ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]

[ALL DAR Bot]

Автор: Арсений Харланов, Олег Лайок
Название: ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]

Описание:
Складчина: ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]

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

Материал «ИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]», возможно, скоро появится на All-DAR.

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