Вступление: Unreal Engine 5 — это действительно сложно.

1. UE5 - это не веб-приложение. Это не CRUD-сервис. Это не фронтенд на React.
2. Миллионы строк кода на C++ в самой кодовой базе движка.
3. Редактор с ручным управлением: большинство действий в UE5 делается через GUI — клики, перетаскивания, настройка параметров вручную.
4. Сложная архитектура: модули, плагины, подсистемы, зависимости между которыми не очевидны.
5. Blueprints: визуальное программирование, которое не очевидно автоматизировать.
6. Высокий порог входа: чтобы писать под UE5, нужно знать C++, архитектуру движка, систему actors, blueprints, render-pipeline.
7. Это не тот проект, где «дал агенту задачу и он сделал». Это проект, где большинство «экспертов по внедрению AI» сказали бы: «Тут автоматизация невозможна. Слишком сложно. Слишком много ручного управления. Слишком много неявных знаний».

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.

В своих размышлениях и прошлых попытках разработки ИИ, я добрался до сего дня llm - large language models. Однако этим моделям свойственны некоторые точности с контролем выходного результата, а именно почему получилось именно так.

Многие знают, что новое - это хорошо забытое старое. Поэтому эксперты старой закалки, опыта и знаний, находят решения, которые далеко не каждому придут в голову. Забегаю вперёд, скажу что это прототип, однако у него есть явные преимущества, плюсы и перспективы. Пока что на просторах интернета я не нашел подобных решений или они мало афишируются.

Надеюсь специалисты из крупных компаний, средними бюджетами и возможностью оплатить работу десятка специалистов, прочитают, увидят разумное зерно и преисполняется.

Техническое задание (ТЗ) на проект, основанный на извлечении триплетов из текста, логическом выводе и масштабируемой обработке графа знаний с GPU-ускорением:

---

📘 Техническое задание: Система извлечения и логического анализа триплетов с GPU-ускорением

🔹 Цель проекта

Разработка гибридной экспертной системы, способной:

- Извлекать триплеты из неструктурированного текста с помощью LLM

- Хранить и обрабатывать триплеты в логической форме (Prolog)

- Масштабировать поиск и reasoning через кластеризацию и GPU-графовые вычисления

---

🔹 Архитектура системы

1. Модуль извлечения знаний

- Вход: текстовые данные (статьи, документы, диалоги)

- Выход: триплеты вида <субъект> — <предикат> — <объект>

- Инструменты: LLM с кастомным промптом, поддержка хотя бы одного языка. Перевод это техническая обвязка.

История начинается в далёком 2019 году, а может, и немного раньше. Уже два года я благополучно перестал работать на дядю, ибо понял, что много денег не заработаю, а здоровье гробится конкретно. А рабство — это не моё. Хотя для страны, откуда я родом, 2500$ в месяц, из которых 500$ уходило на аренду жилья и еду, — это неплохо. Остальное копи, откладывай, трать по желанию. Не бедствовал.

Осень 2017-ого года. Я увольняюсь и лечу смотреть мир, в далекую Индию (тема целой отдельной статьи). Золотое время до макаронобесия. Тогда у меня был слабенький ноутбук 10"(На Unity я буду разрабатывать, используя настольный PC), который я сменил на acer n3700 cpu году так в 2019-ом. И вот мне пришло в голову разработать свой AI, когда ChatGPT ещё даже не маячил на горизонте и не стал мэйнстримом. Шла разработка на java, языке, который я использовал в своей карьере. Но быстро понял, что java не то, что нужно, особенно для UI визуализации графов данных и графа знаний AI.