AI Engineering [Sachkov Dev] [Кирилл Сачков]

[ALL DAR Bot]

Автор: Кирилл Сачков
Название: AI Engineering [Sachkov Dev] [Кирилл Сачков]

Описание:
Складчина: AI Engineering [Sachkov Dev] [Кирилл Сачков]

AI-агенту нужны инструкции, доступ к нужным данным и проверки, прежде чем разработчик примет результат его работы. Вы научитесь настраивать рабочее окружение агента и управлять его контекстом, а также разберётесь, как защищать собственных агентов от чужих инструкций в документах и ответах инструментов.

Чтобы проверить AI-систему перед выпуском, разработчик должен уметь измерять её качество и сравнивать версии. На курсе вы построите приложение вместе с AI-агентом и научитесь вести разработку от спецификации до pull request, подключать агентов через MCP и проверять их работу в продакшне.

AI не заменит инженера, который умеет с ним работать. Освой AI-инжиниринг на практике и стань таким инженером.

• Гайды, видео и задания
  
• Свой агент, стек и темп

Научишься вести разработку с AI-агентами и создавать AI-системы, которые отвечают по данным компании, проходят проверку качества и работают в продакшне. Все навыки отработаешь на одном продукте, который строишь со своим агентом.

Для кого курс:

• Разработчикам
  
  Хочешь профессионально работать с агентами и доводить с ними задачи до релиза
  
• Будущим AI-инженерам
  
  Хочешь встраивать модели в продукт и создавать своих агентов

Курс и менторинг:

Разработка с AI-агентами меняется быстро: появляются новые инструменты, модели и способы работы. Поэтому на курсе мы подробно изучаем фундаментальные навыки, которые не зависят от конкретного инструмента.

Эфиры и разборы:

Записи эфиров с разбором решений учеников.

Курс обновляется:

В материалы добавляются новые инструменты и подходы.

Что изучим:

Разберём главные и углублённые темы AI-инжиниринга в уроках и на практике.

1. AI-first разработка
   • Освоишь AI-first подход и будешь реализовывать задачи вместе с агентами
2. Harness
   • Настроишь инструкции, скиллы и проверки, по которым агент работает в твоём проекте
3. Работа с контекстом
   • Организуешь файлы проекта так, чтобы агент находил нужное для задачи и не тратил контекст на лишнее
4. Пайплайны разработки
   • Проведёшь работу через этапы: спецификация, задачи, реализация, проверка, ревью и pull request
5. Собственные агенты
   • Научишься встраивать AI-агентов в продукт
     
   • Агент станет его частью и будет работать с его данными и инструментами
6. RAG
   • Встроишь в продукт RAG (Retrieval-Augmented Generation, ответы по найденным данным)
     
   • Агент продукта будет отвечать с опорой на данные и контекст компании и ссылаться на источники
7. Контроль агентов
   • Будешь понимать, что делает агент, следить за выполнением задачи и тестировать результат, прежде чем его принять
8. Evals и эксплуатация
   • Измеришь качество AI-системы, сравнишь новую версию со старой перед релизом и настроишь наблюдение за продакшном
9. MCP и инструменты агентов
   • Через протокол MCP (Model Context Protocol) агент подключается к данным и инструментам
     
   • Разработаешь свой MCP-сервер, встроишь его в продукт и подключишь агентов к нужным сервисам
10. Экономия токенов
    • Подберёшь модель под задачу по измерениям, увидишь расход и ограничишь бюджет

Что даёт курс:

Твои навыки разработки не обесценятся, а станут ещё востребованнее.

1. Востребованные навыки
   
   Умеешь то, что сегодня нужно командам: разрабатывать вместе с AI-агентами и создавать AI-системы
   
2. Рост в карьере
   
   Берёшь более сложные задачи, в том числе с AI-системами
   
3. Новая специальность
   
   Можешь перейти в AI-инжиниринг, опираясь на свои навыки разработки
   
4. Эксперт по AI в команде
   
   Становишься тем, к кому коллеги приходят за практиками работы с AI, и можешь учить команду
   
5. Навыки на годы вперёд
   
   Понимаешь основы и быстро осваиваешь новые инструменты, когда они появляются

Как проходит обучение:

1. Материалы
   
   Гайды со схемами объясняют подходы, а видео показывают практический опыт автора и то, как он работает с агентами
   
2. Задания
   
   В каждой главе есть задания
   
3. Это не вайбкодинг
   
   Даже с AI в заданиях придётся много думать. Ты сам принимаешь решения и проектируешь систему, а с агентом работаешь активно: ставишь ему задачи, направляешь и проверяешь результат

С какими агентами и моделями работаем:

Навыки из курса не привязаны к конкретному агенту. Выбирай тот, который удобен тебе или принят в твоей команде.

