Курс AI-driven разработка
Освоите разработку fullstack приложения от идеи до production
с использованием ИИ-агентами
с использованием ИИ-агентами
Старт курса
23 марта ????
Гибкий формат ????
2 месяца (12 занятий) + организационное и итоговое
Для кого курс
Разработчики
Middle, Senior разработчики, которые хотят освоить AI-driven методологию и научиться создавать fullstack приложения самостоятельно
Техлиды
Технические лидеры команд, желающие внедрить ИИ-агенты в процесс разработки и повысить продуктивность команды
Архитекторы
Архитекторы, стремящиеся освоить современные подходы к проектированию систем с использованием ИИ
ИТ-специалисты
ИТ-специалисты, желающие освоить полный цикл создания продукта (Backend, Frontend, DevOps, DB)
Необходимые требования: Опыт в разработке, желание освоить инструменты AI-кодинга.
Цели курса
1. Ускорение разработки в 3–5 раз
Вы освоите AI-driven методологию, которая меняет подход к созданию ПО. Научитесь использовать ИИ-агентов для парного программирования, генерации архитектуры и документации, а также эффективного планирования спринтов и декомпозиции задач.
Вы освоите AI-driven методологию, которая меняет подход к созданию ПО. Научитесь использовать ИИ-агентов для парного программирования, генерации архитектуры и документации, а также эффективного планирования спринтов и декомпозиции задач.
2. Глубокое понимание работы LLM
Вы разберетесь в архитектуре языковых моделей и научитесь управлять ими. Освоите продвинутый промпт- и контекст-инжиниринг, научитесь работать с современными инструментами (Cursor, консольные агенты) и удерживать контекст для решения сложных задач.
Вы разберетесь в архитектуре языковых моделей и научитесь управлять ими. Освоите продвинутый промпт- и контекст-инжиниринг, научитесь работать с современными инструментами (Cursor, консольные агенты) и удерживать контекст для решения сложных задач.
3. Создание Fullstack-продуктов с нуля
Вы научитесь разрабатывать полноценные приложения быстрее, чем когда-либо. От проектирования баз данных и API-сервисов (Backend) до создания современных интерфейсов через Reverse-design (Frontend). Освоите TDD-подход с участием ИИ и интеграцию LLM в свои сервисы.
Вы научитесь разрабатывать полноценные приложения быстрее, чем когда-либо. От проектирования баз данных и API-сервисов (Backend) до создания современных интерфейсов через Reverse-design (Frontend). Освоите TDD-подход с участием ИИ и интеграцию LLM в свои сервисы.
4. Построение Production-ready инфраструктуры
Вы настроите полный цикл DevOps-автоматизации. Научитесь упаковывать приложения в Docker, выстраивать CI/CD пайплайны на GitHub Actions, внедрять Observability (логи, метрики) и разворачивать микросервисы в облаке.
Вы настроите полный цикл DevOps-автоматизации. Научитесь упаковывать приложения в Docker, выстраивать CI/CD пайплайны на GitHub Actions, внедрять Observability (логи, метрики) и разворачивать микросервисы в облаке.
Что будет на курсе
- Работа с LLM и Агентами: Промпт-инжиниринг, контекст-инжиниринг, RAG, tool calling.
- AI-Coding Экосистема: Глубокое погружение в Cursor, консольные агенты (Claude Code), спецификации.
- Fullstack Практика: Создание сложного ИИ-ассистента (Telegram-бот + Web + API + DB).
- Архитектура и Анализ: Генерация требований, ER-диаграмм, выбор стека с помощью ИИ.
- DevOps и Инфраструктура: Docker, GitHub Actions, Makefiles, развертывание в облаке.
- Observability: Настройка мониторинга (Loki, Prometheus, Grafana).
Формат: 2 занятия в неделю по 1,5 часа
Программа курса
- Архитектура и принципы работы языковых моделей
- Ограничения и возможности современных LLM
- Методы работы с моделями: промпт-инжиниринг, контекст-инжиниринг, RAG
- Концепция ИИ-агентов: определение, компоненты, архитектура
- Обзор моделей и провайдеров
- AI-first подход в разработке
- Обзор дорожной карты практики курса
- Эволюция подходов к разработке с использованием ИИ-инструментов
- Консольные агенты: Claude Code, Codex, Warp и другие
- IDE-интегрированные решения: Cursor, Windsurf и другие
- Spec-Driven IDE: Kiro, Qoder и методология разработки на основе спецификаций
- Агенты для прототипирования и frontend: V0, Bolt, Lovable, Replit
- Гибридные подходы: комбинирование различных ИИ-инструментов в единый workflow
- Практическая работа: Создание скрипта автоматизации с Warp. Создание UI-прототипа в V0/Bolt/Lovable.
- Обзор возможностей и режимов работы Cursor
- Конфигурирование: модели, правила, соглашения
- Управление контекстом: включение файлов, символов, документации
- Кастомизация и настройка правил для проекта
- Лучшие практики использования кодовых агентов
- AI-Driven методология разработки
- Практическая работа: Настройка Cursor для работы.
