ИИ для разработчиков

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. Скрытая ссылка