Скачать ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]

[Dozhd]

Складчина: ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]



AI для разработчиков. Соберите свою систему разработки с ИИ-агентами — под себя, за 4 месяца.
Встройте агентов в свой рабочий цикл — план → правка → тесты → ревью — на своём реальном проекте: от задачи до PR, готового к ревью или мёржу, каждый шаг под вашей проверкой и в рамках бюджета.

Знакомо?

Лимиты сгорают за час-два — работа встаёт, деньги улетают
Платите за Claude Max, запускаете агента — и через 1–2 часа стоп. Понять, почему так быстро, почти невозможно. Без контроля расхода токенов агентный кодинг превращается в рулетку с бюджетом.
Каждый раз объясняете агенту всё заново
Знания о кодовой базе, архитектурных решениях и ошибках живут в голове одного разработчика. Агент не помнит ничего между запусками, команда не видит прироста по скорости и качеству кода.
CLAUDE.md, hooks, MCP — часы проб и ошибок без результата
Чтобы агент заработал по-настоящему, нужны CLAUDE.md, slash-команды, hooks и MCP-серверы. Документации мало, синтаксис расходится между инструментами, и время уходит на выяснение вместо реального кода.
После обновления агент игнорирует инструкции и ломает код
Регрессии после обновлений — агент делает противоположное тому, что просили, выдаёт «простейшие» но неверные фиксы. Доверять ему сложные задачи страшно без системы верификации.
Для кого этот курс:

Курс закрывает одну задачу: собрать работающий агентный процесс на своём реальном проекте — и перестать бояться, что агент сломает прод или сожжёт бюджет. Чтобы вы системно использовали агентов, а не хаотично промптили ChatGPT.

Кому подойдёт:

Разработчики любого стека
Backend / frontend / fullstack / mobile — уже эпизодически кодите с ИИ и хотите системный агентный процесс на своём проекте.
DevOps и SRE
Хотите поручать агенту CI-конфиги, IaC и отладку деплоев — под ревью и контролем, а не вслепую.
Тимлиды и техлиды
Отвечаете за внедрение агентов в команде: стандарты, обязательное ревью, стоимость и безопасность на масштабе.
Что даст вам этот курс:

Умение встроить агента в свой реальный проект
Backend / frontend / fullstack / mobile — любой язык. Уже эпизодически кодите с ИИ и хотите системный агентный процесс на своём проекте.
Понимание, где агент уверенно ошибается
Правдоподобный, но сломанный код, «зелёные» тесты при неверной логике, «сделал не то, что просили» — ловите эти провалы до мёржа.
Прозрачность расходов на токены
Видите цену каждого прогона и держите бюджет — агентная разработка перестаёт быть рулеткой.
Контроль над тем, куда агент не имеет доступа
Агент действует автономно только в заранее разрешённых зонах: локальная ветка, sandbox, staging, тестовые данные.
Навык собрать команду агентов под задачи
От одного агента к нескольким — каждый за свою стадию — и к процессу, который работает в команде.
Что вы получите на выходе:

Настроенный под агента репозиторий: .claude/ с выверенным CLAUDE.md, хуками и сканом секретов
Маршрутизация моделей по стоимости и панель расходов с ценой за каждый PR
Команда субагентов под стадии разработки + параллельный запуск нескольких задач
Тест-харнес с критериями приёмки (DoD) и регресс-тестами на ваши реальные баги
Модель угроз вашего репозитория и политика автономии агента: права, лимиты радиуса поражения
Смёрженные PR с историей ревью — рабочее доказательство процесса, а не сертификат
Стек курса:

Claude Code — основной инструмент: plan mode, /code-review, /ultrareview, хуки, субагенты
Cursor — альтернативный инструмент; разбираем различия форматов (CLAUDE.md vs AGENTS.md) и выбор под проект
OpenRouter / OpenCode — развязка инструмент ↔ модель: маршрутизация по стоимости к западным и китайским моделям
DeepSeek / Qwen / GLM — оптимальный выбор для части задач: сравниваем качество и стоимость в коде
MCP — свежая спецификация: постепенная подача инструментов, поиск по инструментам, риски STDIO RCE
AGENTS.md / CLAUDE.md — вручную ведомый якорь памяти: структура, метаданные, загрузка по требованию
Semgrep — скан безопасности в агентном цикле как часть DoD перед мёржем
git worktree — изоляция окружений для параллельных агентов
Программа:

Модуль 1. Вступление: где ломается разработка с ИИ и базовые настройки:

Зачем писать md-файлы, или что сегодня решает промптинг
Что ломается в проекте без правил
Как уменьшить неопределённость
Классификация сбоев агента на реальных кейсах диалогов с ИИ
Как создать AGENTS.md: онбординг агента в незнакомый репозиторий
Где живут правила: раскладка файлов в Cursor и Claude Code
Полный цикл: план → правка → тесты → ревью с plan mode на демо-задаче
Сквозной проект курса
Первые шаги на проекте курса
Модуль 2. Контекст проекта: AGENTS.md / CLAUDE.md:

Как работает агент: цикл и слои
Когда нужен план, а когда достаточно постановки задачи
Разделение: задача — в спеке, постоянное — в контексте
Постановка задачи агенту
Структура плана
Использование sub agents
Пример на основе проекта курса
Модуль 3. Подключение агента к стеку: MCP:

