- Регистрация
- 26 Март 2018
- Сообщения
- 89.856
Автор: Алексей Жиряков
Название: AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]
Описание:
Складчина: AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]
За три дня ты перейдешь от базового использования ИИ-агента к полноценной агентной разработке: от постановки задачи до релиза в прод
Используешь ИИ-Агента, но разработка как-будто не ускорилась?
Это частая история. Недостаточно просто скачать Codex или Claude Code: без правил, управления контекстом, разными ролями агентов и ограничений агент, действительно, быстрее генерирует изменения, но не гарантирует их качество
Проблема
КОД-РЕВЬЮ делает тот же агент, Который пишет код
Проблема
Контекст постоянно засоряется и агент галлюцинирует
Проблема
агент постоянно забывает правила проекта и говнокодит
Для кого интенсив:
Разработчиков
Научишься ставить задачи ИИ-агентам, задавать правила и проверять результат.
Тимлидов и техлидов
Выстроишь командный процесс работы с ИИ-агентами: роли, контекст, проверки и критерии приёмки.
ML- и DS-инженеров
Адаптируешь агентный подход под работу с моделями и данными: проверки, границы изменений и контроль качества.
Программа курса:
Настраиваем кодинг-агента под реальный проект
Что разберёшь
Результат занятия
Настроишь готовую среду для агентской разработки и поймёшь, как встроить кодинг-агента в рабочий процесс проекта.
Задача → правила и скиллы → кодинг-агент → минимальный diff → тесты → ревью кода
В результате агент будет получать нужный контекст, работать в заданных границах и возвращать проверяемый результат вместо неконтролируемых изменений по всему проекту.
Занятие 2
Строим агентный пайплайн: разработка, ревью и приёмка
Что разберёшь
Результат занятия
Построишь агентный пайплайн, в котором разработка и ревью разделены между независимыми агентами и отдельными сессиями.
Задача → агент-разработчик → handoff-пакет → агент-ревьюер → доработка → приёмка
Научишься передавать между агентами только нужный контекст, контролировать агентный цикл и получать независимую проверку результата перед тем, как работа считается завершённой.
Занятие 3
Работаем с большим репозиторием и управляем контекстом агента
Что разберёшь
Результат занятия
Научишься управлять работой кодинг-агентов в большой кодовой базе и не терять контроль над контекстом и областью изменений.
Контекст задачи → зона изменений → план → агент-разработчик → handoff → агент-ревьюер → проверка → приёмка
В результате сможешь переносить состояние между сессиями, ограничивать действия агентов и использовать тот же подход уже в собственном рабочем репозитории.
Цена 13990 руб.
Скрытая ссылка
Название: AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]
Описание:
Складчина: AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]
За три дня ты перейдешь от базового использования ИИ-агента к полноценной агентной разработке: от постановки задачи до релиза в прод
Используешь ИИ-Агента, но разработка как-будто не ускорилась?
Это частая история. Недостаточно просто скачать Codex или Claude Code: без правил, управления контекстом, разными ролями агентов и ограничений агент, действительно, быстрее генерирует изменения, но не гарантирует их качество
Проблема
КОД-РЕВЬЮ делает тот же агент, Который пишет код
Проблема
Контекст постоянно засоряется и агент галлюцинирует
Проблема
агент постоянно забывает правила проекта и говнокодит
Для кого интенсив:
Разработчиков
Научишься ставить задачи ИИ-агентам, задавать правила и проверять результат.
Тимлидов и техлидов
Выстроишь командный процесс работы с ИИ-агентами: роли, контекст, проверки и критерии приёмки.
ML- и DS-инженеров
Адаптируешь агентный подход под работу с моделями и данными: проверки, границы изменений и контроль качества.
Программа курса:
Настраиваем кодинг-агента под реальный проект
Что разберёшь
- Из чего состоит готовая среда для агентской разработки: модель, кодинг-агент и тулы (tools)
- Как настроить OpenCode и выбрать модели для разработки и ревью
- AGENTS.md и правила (rules) проекта: что агент должен учитывать в каждой сессии
- Разница между общими правилами репозитория и инструкциями под конкретные задачи
- Скиллы для типовых задач разработки и повторяемых сценариев
- Как задавать формат входа и результата агента, чтобы работа шла по понятному контракту
- Ограничения для агента: область изменений, размер diff и условия передачи задачи человеку
- TDD в работе кодинг-агента: тесты как способ проверять результат, а не доверять ответу модели
- Как добиваться минимального diff и не позволять агенту менять лишний код
- Структура репозитория и журнал решений как постоянный контекст для новых сессий
Результат занятия
Настроишь готовую среду для агентской разработки и поймёшь, как встроить кодинг-агента в рабочий процесс проекта.
Задача → правила и скиллы → кодинг-агент → минимальный diff → тесты → ревью кода
В результате агент будет получать нужный контекст, работать в заданных границах и возвращать проверяемый результат вместо неконтролируемых изменений по всему проекту.
Занятие 2
Строим агентный пайплайн: разработка, ревью и приёмка
Что разберёшь
- Почему один агент не должен одновременно писать код и принимать собственную работу
- Разделение ролей между агентом-разработчиком и агентом-ревьюером
- Отдельные сессии и чистый контекст для независимой проверки результата
- Как ставить задачу через спецификацию, ограничения и критерии приёмки вместо длинного промта
- Handoff (передача задачи между агентами) без переноса всей истории чата
- Что входит в handoff-пакет и какой контекст действительно нужен следующему агенту
- Как проводить ревью кода отдельным агентом в режиме только чтения
- Агентный цикл (agent loop): разработка, ревью, доработка и повторная проверка
- Ограничение количества итераций и передача сложной задачи человеку
- Как собрать агентный пайплайн от постановки задачи до приёмки
Результат занятия
Построишь агентный пайплайн, в котором разработка и ревью разделены между независимыми агентами и отдельными сессиями.
Задача → агент-разработчик → handoff-пакет → агент-ревьюер → доработка → приёмка
Научишься передавать между агентами только нужный контекст, контролировать агентный цикл и получать независимую проверку результата перед тем, как работа считается завершённой.
Занятие 3
Работаем с большим репозиторием и управляем контекстом агента
Что разберёшь
- Почему кодинг-агенты начинают хуже работать в больших репозиториях и длинных сессиях
- Как определить зону изменений: что агент может менять, что только читать, а что трогать запрещено
- Планирование изменений до написания кода
- Права и ограничения агента-разработчика и агента-ревьюера
- Как сохранять состояние задачи между отдельными сессиями
- Формирование компактного контекста вместо переноса всей истории работы
- Структура репозитория и журнал решений как внешняя память для агента
- Контроль области изменений и минимального diff в большой кодовой базе
- Как независимо проверять качество тестов, включая мутационное тестирование
- Перенос подходов всех трёх дней в собственный рабочий репозиторий
Результат занятия
Научишься управлять работой кодинг-агентов в большой кодовой базе и не терять контроль над контекстом и областью изменений.
Контекст задачи → зона изменений → план → агент-разработчик → handoff → агент-ревьюер → проверка → приёмка
В результате сможешь переносить состояние между сессиями, ограничивать действия агентов и использовать тот же подход уже в собственном рабочем репозитории.
Цена 13990 руб.
Скрытая ссылка