AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]

Складчина: AI-агенты в продакшен разработке [Pytex] [Алексей Жиряков]

За три дня ты перейдешь от базового использования ИИ-агента к полноценной агентной разработке: от постановки задачи до релиза в прод
Используешь ИИ-Агента, но разработка как-будто не ускорилась?
Это частая история. Недостаточно просто скачать Codex или Claude Code: без правил, управления контекстом, разными ролями агентов и ограничений агент, действительно, быстрее генерирует изменения, но не гарантирует их качество

Проблема
код-ревью делает тот же агент, Который пишет код
Проблема
Контекст постоянно засоряется и агент галлюцинирует
Проблема
агент постоянно забывает правила проекта и говнокодит

Для кого интенсив:

• Разработчиков
  Научишься ставить задачи ИИ-агентам, задавать правила и проверять результат.
• Тимлидов и техлидов
  Выстроишь командный процесс работы с ИИ-агентами: роли, контекст, проверки и критерии приёмки.
• ML- и DS-инженеров
  Адаптируешь агентный подход под работу с моделями и данными: проверки, границы изменений и контроль качества.

Программа:

Настраиваем кодинг-агента под реальный проект

Что разберёшь

• Из чего состоит готовая среда для агентской разработки: модель, кодинг-агент и тулы (tools)
• Как настроить OpenCode и выбрать модели для разработки и ревью
• AGENTS.md и правила (rules) проекта: что агент должен учитывать в каждой сессии
• Разница между общими правилами репозитория и инструкциями под конкретные задачи
• Скиллы для типовых задач разработки и повторяемых сценариев
• Как задавать формат входа и результата агента, чтобы работа шла по понятному контракту
• Ограничения для агента: область изменений, размер diff и условия передачи задачи человеку
• TDD в работе кодинг-агента: тесты как способ проверять результат, а не доверять ответу модели
• Как добиваться минимального diff и не позволять агенту менять лишний код
• Структура репозитория и журнал решений как постоянный контекст для новых сессий

Результат занятия
Настроишь готовую среду для агентской разработки и поймёшь, как встроить кодинг-агента в рабочий процесс проекта.
Задача → правила и скиллы → кодинг-агент → минимальный diff → тесты → ревью кода

В результате агент будет получать нужный контекст, работать в заданных границах и возвращать проверяемый результат вместо неконтролируемых изменений по всему проекту.

Строим агентный пайплайн: разработка, ревью и приёмка

Что разберёшь

• Почему один агент не должен одновременно писать код и принимать собственную работу
• Разделение ролей между агентом-разработчиком и агентом-ревьюером
• Отдельные сессии и чистый контекст для независимой проверки результата
• Как ставить задачу через спецификацию, ограничения и критерии приёмки вместо длинного промта
• Handoff (передача задачи между агентами) без переноса всей истории чата
• Что входит в handoff-пакет и какой контекст действительно нужен следующему агенту
• Как проводить ревью кода отдельным агентом в режиме только чтения
• Агентный цикл (agent loop): разработка, ревью, доработка и повторная проверка
• Ограничение количества итераций и передача сложной задачи человеку
• Как собрать агентный пайплайн от постановки задачи до приёмки

Результат занятия
Построишь агентный пайплайн, в котором разработка и ревью разделены между независимыми агентами и отдельными сессиями.
Задача → агент-разработчик → handoff-пакет → агент-ревьюер → доработка → приёмка

Научишься передавать между агентами только нужный контекст, контролировать агентный цикл и получать независимую проверку результата перед тем, как работа считается завершённой.

Работаем с большим репозиторием и управляем контекстом агента

Что разберёшь

• Почему кодинг-агенты начинают хуже работать в больших репозиториях и длинных сессиях
• Как определить зону изменений: что агент может менять, что только читать, а что трогать запрещено
• Планирование изменений до написания кода
• Права и ограничения агента-разработчика и агента-ревьюера
• Как сохранять состояние задачи между отдельными сессиями
• Формирование компактного контекста вместо переноса всей истории работы
• Структура репозитория и журнал решений как внешняя память для агента
• Контроль области изменений и минимального diff в большой кодовой базе
• Как независимо проверять качество тестов, включая мутационное тестирование
• Перенос подходов всех трёх дней в собственный рабочий репозиторий

Результат занятия
Научишься управлять работой кодинг-агентов в большой кодовой базе и не терять контроль над контекстом и областью изменений.
Контекст задачи → зона изменений → план → агент-разработчик → handoff → агент-ревьюер → проверка → приёмка

В результате сможешь переносить состояние между сессиями, ограничивать действия агентов и использовать тот же подход уже в собственном рабочем репозитории.

Цена 13990 руб.
Скрытая ссылка