Курс AI-driven разработка

Освоите разработку fullstack приложения от идеи до production
с использованием ИИ-агентов

Старт курса 6 апреля

2 месяца
7 занятий
80% практика

Для кого курс

Разработчики

Middle и Senior специалисты, желающие перестать бояться, что "все пропустили", и начать системно использовать AI-инструменты (от Cursor до MCP) для радикального ускорения своей ежедневной работы.

Техлиды и Тимлиды

Лидеры команд, стремящиеся внедрить AI в процессы разработки (Code Review, документация, тесты), чтобы автоматизировать рутину и повысить общую эффективность команды.

Product-ориентированные инженеры

Специалисты, которые хотят самостоятельно создавать полноценные продукты, используя Zero-Coding UI и генерацию кода для быстрого запуска и проверки гипотез.

Автоматизаторы и Энтузиасты

Те, кто хочет выйти за рамки чат-ботов, научиться строить собственных AI-агентов и сложные цепочки автоматизаций (RAG, n8n), связывая их с рабочими инструментами.

Необходимые требования: опыт в разработке и установленный Cursor или Windsurf.
Мы обеспечим вас всей необходимой инфраструктурой: предоставим доступ к Open Router с ключами для работы с LLM, а также выделим небольшую виртуальную машину для ваших задач.

Цели курса

1. Системное понимание и контроль

Перейти от хаотичного использования чат-ботов к четкому видению рынка AI, трендов и агентских подходов (Agentic Workflows), чтобы уверенно ориентироваться в технологиях будущего.

2. Высокая эффективность в разработке

Освоить передовые AI-IDE (Cursor, Windsurf) и лучшие практики промптинга, чтобы решать рабочие задачи за 15 минут вместо 4 часов.

3. Глубокая интеграция и создание агентов

Научиться подключать AI к своему контексту (код, базы данных, Jira/GitHub) через MCP и RAG, создавая собственных автономных помощников.

4. Максимальная автоматизация рутины

Делегировать AI скучные процессы – от написания тестов и документации до код-ревью и верстки UI – чтобы сфокусироваться на сложной инженерии и архитектуре.

Что будет на курсе

1

Работа с LLM и Агентами

Промпт-инжиниринг, контекст-инжиниринг, RAG, tool calling
2

AI-Coding Экосистема

Глубокое погружение в Cursor, консольные агенты (Claude Code), спецификации
3

Fullstack Практика

Создание сложного ИИ-ассистента (Telegram-бот + Web + API + DB)
4

Архитектура и Анализ

Генерация требований, ER-диаграмм, выбор стека с помощью ИИ
5

DevOps и Инфраструктура

Docker, GitHub Actions, Makefiles, развертывание в облаке
6

Observability

Настройка мониторинга (Loki, Prometheus, Grafana)

20% теория + 80% практика

Формат

9 online занятий

7 тематических + организационная встреча + итоговое занятие

2 месяца

2 занятия в неделю

1,5 часа

длительность занятия
+ практические задания

Программа курса

Модуль 1. Карта местности: Тренды и горизонты 2026

Где мы сейчас: Системный обзор ландшафта (OpenAI vs Anthropic vs DeepSeek). В чем разница между моделями «для кода» и «для логики».
Тренды 2026: Переход от чат-ботов к Agentic Workflows (автономные цепочки действий).
Small is New Big: Взрывной рост малых локальных моделей (SLM) и почему это важно для приватности.
Прогноз на 1-2 года: К чему готовиться, чтобы не устареть, когда AI начнет писать 90% кода.
Результат: Вы понимаете структуру рынка и умеете выбирать стек под задачу, не переплачивая за хайп.

Модуль 2. Новые «Руки»: Глубокое погружение в AI-IDE

Cursor vs Windsurf vs Copilot: Сравнение лидеров. Почему современная IDE – это не редактор, а «центр управления полетами».
Настройка «Цифрового напарника»: Конфигурация .cursorrules и системных промптов. Как заставить AI писать в вашем стиле.
AI в терминале: Командная строка на стероидах.
Результат: Вы работаете в среде, которая понимает контекст всего проекта, а не только текущего файла.