• Claude Code
  
• Codex
  
• OpenCode
  
• Hermes
  
• DeepSeek
  
• Другие агенты и модели

Что нужно знать:

Достаточно уметь запустить простой проект, внести небольшое изменение, объяснить код и сообщение об ошибке и пользоваться Git. Коммерческий опыт разработки не обязателен.

1. Какой язык программирования нужен?

Подойдёт любой. Стек ты выбираешь сам, а подходы курса не зависят от языка.

2. Нужен ли опыт работы с AI-агентами?

Нет. В первой главе ты выберешь агента, настроишь рабочую среду и подготовишь с ним проект.

3. Нужно ли платить за агента или модель?

Обычно да. Доступ к агенту или модели оплачивается у их провайдера. В первой главе разберём варианты доступа и как держать расходы под контролем.

4. Есть ли сроки или дедлайны?

Нет. Проходишь курс в своём темпе, у заданий нет дедлайнов.

В программе девять глав. Первые материалы проходят финальную подготовку; будущие главы запланированы, их материалы ещё предстоит подготовить. Проходишь курс в своём темпе, без календаря и дедлайнов.

Программа:

• Основа разработки с агентами: harness, домен и архитектура
  
• Разработка с агентами: от требований до проверенного результата
  
• Релизы и эксплуатация: CI/CD, данные и наблюдаемость
  
• Инфраструктура агентов: контекст, MCP и общий harness
  
• Собственные агенты: цикл, инструменты и управление состоянием
  
• RAG: документы, поиск и подготовка контекста
  
• Безопасность агентов: права, prompt injection и песочницы
  
• Качество и эксплуатация агентов: evals, трассировки и стоимость
  
• Облачные агенты: задачи, песочницы и параллельная работа

1. Основа разработки с агентами: harness, домен и архитектура:

Подготовишь работу с агентом и основу приложения. Разберёшь контекст, инструкции и скиллы, определишь первую версию продукта, домен и общий язык. Затем выберешь стек и границы модулей, соберёшь запускаемое приложение и настроишь тестирование с CI.

Темы и практика:

• Выбор агента и модели; контекст, инструменты и harness
  
• Инструкции, скиллы, репозиторий и рабочее окружение
  
• Первая версия продукта, Domain.md и значимые решения в ADR
  
• Стек, границы модулей и работающая техническая основа
  
• Тестирование, проверки архитектуры, CI и общий цикл разработки

• Урок 1. Гайд. Как устроен курс
  
• Урок 2. Гайд. Выбор агента и модели
  
• Урок 3. Гайд. Контекст, инструменты и harness агента
  
• Урок 4. Гайд. Инструкции, скиллы и рабочее окружение
  
• Урок 5. Гайд. Первая версия продукта: сценарии и границы
  
• Урок 6. Гайд. Домен и общий язык
  
• Урок 7. Гайд. Выбор стека и границ модулей
  
• Урок 8. Гайд. Тестирование, проверки архитектуры и CI
  
• Урок 9. Гайд. Цикл разработки: от обсуждения до pull request
  
• Урок 10. Заметка. Итоги: основа проекта и процесс разработки

2. Разработка с агентами: от требований до проверенного результата:

Разберёшь самостоятельные рабочие приёмы: проектирование через вопросы, спецификацию, декомпозицию, тестирование, независимое ревью и проверку работающего результата. На аккаунтах сотрудников применишь их как один последовательный процесс. Затем подготовишь минимальные проекты и реализуешь подключение агента через MCP.

