[Stepik] ИИ для Системных Аналитиков: от промптов до агентов

​ Курс для системных аналитиков уровня Junior и выше: как встроить ИИ в работу от промпта до агента. Требования, BPMN и PlantUML, OpenAPI и AsyncAPI, ERD и DDL, C4 и ADR с LLM на одном сквозном проекте, библиотека промптов команды, ассистент с базой знаний и RAG, CLI-агент с файлом правил AGENTS.md, скиллом и стоп-условием. В своём темпе, без проверки заданий, с чек-листами самопроверки и машинными проверками артефактов. Вы просите модель описать контракт метода и через минуту получаете аккуратный JSON. В нём два поля, которых не было в постановке, и на ревью никто не может сказать, откуда взялось требование. В новом чате тот же запрос даёт другой формат, а контекст проекта приходится объяснять заново. Дело не в модели и не в формулировке. Работа с ИИ у большинства аналитиков остаётся на уровне чата: нет порядка загрузки контекста, нет проверки результата, удачные промпты теряются в истории диалогов. Материалы по ИИ обычно учат формулировать запросы, а не встраивать модель в процесс, где у артефакта есть вход, проверка и ревью. Курс выстраивает работу с ИИ как процесс, а не как набор удачных запросов. Контекст, генерация, проверка, артефакт файлом – сначала на каждом артефакте системного аналитика, затем в библиотеке промптов, ассистенте и агенте, который работает в папке вашего проекта по вашим правилам. Для кого этот курс Вы аналитик уровня Junior и выше и пользуетесь ИИ как чатом. Иногда помогает, иногда выдумывает поля и методы, и каждый раз вы заново объясняете модели проект. Курс превращает разовые удачи в воспроизводимый процесс: контекст грузится по порядку, у каждого артефакта есть проверка. Вы прошли курсы линейки по системному анализу и ищете следующий шаг. Требования, BPMN, OpenAPI, ERD, C4 и ADR вы уже делаете руками. Здесь они не объясняются заново, а ускоряются: каждый модуль 2–6 опирается на артефакт, который вы умеете проверять. Вы хотите быть на острие ИИ-трансформации в индустрии, а не догонять. Курс доводит вас до уровня, где вы пишете ТЗ на агента: файл правил, скиллы и стоп-условия, по которым он работает. Это и есть роль аналитика в агентной разработке. Вы лид или старший аналитик и думаете, с чего начать внедрение ИИ в команде. Курс даёт вход, который не требует ни бюджета, ни согласований с ИБ: библиотеку промптов команды в едином формате карточек, ассистента по этапу анализа и агента для пилота. Курс не подойдёт, если Вы пока не делаете артефакты системного аналитика руками. ИИ ускоряет то, что вы умеете проверить: если вы не отличите корректную спецификацию от правдоподобной, модель вас обманет. Сначала закройте хард-скиллы курсами «Системный аналитик Middle» или «Системный аналитик Middle+/Senior», затем возвращайтесь сюда. Вам нужна проверка заданий автором. Проверки заданий, созвонов и чата в курсе нет, вопросы задаются в комментариях к шагам. Если вам нужен поток с ревью проектов автором, посмотрите стажировку по системному анализу: там уроки по ИИ стоят внутри каждого технического модуля. Вы ждёте, что ИИ сделает работу за вас. Курс последовательно учит обратному: решение о готовности артефакта принимает аналитик, а агент без лимитов и стоп-условий – это риск, а не автоматизация. Начальные требования Что нужно знать Опыт работы с требованиями, диаграммами и контрактами хотя бы на уровне Junior. Курс показывает, как ускорить создание этих артефактов с нуля. Что не нужно Писать код и оплачивать подписки на чаты. Опыт работы в терминале: команды для агента и git разобраны пошагово, с полным выводом, а для тех, кому терминал непривычен, есть агент в редакторе с наглядным интерфейсом. Из инструментов Для модулей 1–7 – только чат с LLM и Obsidian, плюс bpmn.io в браузере и Postman. С модуля 8 – Node.js, git и открытый CLI-агент, в модуле 10 – Docker и n8n. Всё ставится тогда, когда до инструмента дошёл курс, по шагам. Из ресурса 4–6 часов на модуль. Единица работы – шаг на 15–40 минут, практикум делится на 2–3 вечера. В первом модуле разобраны варианты ритма под вечерние часы после работы. Чему вы научитесь Выбирать модель под задачу: проприетарные и open-source модели, подключение через OpenAI-совместимый эндпоинт, экономика токенов – и объяснять, почему для этой задачи хватит быстрой модели. Готовить контекст вместо подбора формулировок: последовательная загрузка артефактов от общего к частному, работа с доменом, которого модель не знает, Few-Shot и цепочки промптов. Проверять и декомпозировать требования с ИИ: противоречия и пробелы в БТ, уточняющие вопросы стейкхолдерам, User Story и Gherkin, аудит полноты НФТ, матрица трассировки и спецификация по шаблону. Генерировать и валидировать диаграммы: BPMN в XML, Use Case и Sequence в PlantUML, ветвления и исключения, as-is и to-be – с поиском семантических ошибок, а не только синтаксических. Проектировать контракты и ловить галлюцинации: OpenAPI, .proto, GraphQL SDL, AsyncAPI, маппинг форматов, поиск придуманных полей и методов, Postman-коллекция и Doc-As-Code из спецификации. Проектировать модель данных и архитектуру с ревью: ERD, DDL и тестовые данные, C4 с расчётом нагрузки и проверкой на DDD, ADR с trade-off таблицей и вопросами к согласующим. Собирать библиотеку промптов и ассистента: карточка промпта в едином формате, структура по этапам анализа, ассистент с базой знаний и проверкой, что он отвечает из базы, а не по памяти модели. Запускать агента на своём проекте: git как страховка, файл правил AGENTS.md, первый скилл со стоп-условием, которое само запускает проверку DDL и не отдаёт результат, пока она не прошла. MCP Агентский цикл: верификация и стоп-условия Сценарии системного анализа через агента Проект: ИИ практикум по агентам Автоматизация через N8N Оркестрация и автоматизация Автоматизация в N8N