи начинаешь решать(лежат, ждут своего часа). Мой пример показывает что это уже возможно.

Кому интересно, вот ссылки на ресурсы, где можно наблюдать и обсуждать развитие проекта, а так же связаться с главным разработчиком, по совместительству мульти-специалист при поддержке AI.
https://www.deeptechcore.org/u3dsbgexr/specifications/plan/roadmap
Telegram
@U3DSBGEXR_Official
https://t.me/U3DSBGEXR
https://www.youtube.com/@DeepTechCore