Текст площадки «Складчики». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
AI для разработчиков. Соберите свою систему разработки с ИИ-агентами — под себя, за 4 месяца.
Читать полное описание
Ссылка на картинку
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
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
Показать больше
Зарегистрируйтесь
, чтобы посмотреть авторский контент.
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
Выбирайте не только по цене
ЦенаСумма и выгодность предложения
Удобство интерфейсаОценка формата занятий
Встроенный просмотрБез скачивания всего курса
Занятия с телефонаБез работы с архивами
Без рекламыПри работе с материалами
Найти нужный моментНе пересматривая весь урок
Разобраться в темеПомощь по содержанию, не куратор
Попробовать до покупкиОзнакомительный урок
Скачать материалыДля занятий без интернета
Когда можно начать
Срок доступа
Выбрать площадку
Учитесь с комфортом
В Курсе
История цен на площадкахФормат и условия
Как проходит обучение
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
Материалы
Написание спецификации на задачу своего проекта по шаблонуПроверено 11.11.2026 · Источник ↗︎
Материалы
Написание спецификации на задачу своего проекта по шаблонуПроверено 19.09.2026 · Источник ↗︎
Материалы
Написание спецификации на задачу своего проекта по шаблонуПроверено 08.10.2026 · Источник ↗︎
Материалы
Написание спецификации на задачу своего проекта по шаблонуПроверено 29.09.2026 · Источник ↗︎
Материалы
Написание спецификации на задачу своего проекта по шаблонуПроверено 02.11.2026 · Источник ↗︎
Темы программы
Программа:Проверено 19.09.2026 ·
Команда курса
Авторы и преподаватели
Арсений ХарлановАвтор материалов
Олег ЛайокАвтор материалов
Сведения источников
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Ниже приведены отдельные описания источников.
СкладчикИИ для разработчиков [proglib.academy] [Арсений Харланов, Олег Лайок]
Указаны на площадке: 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
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
Содержание обучения
Что в программе
01Программа:95 уроков
Модуль 1. Вступление: где ломается разработка с ИИ и базовые настройки:Время не указано
Зачем писать md-файлы, или что сегодня решает промптингВремя не указано
Что ломается в проекте без правилВремя не указано
Как уменьшить неопределённостьВремя не указано
Классификация сбоев агента на реальных кейсах диалогов с ИИВремя не указано
Как создать AGENTS.md: онбординг агента в незнакомый репозиторийВремя не указано
Где живут правила: раскладка файлов в Cursor и Claude CodeВремя не указано
Полный цикл: план → правка → тесты → ревью с plan mode на демо-задачеВремя не указано
Сквозной проект курсаВремя не указано
Первые шаги на проекте курсаВремя не указано
Модуль 2. Контекст проекта: AGENTS.md / CLAUDE.md:Время не указано
Как работает агент: цикл и слоиВремя не указано
Когда нужен план, а когда достаточно постановки задачиВремя не указано
Разделение: задача — в спеке, постоянное — в контекстеВремя не указано
Постановка задачи агентуВремя не указано
Структура планаВремя не указано
Использование sub agentsВремя не указано
Пример на основе проекта курсаВремя не указано
Модуль 3. Подключение агента к стеку: MCP:Время не указано
Что даёт MCP: агент видит трекер, БД, логи и документацию, а не только файлы репо
«В Курсе» — наш основной вариант для перехода. В таблице — возможности сервисов; состав конкретного курса уточняйте перед оплатой.
Как мы оцениваем и что входит в доступ
Звёзды — наша оценка, не отзывы покупателей. Удобство: 2 базовых балла, по одному за занятия без обязательного скачивания, навигацию по курсу и встроенного помощника. Оценка описывает формат сервиса, а не проверку каждого урока.
Цена сравнивается только при подтверждённых одинаковых тарифе, сроке и виде оплаты. Разница с минимальной ценой до 10% — 5 звёзд, до 30% — 4, до 60% — 3, до 100% — 2, больше — 1. Устаревшие и неизвестные цены не оцениваются. Прочерк означает, что данных недостаточно, а не что функции нет.
В Курсе
Зарегистрируйтесь, чтобы уточнить возможность доступа к этому материалу
Складчик
Условия оплаты
Взнос за участие на площадке: 2 471 ₽. Доступность материала зависит от стадии сбора.
Написание спецификации на задачу своего проекта по шаблону
На странице площадки указано: Цена 79990 руб.; Взнос 2 471 р.. Тип платежа, актуальность и соответствие полной цене курса требуют проверки.
