Складчина
Каталог
Мои курсы

Разработка с AI: Автоматизация и продуктивность — Октябрь 2026

9 участников
АС Автор Александр Свет Школа profileschool

О чём курс

О чём курс

AI-агенты трансформируют рабочие процессы благодаря переходу от единичных функций к проектированию автономных систем. Они настраивают свое поведение, управляют инструкциями, контекстом, правами доступа и правилами работы, запускают локальные модели и встраиваются в реальные сервисы.

За 8 занятий слушатели создают 5 практических проектов: аркадную игру с ботом-тестировщиком, сайт с управляемой дизайн-системой, собственный AI-скилл для автоматизации рутины, сервис на базе локальной модели и генератор сайтов со встроенным агентом. Отдельное внимание уделяется дообучению LLM на собственных данных и безопасности AI-систем.

Для кого

  • Выпускники базового курса «Разработка с AI на практике для всех».
  • Пользователи, уже работающие с coding agents (такими как Claude Code или Codex) и желающие использовать их системно.
  • Разработчики, продакт-менеджеры и предприниматели, внедряющие агентов и локальные модели в рабочие процессы и продукты.
  • Специалисты, стремящиеся автоматизировать повторяющиеся задачи и цепочки процессов, а не решать их отдельными разовыми промптами.

Что внутри

В рамках курса рассматриваются следующие направления:

  • Инженерия циклов: постановка целей, создание верификаторов, настройка стоп-правил и устранение проблем с reward hacking.
  • Управление внешним видом веб-проектов через специализированные спецификации DESIGN.md, токены и визуальную верификацию.
  • Разработка и прогрессивное раскрытие собственных навыков для агентов с последующим циклом их самоулучшения.
  • Развёртывание и интеграция локальных LLM (Ollama, FastAPI, SQLite) и их дообучение с помощью LoRA на бесплатных GPU-ресурсах.
  • Архитектура агента внутри готового продукта, потоковая передача событий и изоляция кода в песочницах.
  • Аудит безопасности AI-проектов по стандарту OWASP, защита от непрямых инъекций и разграничение прав доступа.
  • Автоматизация повседневных задач с файлами, документами и аудиозаписями через специализированные инструменты.

Необходимая подготовка

Для участия требуется пройти базовую программу «Разработка с AI на практике для всех». Умение писать код вручную не обязательно, но необходим базовый опыт работы с AI-разработкой.

В практической работе используются Claude Code, Codex, Playwright, Cloudflare Pages, Vercel, Ollama, Docker, Vercel Sandbox, а также платформы Kaggle, Colab или Modal. Для части инструментов и вызовов API могут потребоваться платные тарифы или лимиты.

Об авторе

Автор программы — Александр Свет, практик AI-разработки. Автор изучал создание автономных агентов и дообучение LLM, включая специализированные курсы от Hugging Face.