Темы и практика:

• Grilling, сравнение решений и аутентификация, сессии и права доступа
  
• Спецификация, критерии готовности, сквозные задачи и зависимости
  
• Параллельная работа и субагенты; тестирование поведения и TDD
  
• Независимое ревью кода и требований; проверка приложения через интерфейс и API
  
• MCP: контракты инструментов, подключение, действующие права и общий сценарий
  
• Ретроспектива и улучшение harness по результатам работы

Вспомогательные возможности можно расширять по желанию. Полноценная выдача и отзыв доступа в GitHub остаются дополнительной практикой и не нужны для основного MCP-сценария.

• Урок 11. Гайд. Проектирование фичи: вопросы и варианты решения
  
• Урок 12. Гайд. Аутентификация, сессии и права доступа
  
• Урок 13. Гайд. Спецификация: поведение и критерии готовности
  
• Урок 14. Гайд. Декомпозиция: сквозные задачи и зависимости
  
• Урок 15. Гайд. Параллельная работа и субагенты
  
• Урок 16. Гайд. Тестирование с агентом: поведение и TDD
  
• Урок 17. Гайд. Независимое ревью: код, требования и замечания
  
• Урок 18. Гайд. Проверка результата в работающем приложении
  
• Урок 19. Гайд. Реализация фичи по спецификации
  
• Урок 20. Гайд. Связи данных и доступ: минимальный модуль проектов
  
• Урок 21. Гайд. MCP: инструменты, подключение и права агента
  
• Урок 22. Гайд. Сквозная проверка: аккаунты, проекты и MCP
  
• Урок 23. Гайд. Ретроспектива и улучшение harness

3. Релизы и эксплуатация: CI/CD, данные и наблюдаемость:

Разберёшь окружения, настройки и секреты, развернёшь приложение по HTTPS и проверишь восстановление данных. Свяжешь коммит, проверенный артефакт и запущенную версию, подготовишь совместимые миграции и автоматическую доставку.

По реальному запросу научишься использовать логи, метрики и трассировки. Настроишь полезное оповещение, проверишь обнаружение сбоя и восстановление сценария. Выпустишь своё изменение через весь путь CI/CD.

• Урок 24. Гайд. Окружения, конфигурация и секреты
  
• Урок 25. Гайд. Развёртывание приложения и HTTPS
  
• Урок 26. Гайд. Резервные копии и проверка восстановления
  
• Урок 27. Гайд. Артефакты и повторяемые релизы
  
• Урок 28. Гайд. Миграции и совместимость версий
  
• Урок 29. Гайд. CI/CD: автоматическая доставка изменений
  
• Урок 30. Гайд. Наблюдаемость: логи, метрики и трассировки
  
• Урок 31. Гайд. Алерты и проверка релиза

4. Инфраструктура агентов: контекст, MCP и общий harness:

Организуешь документацию компании и проектов и подключишь реальные задачи, CI, владельцев и код. Спроектируешь инструменты MCP под рабочие задачи, компактные ответы с возможностью дочитать и проверку текущих прав при каждом вызове.

Реализуешь отдельные подключения агентов, resources с доступным способом чтения через инструмент, журнал и простую панель использования. Подготовишь переносимый harness и обновление общих скиллов через PR. Проверишь два изолированных клиента и отдельно сравнишь работу одного агента с платформой и без неё.

• Урок 32. Гайд. Документация и общий контекст
  
• Урок 33. Гайд. Контекст агента: поиск и дозирование
  
• Урок 34. Гайд. Интеграции на чтение: документация, задачи и CI
  
• Урок 35. Гайд. Проектирование инструментов MCP
  
• Урок 36. Гайд. Авторизация MCP и доступ агента
  
• Урок 37. Гайд. Контекст через MCP: инструменты и ресурсы
  
• Урок 38. Гайд. Переносимый harness и общие скиллы
  
• Урок 39. Гайд. Проверка пользы контекста и инфраструктуры

5. Собственные агенты: цикл, инструменты и управление состоянием:

Материалы этой главы готовятся и появятся по мере развития курса.

Разберём, когда продукту достаточно AI-функции, когда нужен заданный процесс, а когда собственный агент. На примере агента-координатора встроим модель в приложение. Он будет находить задачи и документы сотрудника, помогать с онбордингом и выполнять разрешённые действия после подтверждения.

