Новая интеграция с Linear и управляемая AI‑аналитика

Реализована интеграция с Linear.app через новый Integrations Service на базе Prefect 2.x. Создан новый микросервис Integrations Service с единым протоколом интеграций, использующий Prefect 2.x для оркестрации синхронизаций. Также реализована полная интеграция с Linear.app, включая парсинг задач и ворклогов через команды, комментарии, статусы, исполнителей и дедлайны. Для интеграции внедрена поддержка нескольких бордов в одном проекте, автоматическая синхронизация изменений, а также адаптирован legacy‑бэкенд для приёма данных. 

Команды, использующие Linear, получили полноценную интеграцию с Enji: все задачи, ворклоги и активности из Linear автоматически синхронизируются в систему вместе с Jira, Azure DevOps и другими источниками. Теперь разработчики могут логировать время прямо в Linear, а менеджеры видят активность команды в едином Activity Dashboard независимо от используемого таск‑трекера.

Новая архитектура Integrations Service с Prefect обеспечивает управляемые, наблюдаемые и перезапускаемые процессы синхронизации с мониторингом через Prefect UI, а единый протокол интеграций упрощает добавление новых платформ без дублирования кода. Это критично для масштабирования до десятков интеграций и поддержки разнообразной экосистемы инструментов enterprise‑клиентов. 

Реализована визуализация данных через графики в ПМ агенте и email-отчетах. В чате используются графики на основе chart.js с цветовой палитрой Enji и адаптивным дизайном. Для email‑отчётов графики генерируются как статичные PNG‑изображения в base64. Пользователи получили мощный инструмент визуальной аналитики: ПМ агент генерирует графики распределения времени, динамики продуктивности и сравнения команд прямо в чате или в email‑отчётах. Визуализация сложных данных упрощает выявление аномалий и паттернов, ускоряя принимаемые на основе данных решения менеджеров.

Интегрирован метод Snowball context compression в Copilot для работы с большими контекстами. Реализован и протестирован инновационный подход Snowball context compression для обработки контекстов, превышающих лимиты моделей (15-20 тыс токенов для локальных моделей). Интегрирован расчёт токенов для каждого вызова LLM, реализован саммари‑подход с автоматическим чанкингом данных на основе LLM‑агента, классификацией релевантности чанков к запросу, последовательным обновлением ответа после каждого чанка и финальным форматированием. Обеспечена работа failsafe‑механизма для редких случаев больших контекстных окон в узле sql_tool_answer.

КАК ВЛИЯЕТ: PM Agent получил возможность работы с массивными датасетами без потери качества. Теперь запросы типа "проанализируй все активности проекта за год" корректно обрабатываются даже при контекстах в 773 тыс токенов за счёт разбиения на чанки по 12 тыс. Система автоматически извлекает всю релевантную информацию с консистентными и логичными ответами; метод работает как для облачных, так и для локальных моделей. Это критично для enterprise‑клиентов с требованиями приватности данных, использующих LLM на собственном хостинге, – устранено ограничение на размер анализируемых данных при сохранении точности извлечения информации.

Унифицирован доступ Copilot к данным через представление базы для BotFarm и Meeting Bot. Реализован переход Copilot с прямых запросов к сервисам BotFarm и Meeting Bot на использование унифицированных представления базы данных. Изолирован механизм получения данных через централизованные просмотры вместо разрозненных API‑вызовов, обеспечена консистентность структуры данных и упрощена логика извлечения информации о чатах, встречах и коммуникациях команды.

Стандартизировано форматирование отчетов по периодическим задачам. Обновлены промпты ПМ агента для единообразного, чистого форматирования всех отчётов: устранена непоследовательность между аккуратными отчётами и отчётами с визуальным шумом, сформирована стандартизированная структура с заголовками разделов, кликабельными названиями задач и ссылками на тикеты, действиями в виде буллетов и последовательным использованием жирного шрифта для ключевой информации. Все ключи задач теперь являются ссылками независимо от контекста.

Добавлено поле Component из Jira в контекст ПМ агента. Реализована логика обработки компонентов Jira в представлении базы данных и на стороне Copilot: обеспечено корректное извлечение данных о компонентах через существующие интеграции. Агент теперь учитывает компоненты при поиске задач, генерации отчётов и анализе работы команды, что позволяет фильтровать и группировать задачи по архитектурным компонентам системы. Пользователи получили возможность точечного анализа работы над компонентами продукта, что критично для продуктовых команд с микросервисной архитектурой или модульными монолитами, где важно отслеживать прогресс и затраты по отдельным компонентам для планирования рефакторинга, управления техническим долгом и распределения ресурсов между частями системы.

Добавлен учет события "Opened a Merge Request" в расчет Focus on Activities. Исправлена критическая ошибка подсчёта активности по коду: теперь событие "Opened a Merge Request" корректно участвует в расчёте метрик виджета Focus on Activities в категории Work. Обновлена формула расчёта процентного соотношения для включения всех типов кодовых событий (коммиты, формирование MR, ревью), устранено расхождение между ручным подсчётом активностей в Activity logs и автоматическим подсчётом в виджете.

Исправлена обработка пользователей Telegram без юзернейма в боте. Устранена некорректная обработка пользователей с удалённым или отсутствующим юзернеймом. Теперь бот не добавляет «@None» в сообщения при упоминании пользователя без юзернейма и корректно обрабатывает кейс отсутствия Telegram‑аккаунта. После добавления юзернейма система автоматически начинает корректно упоминать пользователя: @username.

Название проекта в Project Report стало кликабельным для быстрого возврата. Реализована кликабельность названия проекта в хедере Project Report. Теперь клик по названию всегда переводит на самый левый таб (первый доступный таб) независимо от текущего местоположения, а ссылка корректно подсвечивается в обеих темах (светлой и тёмной). Пользователи получили быстрый способ навигации в проектах с множеством табов, устранена необходимость отматывать табы назад.