Что даёт MCP: агент видит трекер, БД, логи и документацию, а не только файлы репо
Риски MCP: запуск чужого кода (STDIO RCE), постепенная подача инструментов, поиск по инструментам
Подключение MCP к GitHub/Jira/БД/Sentry/докам на своём проекте
Модуль 4. Спецификация как контракт:

Чем спецификация отличается от промпта: агенту — рамка, вам — критерий приёмки
Структура спеки из 5 секций: цель, требования, ограничения, Definition of Done, тесты
Нотации EARS и Given-When-Then для acceptance criteria, которые агент не истолкует по-своему
Типовые дыры в спеках, из-за которых агент додумывает требования
Поиск подсаженных дыр в плохой спецификации — раньше, чем их найдёт агент
Написание спецификации на задачу своего проекта по шаблону
Прогон агента с/без спеки и фиксация разницы в diff
Модуль 5. Легаси и чужой код:

Разведка незнакомого кода с агентом: структура, зависимости, точка изменения, blast radius
Как проверять объяснения агента о чужом коде — он галлюцинирует и здесь
Characterization tests и спека для легаси: фиксация поведения, белый список файлов, «не чини попутно»
Рефакторинг и миграция большого легаси безопасными шагами под регресс-тестами
Разведка выданного легаси-репозитория с агентом
Изменение в чужом коде полным циклом: разведка → тесты → спека → план → агент → ревью → CI
Модуль 6. Постановка задачи агенту и ведение по плану:

Как работает plan mode
Когда нужен план, а когда достаточно постановки задачи
Постановка задачи агенту
Структура плана
Использование sub agents
Пример на основе проекта курса
Модуль 7. Ревью AI-кода:

Почему меняется процесс
Как начать доверять AI коду
Как создать правила и обновлять правила
Что мержить, а что смотреть
Создание тест кейсов с AI
Инструменты для ревью, делаем свой
Модуль 8. Тесты, критерии готовности и CI:

Тесты выводятся из спецификации: каждый acceptance criterion превращается в тест
Агентный TDD: сначала падающий тест, потом код до зелёного
Критерии готовности (DoD) как ворота приёмки для кода агента
Почему агент пишет happy-path и подгоняет тесты под свой код — и как этим управлять
Что показывает coverage, почему «зелёный CI» ≠ «работает правильно», как читать красный билд
Регламент отладки: воспроизвести → логи/стектрейс → локализовать → починить → регресс-тест
Тест-стратегия: критичная логика, негативные сценарии, граничные случаи
Проверка честности тестов: сломать поведение и убедиться, что тесты это ловят
Модуль 9. Безопасность и автономия агента:

Почему prompt injection нельзя «запретить промптом»: Lethal Trifecta — данные, инструменты, внешняя коммуникация
Цепочка поставок: галлюцинации пакетов, slopsquatting, уязвимые зависимости; риски хуков
Автономия по уровням: минимальные привилегии, подтверждение разрушительных действий
Радиус поражения: staging vs prod, токены вне досягаемости агента; кейс PocketOS
Сборка модели угроз своего репо и политики автономии в хуках
Модуль 10. Мультиагентный SDLC и параллельная работа:

SDLC/ADLC
Параллельный запуск через git worktree: команды агентов, конфликты и синтез-ревью веток
Hooks (Claude)
Dynamic workflows (Claude)
Worktree-параллель на 2 задачи со сведением результатов
Агенты на CI
Worktree, работаем параллельно
Маршрутизация по стоимости: модель под задачу
Локальная модель для приватного кода: подбор под своё железо (GPU)
Пример нескольких CI агентов (ревью/обновление документации)
Модуль 11. Внедрение процесса в команде:

Общая память и конфиг команды: что версионируется, кто владелец, как обновляется
Стандарты на код агента и обязательное ревью как правило, а не договорённость
Сборка командного регламента под свою команду
Модуль 12. Сквозной проект и защита:

Как доказать управление ИИ артефактами процесса, а не словами «оно работает»
Рубрика защиты из 6 критериев; какие элементы цикла сжимаются до минут, а какие обязательны всегда
«Цикл за 60 минут»: незнакомая задача полным циклом — доказательство переносимости навыка
Сборка финального репозитория: спека, контекст, план, ревью, тесты, README-навигация
Защита проекта перед экспертом: 5–7 минут о том, как вы управляли ИИ
Эксперты курса:

Арсений Харланов
Android Tech Lead · Investing.com
Внедряет AI в процессы мобильной разработки и QA.
Продвигает Documentation Driven Development как основу для работы с AI и командной разработки.

Олег Лайок
Senior ML Developer в Yandex Crowd
Внедрял LLM/VLM solutions в Сбере, ecom-tech, Яндексе
Спикер ODS DataFest 2025
За две недели перевёз сервис на новый транспорт с помощью spec-coding
Разрабатывает агентские сценарии в Data Labeling
Реализовал LLMOps pipeline на платформе разметки

Цена 79990 руб.




СКАЧАТЬ

Для просмотра скрытого содержимого вы должны зарегистрироваться