«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. AI-first разработка Освоишь AI-first подход и будешь реализовывать задачи вместе с агентами Harness Настроишь инструкции, скиллы и проверки, по которым агент работает в твоём проекте Работа с контекстом Организуешь файлы проекта так, чтобы агент находил нужное для задачи и не тратил контекст на лишнее Пайплайны разработки Проведёшь работу через этапы: спецификация, задачи, реализация, проверка, ревью и pull request Собственные агенты Научишься встраивать AI-агентов в продукт Агент станет его частью и будет работать с его данными и инструментами 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 Контроль агентов Будешь понимать, что делает агент, следить за выполнением задачи и тестировать результат, прежде чем его принять Evals и эксплуатация Измеришь качество AI-системы, сравнишь новую версию со старой перед релизом и настроишь наблюдение за продакшном 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 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. Востребованные навыки Умеешь то, что сегодня нужно командам: разрабатывать вместе с AI-агентами и создавать AI-системы Рост в карьере Берёшь более сложные задачи, в том числе с AI-системами Новая специальность Можешь перейти в AI-инжиниринг, опираясь на свои навыки разработки Эксперт по AI в команде Становишься тем, к кому коллеги приходят за практиками работы с AI, и можешь учить команду Навыки на годы вперёд Понимаешь основы и быстро осваиваешь новые инструменты, когда они появляются Как проходит обучение: Материалы Гайды со схемами объясняют подходы, а видео показывают практический опыт автора и то, как он работает с агентами Задания В каждой главе есть задания 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. Часто задаваемые вопросы 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. 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