Разработчик представил Solo Kanban — метод и open-source фреймворк для организации работы AI-агентов над кодом. Проблема в том, что LLM пишут код быстрее, чем человек успевает удерживать контекст, из-за чего агенты забывают про обещания, отброшенные варианты и follow-up задачи, оставляя их только в чате.

Это третья статья из цикла о памяти AI-агентов. Первые две были посвящены Memory MCP Server и необходимости постоянной памяти, но выяснилось, что «помнить» и «довести задачу до конца» — принципиально разные навыки.

Solo Kanban — это git-native delivery loop с planning files, task workspace и risk-based gates. Система требует обязательного verify перед closure, что не даёт агенту потерять scope или пропустить проверку, оставляя follow-up в репозитории, а не только в логе чата.

Внутри pipeline реализован риск-ориентированный выбор tier’а, приведён пример сквозной задачи и связка с Memory MCP. Также описаны антипаттерны, включая кейс с reviewer-LLM, который одобрил нулевую реализацию.

Метод выложен в отдельный репозиторий на GitHub под лицензией MIT (v1.0.0).