AI-first разработка на python

13 участников

О чём курс

Этот интенсивный воркшоп представляет собой практическое руководство по созданию и настройке профессиональной среды разработки, в которой AI-агенты становятся полноценными участниками инженерного процесса. Курс разработан для тех, кто стремится делегировать рутинные задачи искусственному интеллекту, освобождая время для проектирования архитектуры и решения сложных бизнес-задач. Программа ориентирована на разработчиков, пишущих на Python, инженеров данных и ML-инженеров, DevOps-специалистов, а также тимлидов, которые хотят внедрить стандарты разработки, зашитые непосредственно в логику работы агентов. В отличие от теоретических курсов, данный воркшоп сфокусирован на создании production-ready среды, которую можно перенести в свой репозиторий сразу после завершения обучения.

В ходе обучения участники пройдут путь от настройки локального окружения до автоматизации контроля качества и безопасности кода. Вы научитесь настраивать AI-агентов в VS Code через OpenRouter, что позволит гибко переключаться между топовыми моделями (GPT, Claude, DeepSeek, Qwen) в зависимости от конкретной задачи и метрик цена/качество. Особое внимание уделяется безопасности: вы узнаете, как защитить API-ключи, предотвратить утечки в git и проверять зависимости на уязвимости. Вы освоите создание шаблонов проектов на стеке Python, Litestar, PostgreSQL и Alembic, которые готовы к масштабированию с первого дня.

Ключевым преимуществом курса является фокус на «агентной дисциплине». Вы научитесь не просто запускать AI, а задавать ему жесткие правила и стандарты команды, чтобы агент писал код, соответствующий вашим регламентам, а не собственным догадкам. Вы внедрите автоматические проверки качества (линтеры, pre-commit), настроите агента на написание unit- и integration-тестов с контролем покрытия, а также научитесь использовать AI для проведения Code Review по чеклистам архитектуры и типизации. В завершение вы получите инструменты для измерения реального вклада AI в разработку через метрики по коммитам, что позволит обосновать эффективность внедрения технологий перед руководством.

Формат обучения — 4-часовой онлайн-воркшоп с экспертом, который проходит в живом режиме. Это позволяет не только увидеть демонстрацию возможностей, но и собрать рабочую среду на живом проекте под руководством наставника. Запись занятия будет доступна в LMS для повторного прохождения материала. По итогам воркшопа вы получите готовый набор промптов, чеклистов и настроенную инфраструктуру, что позволит вам применять полученные навыки в работе уже на следующий день после обучения. Это идеальный выбор для тех, кто хочет перестать спорить о качестве кода и начать использовать современные инструменты для автоматизации инженерной рутины.

Программа обучения

  1. Окружение для разработки Настраиваем всё, что нужно для работы: VS Code, Python, uv, Docker, git, линтеры и проверку типов. К следующему шагу приходим с готовым окружением
  2. Backend-проект на Litestar и PostgreSQL Поднимаем приложение с правильной архитектурой и базой в Docker, ставим и настраиваем Alembic — систему миграций, которая держит схему БД под контролем. Забираешь готовый шаблон под масштабирование
  3. Безопасность разработки Хранение API-ключей, защита от утечек в git, проверка зависимостей на уязвимости и контроль безопасных паттернов в коде, который пишет агент
  4. OpenRouter: один ключ — десятки моделей Подключаем AI-агента в VS Code к OpenRouter и получаем доступ ко всем топовым моделям — GPT, Claude, DeepSeek, Qwen и другим — через один ключ
  5. Сравнение моделей на реальной задаче Прогоняем одну задачу через разные модели и анализируем: какая аккуратнее пишет код, какая лучше в тестах, у какой лучшее соотношение цена/качество
  6. Что происходит без правил На одной модели показываем, как работает агент без правил: он тянется к фреймворкам и паттернам, на которых больше всего обучен, — а это почти никогда не совпадает со стандартами твоей команды
  7. Правила и навыки: агент как инженер команды Собираем правила проекта, регламенты по коду и архитектуре, набор навыков под типовые задачи — и агент начинает работать по стандартам команды, а не по собственным догадкам
  8. Автоматические проверки качества Настраиваем линтеры и форматирование так, чтобы они срабатывали на каждом коммите агента: грязный код физически не проходит в репозиторий
  9. Тесты и покрытие кода Учим агента писать unit- и integration-тесты по алгоритму и измеряем покрытие — это страховка от того, что завтра агент сломает работающий код
  10. Типовые задачи руками агента На живом проекте проходим полный цикл: новая фича, исправление бага, срочный хотфикс, оформление merge request
  11. Code Review силами агента Запускаем отдельного агента на проверку кода по чеклисту архитектуры, типизации и читаемости — получаем отчёт с конкретными замечаниями
  12. Измерение вклада агента в работу Запускаем скрипт, который по истории коммитов показывает цифрой, какая часть кода написана агентом, а какая — разработчиком
Складчина создана 26 июня 2026 г. · описание обновлено 28 июня 2026 г.

Теги курса

Инструменты
2 426 ₽ 12 000 ₽