AI-first разработка на python

14 участников

О чём курс

Алексей Жиряков показывает, как собрать среду для Python-разработки с AI-агентом: от настройки моделей и правил проекта до тестов, проверки безопасности и ревью кода.

Кому подойдёт

Воркшоп рассчитан на Python-разработчиков, инженеров данных и ML-инженеров, DevOps- и платформенных инженеров, тимлидов и техлидов. Разработчики разберут, какие задачи можно передать агенту; инженеры, отвечающие за процессы в команде, — как закрепить стандарты работы в его правилах и проверках. Для руководителей предусмотрен способ оценивать вклад агента по истории коммитов.

Что вы соберёте

Работа идёт на backend-проекте с Litestar, PostgreSQL и Alembic. Вы настроите VS Code, Python, uv, Docker и git, подключите агента через OpenRouter и сравните модели на одной задаче по качеству кода, тестов и соотношению цены и качества. Правила проекта, навыки и чеклисты зададут агенту требования к архитектуре, типизации, читаемости и работе с секретами.

На проекте вы настроите линтеры, форматирование и проверки перед коммитом. Агент будет писать unit- и integration-тесты, а покрытие поможет оценивать их полноту. Отдельный агент проведёт Code Review по чеклисту и подготовит замечания. Также вы пройдёте с агентом цикл от новой функции и исправления ошибки до срочного исправления и оформления merge request.

Безопасность и контроль

Воркшоп охватывает хранение API-ключей, защиту от утечек в git, проверку зависимостей на уязвимости и безопасные приёмы написания кода. Вы разберёте, когда агент может справиться с задачей самостоятельно, а когда разработчику нужно вмешаться. Скрипт по истории коммитов покажет долю кода, написанного агентом и разработчиком.

Формат и автор

Это четырёхчасовой онлайн-воркшоп с экспертом; запись доступна в LMS. По словам автора, собранную агентную среду можно перенести из учебного проекта в свой репозиторий. Алексей Жиряков — исполнительный директор Сбера, ранее был CTO Stream в МТС Web Services (KION) и возглавлял Python-гильдию TechMaster MWS.

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 25 октября 2026 г.

Теги курса

Инструменты

Другие материалы автора 1

АЖ Алексей Жиряков Все материалы
1 040 ₽ 12 000 ₽