Программа обучения

  • Занятие 1. Инженерия циклов: агент, который работает без вас
    • Проект №1: Аркадная игра, которую тестирует и балансирует бот
    • Цель: Научиться проектировать циклы работы агента, чтобы не писать промпт для каждого следующего шага. Соберём браузерную игру и бота, который сам её проходит. Основная задача — настроить цикл, в котором агент доводит баланс игры до нужного уровня без вашего участия.
    • Темы:
      • Что такое цикл и чем он отличается от промпта
      • Анатомия цикла: цель, верификатор, стоп-условие
      • Как написать верификатор, который агент не сможет обмануть
      • Бот-тестировщик как оракул для игры
      • Бюджет и стоп-правила: как не сжечь деньги в бесконечном цикле
      • Reward hacking: почему агент чинит тест вместо кода и как это пресечь
    • Домашнее задание: Настройте цикл, в котором агент создаст, протестирует и сбалансирует браузерную игру.
    • Технологии: Claude Code, Codex, Playwright, Cloudflare Pages, Vercel
  • Занятие 2. Дизайн с AI-агентами: как перестать делать одинаковые сайты
    • Проект №2: Сайт, который не выглядит как созданный AI
    • Цель: Научиться управлять дизайном, который создаёт агент, и избегать типичных AI-дизайнов. Разберём, почему сделанные с AI сайты похожи друг на друга, и выстроим рабочий процесс: зафиксируем правила в DESIGN.md, используем канвас для быстрых итераций и проверим качество перед сдачей.
    • Темы:
      • Признаки AI-дизайна
      • DESIGN.md: открытый стандарт Google Labs, токены и правила в одном файле
      • Три слоя инструкций для агента: AGENTS.md, SKILL.md, DESIGN.md
      • Claude Design и команда /design внутри Claude Code
      • Артборды, которые лежат в репозитории и версионируются вместе с кодом
      • Paper: канвас на веб-стандартах и переход от кода к дизайну и обратно
      • Figma в 2026: MCP-сервер и его реальные лимиты
      • Проверка по скриншотам: как научить агента замечать недостатки своей работы
    • Домашнее задание: Соберите одностраничный сайт своего проекта, который невозможно принять за AI-дизайн. В репозитории также должен быть файл DESIGN.md.
    • Технологии: Claude Code, Claude Design, Paper, Figma MCP, @google/design.md
  • Занятие 3. Создание скиллов: как научить агента своей работе
    • Проект №3: Скилл, который делает за вас реальную рутину и улучшает сам себя
    • Цель: Превратить свой опыт в скилл, который агент сможет применять самостоятельно. Каждый выберет повторяющуюся рабочую задачу, создаст для неё скилл, измерит его пользу и настроит цикл улучшения по обратной связи.
    • Темы:
      • Как устроен скилл изнутри
      • Когда скилл, когда MCP, когда субагент, когда хук
      • Прогрессивное раскрытие и каким должен быть идеальный скилл
      • Как создать скилл на основе реальной задачи
      • Как доказать, что скилл работает: прогон со скиллом и без него в свежих сессиях
      • Цикл самоулучшения: агент правит SKILL.md по обратной связи от прошлых запусков
      • Чужие скиллы как поверхность атаки: что читать перед установкой
    • Домашнее задание: Соберите скилл для своей рабочей задачи и проведите минимум три итерации самоулучшения. Приложите историю правок SKILL.md и объясните, что улучшила каждая из них. По итогам подготовьте презентацию о скилле в формате моушен-графики.
    • Технологии: Claude Code, Codex, skill-creator, .agents/skills
  • Занятие 4. Локальная модель внутри вашего продукта
    • Проект №4: Командная строка для вашего продукта
    • Цель: Собрать сервис, где пользователь пишет фразу, а продукт выполняет действие — и всё это на модели, которая живёт на ноутбуке, ничего не стоит за вызов и не отправляет данные наружу. К концу занятия сервис будет работать, но не идеально и мы будем знать, где именно он ошибается.
    • Темы:
      • Зачем локальная модель: задержка, цена, приватность, работа без интернета
      • Что реально запускается на слабом ноутбуке в 2026: обзор моделей до 4B
      • Ollama, LiteLLM, Unsloth: установка, квантизации, размер контекста и почему он важнее размера модели
      • Как спроектировать схему инструментов продукта, чтобы модель корректно её использовала
      • Сборка сервиса: схема, модель, валидация, выполнение
      • Замер качества: свой набор команд и точное совпадение результата
      • Где именно ломается маленькая модель
      • Гибрид: когда и по каким признакам передавать задачу frontier-модели
    • Домашнее задание: Создайте сервис или приложение, где будет работать локальная модель.
    • Технологии: Ollama, FastAPI, Pydantic, SQLite
  • Занятие 5. Как дообучить LLM под вашу задачу
    • Цель: Дообучить модель из прошлого занятия на собственных данных, подключить её к своему сервису и оценить, как изменился результат. Для обучения используем бесплатные GPU.
    • Темы:
      • Где в 2026 бесплатно дают GPU: Colab, Kaggle, Modal — что дают, где подвох, что выбрать для своей задачи
      • Сколько примеров реально нужно для тренировки LoRA на бесплатном GPU
      • Замер до и после на своём наборе команд
      • Когда дообучение не нужно, а нужен нормальный промпт
    • Домашнее задание: Проведите дообучение LLM под вашу задачу, чтобы она эффективнее работала в вашем сервисе или программе.
    • Технологии: Kaggle, Colab, Modal, Unsloth, llama.cpp, Hugging Face Hub, Ollama
  • Занятие 6. Агент внутри вашего продукта
    • Проект №5: Свой AI-генератор сайтов
    • Цель: Собрать продукт, который по описанию пользователя создаёт и показывает работающий сайт.
    • Темы:
      • Из чего собран агент: слои pi-ai, pi-agent-core, pi-coding-agent, pi-tui
      • Выбор модели для такого сервиса
      • Построение агентного цикла разработки
      • Свои инструменты: как описать действие так, чтобы агент пользовался им правильно
      • Отбор инструментов: запускаем агента в режиме только для чтения и проверяем, что он не может вносить изменения
      • Стриминг событий в браузер: как показать пользователю, чем занят агент прямо сейчас
      • Вмешательство на ходу: остановить агента посреди работы и перенаправить
      • Сессии и сжатие контекста: что происходит на длинных задачах
      • Где живёт сгенерированный код и почему это сразу вопрос безопасности
    • Домашнее задание: Научите своего агента не только создавать проект с нуля, но и дорабатывать уже созданный по новому запросу: он должен прочитать, что уже есть, и изменить нужное, а не переписать всё заново.
    • Технологии: Pi: pi-ai, pi-agent-core, pi-coding-agent, Node.js, Docker, Vercel Sandbox
  • Занятие 7. Безопасность AI-проектов
    • Цель: Разобраться в уязвимостях кода, который написал агент, и в уязвимостях самого агента внутри продукта. На занятии каждый проведёт полный аудит своего проекта и устранит найденные проблемы.
    • Темы:
      • Безопасность AI-проектов в 2026 году
      • Смертельная тройка: приватные данные плюс недоверенный контент плюс канал наружу
      • Непрямые инъекции: как чужой сайт, файл или репозиторий отдаёт команды вашему агенту
      • Песочницы: контейнер или микро-VM — что выбрать и чем за это платить
      • Права агента: ограничение возможностей против запроса подтверждения
      • Секреты: где они лежат у агента и как не отдать их вместе с контейнером
      • Что уже научились защищать: многослойная оборона и почему инъекции удалось свести почти к нулю
    • Домашнее задание: Проведите полный аудит своего проекта по чек-листу и приложите отчёт: что нашли, что починили, что осознанно оставили и почему. Отдельно опишите три сценария атаки, которые вы придумали против собственного агента, и как ваш агент сейчас реагирует на каждую из этих атак.
    • Технологии: Docker, Vercel Sandbox, Расширения Pi, OWASP
  • Занятие 8. Инструменты AI для продуктивности
    • Цель: Применить то, что мы изучили, к повседневным задачам за пределами разработки. Разберём свою рабочую неделю и соберём для неё систему автоматизации, используя циклы, скиллы, локальную модель и настройки прав доступа. Этой системой можно будет пользоваться и после курса.
    • Темы:
      • Как использовать агента для кодинга в задачах за пределами разработки
      • Инструменты, коннекторы к данным, навыки и вкус: как собрать рабочую среду под себя
      • AGENTS.md и скиллы для задач, не связанных с кодом
      • Что агент делает лучше всего вне кода: документы, разбор PDF, транскрипции и субтитры, рутина с файлами
      • Автоматизация целых типов работы вместо решения задач поштучно
      • Разбор своей недели: как понять, можно ли надёжно автоматизировать задачу с AI
      • Обратная сторона гиперпродуктивности
      • Куда двигаться дальше
    • Технологии: Claude Code, Codex, OCR, Deepgram
Складчина создана 5 октября 2026 г. · описание обновлено 18 октября 2026 г.