Условия проверены 11.11.2026. Перед оплатой проверьте состав предложения у продавца.
Складчики
Написание спецификации на задачу своего проекта по шаблону
Условия проверены 19.09.2026. Перед оплатой проверьте состав предложения у продавца.
Складчина.biz
Условия оплаты
Взнос за участие на площадке: 2 485 ₽. Доступность материала зависит от стадии сбора.
Написание спецификации на задачу своего проекта по шаблону
Условия проверены 08.10.2026. Перед оплатой проверьте состав предложения у продавца.
Складчики[proglib.academy] ИИ для разработчиков (Арсений Харланов, Олег Лайок)
Указаны на площадке: Арсений Харланов, Олег Лайок
Ссылка на картинку
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
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
Показать больше
Зарегистрируйтесь
, чтобы посмотреть авторский контент.
Программа этой площадки
Программа:
Получено 19.09.2026
Складчина.biz[proglib.academy] ИИ для разработчиков (Арсений Харланов, Олег Лайок)
Указаны на площадке: 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
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
Программа этой площадки
Программа:
Получено 08.10.2026
Складчина.biz[proglib.academy] ИИ для разработчиков (Арсений Харланов, Олег Лайок)
Указаны на площадке: 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
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
Программа этой площадки
Программа:
Получено 02.11.2026
Складчина.biz[proglib.academy] ИИ для разработчиков (Арсений Харланов, Олег Лайок)
Указаны на площадке: 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
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
Программа этой площадки
Программа:
Получено 29.09.2026
Время не указано
Риски MCP: запуск чужого кода (STDIO RCE), постепенная подача инструментов, поиск по инструментамВремя не указано
Подключение MCP к GitHub/Jira/БД/Sentry/докам на своём проектеВремя не указано
Модуль 4. Спецификация как контракт:Время не указано
Чем спецификация отличается от промпта: агенту — рамка, вам — критерий приёмкиВремя не указано
Структура спеки из 5 секций: цель, требования, ограничения, Definition of Done, тестыВремя не указано
Нотации EARS и Given-When-Then для acceptance criteria, которые агент не истолкует по-своемуВремя не указано
Типовые дыры в спеках, из-за которых агент додумывает требованияВремя не указано
Поиск подсаженных дыр в плохой спецификации — раньше, чем их найдёт агентВремя не указано
Написание спецификации на задачу своего проекта по шаблонуВремя не указано
Прогон агента с/без спеки и фиксация разницы в diffВремя не указано
Модуль 5. Легаси и чужой код:Время не указано
Разведка незнакомого кода с агентом: структура, зависимости, точка изменения, blast radiusВремя не указано
Как проверять объяснения агента о чужом коде — он галлюцинирует и здесьВремя не указано
Characterization tests и спека для легаси: фиксация поведения, белый список файлов, «не чини попутно»Время не указано
Рефакторинг и миграция большого легаси безопасными шагами под регресс-тестамиВремя не указано
Разведка выданного легаси-репозитория с агентомВремя не указано
Изменение в чужом коде полным циклом: разведка → тесты → спека → план → агент → ревью → CIВремя не указано
Модуль 6. Постановка задачи агенту и ведение по плану:Время не указано
Как работает plan modeВремя не указано
Когда нужен план, а когда достаточно постановки задачиВремя не указано
Постановка задачи агентуВремя не указано
Структура планаВремя не указано
Использование sub agentsВремя не указано
Пример на основе проекта курсаВремя не указано
Модуль 7. Ревью AI-кода:Время не указано
Почему меняется процессВремя не указано
Как начать доверять AI кодуВремя не указано
Как создать правила и обновлять правилаВремя не указано
Что мержить, а что смотретьВремя не указано
Создание тест кейсов с AIВремя не указано
Инструменты для ревью, делаем свойВремя не указано
Модуль 8. Тесты, критерии готовности и CI:Время не указано
Тесты выводятся из спецификации: каждый acceptance criterion превращается в тестВремя не указано
Агентный TDD: сначала падающий тест, потом код до зелёногоВремя не указано
Критерии готовности (DoD) как ворота приёмки для кода агентаВремя не указано
Почему агент пишет happy-path и подгоняет тесты под свой код — и как этим управлятьВремя не указано
Что показывает coverage, почему «зелёный CI» ≠ «работает правильно», как читать красный билдВремя не указано