GitHub Projects как память для AI-агента

Сережа Рис · 1 February 2026

Вернулся к проекту через три недели. Открыл Claude Code, написал “продолжи работу над API”. Агент честно ответил, что понятия не имеет, о чём речь.

Контекст сессии испарился. Я потратил 20 минут, объясняя заново что уже сделано, какие проблемы остались, куда двигаться. Раздражало.

Тогда понял: агенту нужна долговременная память. И она у меня уже была — GitHub Issues. Только я использовал их для багов, а не для контекста.

Issues как внешняя память

Раньше issues = баги. Что-то сломалось → открыл → пофиксил → закрыл.

Но issue может хранить что угодно: состояние проекта, план действий, технические детали в комментариях, ссылки на конкретные строки кода. И главное — это всё сохраняется навсегда.

Теперь когда начинаю задачу, прошу агента создать issue. Он записывает контекст. Через три недели возвращаюсь и говорю: “открой issue #42”. Агент читает всё что там написано и продолжает с того места, где остановился.

Под капотом Claude Code использует gh CLI — официальный инструмент GitHub для командной строки. Агент не кликает в браузере, он выполняет команды и получает структурированные данные.

Проблема: десять репозиториев

Появилась другая проблема. У меня много проектов:

• tg-course-maks — телеграм-бот
• ai-whisper — обработка видео
• sereja.tech — блог
• dotfiles — конфиги
• и ещё несколько

Issues живут внутри каждого репозитория. Чтобы увидеть все активные задачи — нужно открывать каждый проект отдельно. Агент тоже не видит полной картины.

Мне нужна была единая точка входа.

GitHub Projects

GitHub Projects — агрегатор issues из разных репозиториев. Одна доска, все задачи.

┌─────────────────┐
│ Новая задача    │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────────────┐
│ Агент создаёт issue в нужном репо   │
└────────┬────────────────────────────┘
         │
         ▼
┌─────────────────────────────────────┐
│ Issue добавляется в общий Project   │
└────────┬────────────────────────────┘
         │
         ▼
┌──────────────────────────────────────┐
│ Project Board                        │
│ ┌──────────┬──────────┬──────────┐   │
│ │ Backlog  │   Todo   │   Done   │   │
│ ├──────────┼──────────┼──────────┤   │
│ │ blog #7  │ bot #42  │ api #15  │   │
│ │ whisper  │ dotfiles │          │   │
│ └──────────┴──────────┴──────────┘   │
└──────────────────────────────────────┘

Issues остаются в своих репозиториях, но все видны в одном месте. Не дублирую, не копирую — просто добавляю ссылки.

На практике

Утром открываю Project:

• 3 задачи в Todo
• 2 в In Progress
• 5 в Backlog

Выбираю задачу, открываю Claude Code: “Продолжи работу над issue #42 в tg-course-maks”.

Агент читает issue, видит контекст, продолжает. Когда готово: “Закрой issue и переведи в Done”. Он закрывает и обновляет статус. Автоматически.

Кастомные поля

В Projects можно добавить метаданные:

• Priority — High / Medium / Low
• Effort — Small / Medium / Large
• Type — Feature / Bug / Research

И создавать views: “Quick wins” (High priority + Small effort), “Current sprint”, “Research backlog”.

Агент тоже умеет фильтровать. Говорю “покажи high-priority из бэклога” — он вытаскивает список.

Почему работает

Структура. Агент не держит контекст в голове — читает из issue. Чем лучше описана задача, тем точнее он работает.

История. Каждый комментарий — точка восстановления. Через месяц открываю issue, читаю комментарии, вспоминаю почему выбрал этот подход. Агент делает то же самое.

CLI-интерфейс. Всё через команды: создать issue, обновить статус, добавить комментарий. Программируемо и повторяемо.

Какие агенты работают с GitHub

GitHub становится стандартным интерфейсом для AI-агентов. В 2026 году почти каждый серьёзный coding agent умеет брать задачи прямо из issues.

GitHub Copilot Coding Agent — открываешь issue, в assignees выбираешь Copilot. Он читает описание, пишет код, создаёт PR. Issue буквально становится промптом.

Claude Code — работает через CLI или веб-версию. Подключаешь репозиторий, даёшь ссылку на issue — агент читает контекст и работает. Плюс интеграция с GitHub Actions для автоматического запуска.

Google Jules — асинхронный агент на Gemini 2.5 Pro. Подключаешь репозиторий через Jules GitHub App, указываешь issue — агент работает в фоне и возвращает PR когда готово. Можно запускать через jules-action в GitHub Actions.

Amazon Q Developer — добавляешь лейбл “Amazon Q development agent” на issue или пишешь /q dev в комментарии. Агент берёт задачу и создаёт PR.

OpenAI Codex — облачный агент, подключается к репозиторию и работает с issues через веб-интерфейс.

Devin — интегрируется с GitHub, Linear, Jira. Назначаешь issue на Devin или пишешь в Slack — он берёт в работу.

Паттерн один: issue как промпт. Описываешь задачу человеческим языком, назначаешь на агента, получаешь PR. GitHub Projects в этой схеме — единая доска, где видно все задачи и кто над ними работает: человек или агент.

Что нужно

1. GitHub CLI — brew install gh на маке
2. Авторизация — gh auth login
3. Права на Projects — gh auth refresh -s project

Дальше можно создать Project на GitHub.com или попросить агента: “Создай GitHub Project под названием Tasks”.

По-моему, это один из самых недооценённых способов работы с AI-агентами. Не потому что сложно — наоборот, слишком просто. Кажется что “ну это же просто issues”. Но когда агент начинает сам читать и обновлять задачи между сессиями — это меняет подход.

Попробуйте.

Источники

• GitHub CLI — официальная документация
• GitHub Projects API — автоматизация через API
• GitHub Copilot Coding Agent — назначение issues на Copilot
• Claude Code GitHub Actions — интеграция с CI/CD
• Google Jules — асинхронный coding agent
• jules-action — GitHub Action для Jules
• Amazon Q Developer for GitHub — интеграция с GitHub
• Devin GitHub Integration — настройка Devin

Об авторе

Подписаться на обновления — @sereja_tech