Теги курса

Профессии
РазработчикПродакт-менеджер
Навыки
АвтоматизацияAI-дизайн

Выпуски серии 2

Все 2
Октябрь 2026 Вы здесьОктябрь 2025 1 108 ₽

Другие материалы автора 12

АС Александр Свет Все материалы
П Профессия – коммерческий фотограф 80 ₽ 1 187 ₽ −93%Capture One Pro 20: расширенные возможности Capture One Pro 20: расширенные возможности 102 ₽ 1 100 ₽ −91%Capture One Pro 20: Съемка в компьютер Capture One Pro 20: Съемка в компьютер 164 ₽ 850 ₽ −81%Обработка в Capture ONE: только практика Обработка в Capture ONE: только практика 100 ₽ 770 ₽ −87%Capture One Pro 12: Расширенные возможности Capture One Pro 12: Расширенные возможности 80 ₽ 650 ₽ −88%AI-ассистенты и агенты на практике AI-ассистенты и агенты на практике 1 898 ₽ 23 920 ₽ −92%AI-система для интеллектуальной работы AI-система для интеллектуальной работы 658 ₽ 24 900 ₽ −97%Практика цветокоррекции в Capture One Pro Практика цветокоррекции в Capture One Pro 104 ₽ 890 ₽ −88%Capture One Pro 21: стили и кисти стилей Capture One Pro 21: стили и кисти стилей 276 ₽ 890 ₽ −69%Capture One Pro 20: практика обработки Capture One Pro 20: практика обработки 88 ₽ 700 ₽ −87%Обработка под пленку: стили для Capture One Обработка под пленку: стили для Capture One 148 ₽ 1 500 ₽ −90%Глубокое погружение: Claude Code Глубокое погружение: Claude Code 454 ₽ 12 720 ₽ −96%

Ещё интересные курсы 12

Ещё интересные курсы

2 644 ₽ 19 920 ₽