Скачать ИИ для разработчиков 2.0 [Hexlet] [Кирилл Мокевнин]

[Dozhd]

Складчина: ИИ для разработчиков 2.0 [Hexlet] [Кирилл Мокевнин]
1 месяц
1 проект
Программа актуализирована в июле 2026 года

Введение в разработку с ИИ
Короткий синхронизирующий блок, чтобы все стартовали с одной точки. Если вы уже в агентной разработке — переходите сразу к Модулю 1

Выбор моделей и уровень ризонинга. Локальные модели
Обзор ассистентов и ценообразование. Экономика цена/качество
Контекст инжиниринг. Планирование и исполнение
Устройство агентов. loop, harness, tools, mcp и как они взаимосвязаны
Память, AGENTS. md и его эффективное использование
Безопасность и контроль разрешений
Результат:
Единая база у всех — дальше только то, чего вы ещё не умеете


Spec Driven Development

Верификация результата работы агента. Учим агент гарантировать работоспособность своих решений
Скилы. Разбираем устройство, знакомимся с популярными и учимся управлять их жизненным циклом в проекте
Spec Driven Development. От проектирования до реализации. Создаем ADR, PDR и другие артефакты без ручного участия. Внедряем автоматический контроль целостности и обновление
Онтология проекта. Описываем доменную модель, сущности, связи и процессы
Разбор реальных кейсов на базе скилов Matt Popcock (№1 в мире по популярности)
Результат:
Вы переходите от обычного режима планирования в режим работы через спецификацию


Паттерны агентной разработки
Лучшие практики организации проекта, обвязки и взаимодействия с агентом

Адаптация проекта под агента. Почему нужно менять код, а не описывать правила
Метанавыки: как понимать где LLM не справляется и по каким причинам. Как улучшать обвязку и код проекта задавая правильные вопросы
Как изменяются подходы при разработке в закрытых контурах, чтобы максимизировать пользу от агентов
Антипаттерны. Разбор типовых ошибок при работе с агентами (даже когда кажется, что знаешь все)
Результат:
Ваш проект со временем становится настолько понятным для агента, что почти каждая задача заканчивается кодом, который не нужно дорабатывать


Внедрение AI в SDLC
Выстраиваем процесс разработки, где ИИ — часть инженерной среды

Conventional Commits, автосборка change-log и публикация релизов
Триаж тикетов. Классифицируем и распределяем
CI/CD и деплой через MCP-инструменты («деплой агентами»)
Интеграция с тикетницей, ревью пулреквестов и отчеты
Результат:
Ваш проект со временем становится настолько понятным для агента, что почти каждая задача заканчивается кодом, который не нужно дорабатывать


Оркестрация субагентов и мультиагентные пайплайны
Собираем систему из нескольких агентов по ролям и держим её предсказуемой на передачах

Read-only субагент-Reviewer и пайплайн Coder → Reviewer → Summarizer под оркестратором
Контракт роли: цель, формат вывода, границы; сжатые сводки на передачу
«Модель под роль» под разные шаги пайплайна
Fan-out параллельных ревьюеров (безопасность / стиль / производительность) → synthesizer
Защита от каскада галлюцинаций: цитирование и cross-check на границах передачи
Наблюдаемость передач и rule-based оценка на стыках
Результат:
Вы проектируете многоагентные пайплайны, которые не разваливаются на передачах

Итоговый проект
Букинг тайм-слотов по типу calendly с поддержкой разных расписаний и видов активностей. Разработка через Design First подход

Проектирование архитектуры и API-контракт (TypeSpec)
Разработка backend и frontend через SDD
Интеграционное и E2E тестирование
Непрерывная интеграция и деплой в PaaS (через mcp)
Результат:
Готовый проект в портфолио и опыт AI-ориентированной разработки


Работа с legacy-кодом (только для тарифа «Расширенный»)

анализ существующего проекта
погружение ИИ в структуру проекта
безопасный рефакторинг
постепенное внедрение AI в существующие процессы






СКАЧАТЬ

Для просмотра скрытого содержимого вы должны зарегистрироваться