- Формализация требований к разработке Telegram-бота
- Создание базовой проектной документации
- Выбор технологического стека с обоснованием
- Проектирование архитектуры системы на высоком уровне
- Проектирование модели данных
- Проектирование внешних связей и интеграций
- Подходы к логированию, конфигурированию и деплою
- Документирование принятых проектных решений (ADR)
- Генерация диаграмм с использованием Mermaid
- Практическая работа: Проектирование Telegram-бота.
- Планирование дорожной карты разработки
- Формирование соглашений по разработке с ИИ-агентом
- Генерация скелета приложения: создание структуры проекта
- Генерация кода: автоматическое создание основных компонентов
- Реализация основной логики бота
- Интеграция с LLM API
- Управление состоянием диалогов и контекстом
- Реализация обработки ошибок
- Логирование запросов и ответов
- Практическая работа: Разработка Telegram-бота с LLM "под капотом".
- Настройка линтеров и форматтеров
- Создание модульных тестов с помощью ИИ
- Создание интеграционных тестов
- TDD-подход к тестированию
- Запуск тестов и анализ результатов
- Формирование отчетов о тестовом покрытии
- Практическая работа: Разработка тестов и автоматическая проверка качества кода.
- Использование ИИ-агента для быстрого понимания структуры и логики существующего проекта
- Анализ legacy-кодовой базы с помощью ИИ-инструментов
- Генерация проектной документации для быстрого погружения
- Настройка локального окружения
- Запуск и проверка работоспособности компонентов
- Изучение правил совместной работы с ИИ-агентом
- Планирование следующих итераций разработки
- Практическая работа: Создание онбординг документации и планирование следующих итераций разработки.
- Рефакторинг с учетом архитектуры проекта
- Проектирование API
- Разработка и документирование API-сервиса
- Рефакторинг Telegram-бота для работы через API
- Создание Makefile для автоматизации рутинных задач
- Настройка базового окружения разработки
- Создание Dockerfile и docker-compose файлов
- Практическая работа: Разработка API-сервиса и контейнеризация с Docker.
- Анализ требований к хранению данных: определение сущностей и связей
- Проектирование схемы БД: создание ER-диаграмм и оптимальной структуры таблиц
- Выбор СУБД и инструмента управления миграциями
- Создание миграций: генерация скриптов создания и изменения структуры БД
- Реализация слоя доступа к данным: создание ORM-моделей и репозиториев
- Практическая работа: Доработка приложения для работы с базой данных.
- Рефакторинг Dockerfile-ов с учетом архитектуры проекта
- Настройка docker-compose: оркестрация приложения и базы данных
- Выбор инструмента для реализации CI/CD pipeline
- Настройка GitHub Actions: workflow для автоматизации
- Автоматизация сборки и публикации Docker-образов
- Практическая работа: Настройка CI/CD pipeline.
- Генерация концепции frontend проекта: определение требований к UI
- Выбор технологического стека
- Инициализация проекта: создание структуры приложения
- Разработка компонентов с помощью ИИ-агентов
- Использование практик reverse-design для разработки интерфейса
- Использование MCP для взаимодействия с браузером
- Интеграция с backend API
- Практическая работа: Разработка frontend для ИИ-ассистента.
- Создание docker-compose для полной fullstack системы
- Создание скриптов настройки сервера
- Настройка переменных окружения и секретов
- Настройка nginx как reverse proxy
- Логирование: структурированные логи и агрегация (Loki)
- Метрики: сбор и хранение метрик приложения (Prometheus)
- Дашборды: визуализация метрик и логов (Grafana)
- Практическая работа: Реализация production-ready решения.
Итоговый проект:
Fullstack ИИ-ассистент с микросервисной архитектурой
Fullstack ИИ-ассистент с микросервисной архитектурой
Преподаватели курса
Сергей Смирнов
AI-архитектор и методолог, к.т.н.
- 23 года в разработке ПО, 15 лет в Computer Science, 4 года в GenAI
- Руководитель лаборатории AIRnD.ru и автор канала @AI.Dialogs
- Спикер на митапах и AI-мероприятиях, создатель @devclubspb
- 5 AI-кейсов для РЖД, RUTUBE, MediaWise
- Успешные тренинги для Сбер, Системные Технологии, СИЛАРТ, ITone
-
Александр Кожин
Tech Lead по AI-driven разработке
- 23 года в разработке ПО, 5 лет в генеративном ИИ
- Архитектор production ИИ-решений в AIRnD.ru
- Автор образовательных программ по AI-driven разработке LLMStart.ru
- Победитель международных AI-хакатонов «Цифровой прорыв», призер LLM-coding challenge 2025
- Организатор и активный участник @devclubspb
- Соавтор @aidialogs и YouTube @AI.Dialogs
Практический опыт экспертов: 10+ production AI-проектов | Победители международных AI-хакатонов "Цифровой прорыв" | Авторы методологии AI-driven разработки
Стоимость курса
STANDARD
$1200 в месяц
- Полный доступ к 12 занятиям
- Проверка домашних заданий
- Доступ к материалам и записям
- Чат участников
- Электронный сертификат об окончании курса на EN и RU
MASTER
$1700 в месяц
- Полный доступ к 12 занятиям
- Проверка домашних заданий
- Доступ к материалам и записям
- + 2 часа личных консультаций с экспертами
- Чат участников
- Электронный сертификат об окончании курса на EN и RU
20 февраля | online
Нажимая на кнопку, вы соглашаетесь на обработку персональных данных