Модуль 3. Проблема контекста: RAG, CAG и магия MCP

Context is King: Как скармливать AI гигабайты ваших данных.
RAG vs CAG: Когда строить векторную базу (RAG), а когда достаточно «длинного контекста» и кэширования (CAG).
MCP (Model Context Protocol): Как за 5 минут подключить AI к Jira, Slack, GitHub и БД «по проводу».
Практикум «Свой MCP за 10 минут»: Пишем на Python/TS простейший сервер, который дает AI доступ к вашей локальной системе (например, чтение файлов или запуск скриптов).
Результат: Вы умеете расширять возможности AI своими данными и инструментами.

Модуль 4. Zero-Coding UI: От Figma до работающего кода

Figma to Code: Использование плагинов и Figma AI для экспорта верстки без «мусорного кода».
Связка Figma + Cursor: Как мгновенно превратить дизайн-макет в набор React/Vue компонентов.
Генераторы интерфейсов: v0.dev, Lovable и Bolt.new – создание UI через скриншоты или текстовое описание.
Результат: Вы сокращаете время на верстку в 5-10 раз, фокусируясь на логике приложения.

Модуль 5. AI в процессах разработки: Создаем конвейер

AI Code Review:Настройка автоматической проверки PR. Примеры системных промптов для поиска уязвимостей и багов.
Авто-документация: Как заставить AI обновлять README и API-документацию при каждом коммите.
Synthetic Data & Testing: Генерация сложных тестов и данных для тестирования на основе бизнес-логики.
Результат: Вы автоматизируете самую скучную часть жизненного цикла разработки (SDLC).

Модуль 6. Low-code автоматизация и агенты

AI-цепочки в n8n:Создание сложных автоматизаций без написания кода (связка почты, мессенджеров и LLM).
Анатомия агента: Разбор инструментов планирования и памяти агентов.
Практика: Создание автономного ассистента, который умеет пользоваться вашими тулами через MCP.
Результат: Вы строите работающие бизнес-системы, которые работают, пока вы спите.

Модуль 7. Стратегия: Legacy, Безопасность и внедрение

Спецназ для Legacy:Как безопасно рефакторить «макаронный код» с помощью AI.
Безопасность (Privacy First): Как использовать AI в корпоративной среде и не нарушить NDA.
Итоговый план: Как внедрить изученное в свою рутину или в команду за одну неделю.

Результат: У вас есть четкая дорожная карта использования AI как вашего главного конкурентного преимущества.

Итоговый проект:

Fullstack ИИ-ассистент с микросервисной архитектурой

Участники создают полноценную fullstack систему через инкрементальное развитие:

Этап 1: Базовый Telegram-бот с интеграцией LLM

Этап 2: Микросервисная архитектура и интеграция с БД

Этап 3: Frontend веб-интерфейс

Этап 4: Production-ready решение с деплоем в облаке

Преподаватели курса

Сергей Голубев

Product Manager & AI Creator

Technical Product Manager с 16+ годами в IT. Начинал как QA-инженер, 10 лет руководил QA-отделом, потом перешёл в продакт-менеджмент.

Стек:

AI-инструменты
- Claude Code (Max subscription) - основной AI-инструмент для кода
- Claude, Gemini, OpenAI - AI-модели для различных задач
- Perplexity - глубокий ресёрч
Автоматизация и деплой
- n8n + Flowise - автоматизация воркфлоу и AI-агенты
- Vercel, Railway - деплой
- Self-hosted инфраструктура
Собственные VPS с open source сервисами:
- PostgreSQL, Redis, Qdrant, Ollama, Caddy, Supabase, Grafana, RAGFlow, SearXNG и другие

Стоимость курса

STANDARD

$800 в месяц

Включено:

Полный доступ к 7 занятиям
Проверка домашних заданий
Доступ к материалам и записям
Чат участников
Электронный сертификат об окончании курса на EN и RU

MASTER

$1200 в месяц