Темы и практика:

• AI-функция, workflow или агент: выбор под задачу продукта
  
• Цикл агента, tool calling и условия остановки
  
• Выбор модели, провайдера и основы агента
  
• Контекст, сессии и долговременная память
  
• Инструменты агента и права пользователя
  
• Подтверждение действий и защита от повторного выполнения
  
• Сценарии агента в продукте
  
• Проверка собственного агента

Координатор работает с функциями платформы. Разработку кода оставим агентам сотрудников и облачным агентам.

6. RAG: документы, поиск и подготовка контекста:

Материалы этой главы готовятся и появятся по мере развития курса.

Добавим поиск по смыслу там, где чтения документов по ссылкам уже недостаточно. Пройдём путь от исходного документа до ответа с проверяемыми источниками. Поиском смогут пользоваться координатор в приложении и агенты сотрудников через MCP, каждый со своими правами.

Темы и практика:

• Когда нужен RAG и как выбрать задачи для поиска
  
• Подготовка документов и разбиение на фрагменты
  
• Индексация, обновление и удаление данных
  
• Гибридный поиск и подготовка контекста
  
• Права доступа при поиске
  
• RAG в продукте и через MCP
  
• Оценка качества поиска и ответа

Качество поиска и качество ответа проверим отдельно. Разберём пропущенный источник, устаревший документ, недостаток данных и отзыв доступа.

7. Безопасность агентов: права, prompt injection и песочницы:

Материалы этой главы готовятся и появятся по мере развития курса.

Разберём, какие последствия могут иметь ошибки и чужие инструкции в документах, задачах и ответах инструментов. На примере уже работающих агентов отделим ограничения в промпте от проверок, которые реально выполняет система.

Темы и практика:

• Модель угроз для агента
  
• Prompt injection и недоверенные данные
  
• Роли, полномочия и контроль действий
  
• Песочницы, сеть и секреты
  
• MCP-подключения и разрешённые инструменты
  
• Тестирование атак, остановка и разбор операций

Ограничим доступ на стороне платформы и среды выполнения. Проверим запрещённый вызов, отзыв доступа, опасную инструкцию и остановку запущенной работы.

8. Качество и эксплуатация агентов: evals, трассировки и стоимость:

Материалы этой главы готовятся и появятся по мере развития курса.

Будем улучшать агента по наблюдаемым результатам. Соберём сценарии из реальных ошибок, отделим проверки кодом от оценки моделью и научимся замечать регрессии. Затем свяжем качество с трассировками, задержкой и расходами.

Темы и практика:

• Наборы сценариев и критерии качества
  
• Проверки кодом и оценка моделью
  
• Регрессии, версии и evals в CI
  
• Трассировка шагов агента и диагностика ошибок
  
• Стоимость, задержка и выбор модели
  
• Доступ к моделям, бюджеты и телеметрия сотрудников
  
• Фоновые агенты: расписание, ограничения и оповещения

Запустим полезный фоновый сценарий и проверим его ограничения. Снижение стоимости будем оценивать вместе с качеством, а не само по себе.

9. Облачные агенты: задачи, песочницы и параллельная работа:

Материалы этой главы готовятся и появятся по мере развития курса.

Перенесём разработку с агентом в управляемое серверное окружение. Сотрудник назначает задачу, агент получает отдельную песочницу, вносит изменения, запускает проверки и открывает pull request. Человек оценивает результат и принимает решение о слиянии.

Темы и практика:

• Задача и границы автономной разработки
  
• Очередь задач и состояние выполнения
  
• Песочница, контекст и права облачного агента
  
• Реализация, проверки и ограниченные повторы
  
• Pull request и независимое ревью результата
  
• Параллельные агенты и интеграция изменений
  
• Наблюдаемость, стоимость и остановка запусков

Начнём с одной задачи и одного исполнителя. Затем проверим параллельную работу, сбои и ограничения, сохраняя возможность разобраться в каждом запуске.

Предзаказ скоро начнётся.

Цену поставит организатор

Скрытая ссылка

Материал «AI Engineering [Sachkov Dev] [Кирилл Сачков]», возможно, скоро появится на All-DAR.

Пройдите регистрацию и оформите Premium подписку, чтобы первым получить доступ, и воспользуйтесь поиском — может быть, он уже опубликован.​