В свой Airflow два раза вот этот механизм внедряй — и прод не будет болеть: разберёмся, как учитывать внутренние соглашения и доменную логику дата-инженерного проекта при работе с ИИ-агентами. На примере Apache Airflow Cluster Policies я покажу, как детерминированные механизмы платформы помогают разделить ответственность: агент генерирует правила и тесты, а код политик валидирует и при необходимости мутирует DAG-и. Мы проследим весь путь такого правила — от требований и спецификации на естественном языке до генерации кода, семантической проверки в CI/CD и применения в Airflow. Отдельно поговорим о том, как дать агенту знания о проекте с помощью AGENTS.md, skills, MCP-интеграций с базами знаний и долговременной памяти вроде ICM. В итоге составим практическую карту: что можно поручить ИИ, где необходимы guardrails, а что должно остаться обычным, детерминированным и проверяемым кодом.