За три дня ты перейдёшь от базового использования AI-агента к полноценной агентной разработке: научишься ставить задачи, управлять контекстом, разделять роли агентов, проверять качество кода и доводить изменения до релиза в продакшен. Интенсив подойдёт разработчикам, тимлидам, техлидам, ML- и DS-инженерам, которые хотят встроить AI-агентов в реальный рабочий процесс, а не просто генерировать код по промтам.
С приходом AI-агентов у разработчиков меняется не только скорость написания кода, но и сам спектр задач. Разработчик всё меньше занимается ручной рутиной и всё больше управляет процессом: задаёт правила, контролирует контекст, проектирует пайплайн, проверяет результат и принимает решения.
MCP к Jira, Sentry, Grafana и другим инструментам проекта.diff, критерии приёмки.Многие уже используют Codex, Claude Code, OpenCode или другие инструменты для AI-разработки, но не получают ожидаемого ускорения. Причина в том, что одного установленного агента недостаточно: без правил проекта, управления контекстом, разделения ролей и ограничений агент быстро генерирует изменения, но не гарантирует качество результата.
Если агент сам принимает собственную работу, ревью становится формальным. Ошибки, неверные архитектурные решения и лишние изменения могут остаться незамеченными.
Длинные сессии, лишние файлы, устаревшие обсуждения и неполная постановка задачи приводят к тому, что агент теряет фокус и предлагает решения, которые не соответствуют реальному состоянию проекта.
Без постоянных правил, скиллов и критериев приёмки AI-агент может нарушать архитектурные договорённости, менять лишний код и создавать решения, которые сложно поддерживать.
На первом занятии ты соберёшь базовую среду для агентной разработки и поймёшь, как встроить кодинг-агента в рабочий процесс проекта.
AGENTS.md и правила проекта, которые агент должен учитывать в каждой сессии.diff, условия передачи задачи человеку.diff и не позволять агенту менять лишний код.Ты настроишь рабочую среду для агентной разработки и поймёшь, как агент должен получать контекст, работать в заданных границах и возвращать проверяемый результат.
Процесс: задача → правила и скиллы → кодинг-агент → минимальный diff → тесты → ревью кода.
На втором занятии ты разберёшь, как разделить разработку и проверку между независимыми агентами, чтобы повысить качество результата и снизить риск ошибок.
handoff — передача задачи между агентами без переноса всей истории чата.Ты построишь пайплайн, в котором разработка и ревью разделены между независимыми агентами и отдельными сессиями.
Процесс: задача → агент-разработчик → handoff-пакет → агент-ревьюер → доработка → приёмка.
Ты научишься передавать между агентами только нужный контекст, контролировать агентный цикл и получать независимую проверку результата до того, как работа считается завершённой.
На третьем занятии ты разберёшь, как использовать AI-агентов в большой кодовой базе, где особенно важны ограничения, структура контекста и контроль области изменений.
diff в большой кодовой базе.Ты научишься управлять работой кодинг-агентов в большой кодовой базе и не терять контроль над контекстом, зоной изменений и качеством результата.
Процесс: контекст задачи → зона изменений → план → агент-разработчик → handoff → агент-ревьюер → проверка → приёмка.
В результате ты сможешь переносить состояние между сессиями, ограничивать действия агентов и применять агентный подход в своём рабочем репозитории.
Ты будешь разбирать ошибки работы с AI-агентом вместе со спикером и сразу перестраивать собственный процесс разработки. После интенсива у тебя появится понятная система для работы с агентами в продакшен-разработке.
Этот интенсив помогает перейти от хаотичного использования AI-агента к управляемой агентной разработке. Ты научишься ставить задачи через спецификации, управлять контекстом, ограничивать область изменений, разделять роли агентов и проверять результат перед релизом в продакшен.
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Алексей Жиряков — опытный backend-разработчик, технический руководитель и эксперт в области высоконагруженных систем с более чем 15-летним опытом в IT. Специализируется на проектировании масштабируемых архитектур, построении платформ данных, развитии инженерных команд и внедрении искусственного интеллекта в процессы разработки.В настоящее время занимает должность технического руководителя в Сбербанке, где отвечает за работу с данными для искусств