Агентная разработка (AI SWE) : от кода к спецификациям [Тариф: Внедрение в команду] [Thinknetica]

Складчина: Агентная разработка (AI SWE) : от кода к спецификациям [Тариф: Внедрение в команду] [Thinknetica]

Курс для разработчиков и тимлидов, которые хотят выстроить эффективный процесс AI‑разработки и управлять его качеством так, чтобы можно было доверять AI-агентам сложные задачи и получать production‑ready результат в 3–5 раз быстрее, без ручной проверки каждого изменения.

Дополнительный блок для руководителей команд разработки, которые хотят внедрить единый AI-процесс разработки в команду

Этот курс для вас, если вы:

• Слышали про AI-агентов в разработке, но не уверены, как встроить их в реальную работу и получать качественный результат
• Уже используете агентов, но порой, правите за ним больше, чем хотелось бы
• Хотите научиться доверять агентам и не перепроверять каждую строку
• Хотите закрывать задачи end-to-end без бесконечных объяснений

Программа курса
Два уровня - основной и дополнительный для тимлидов и руководителей разработки

Уровень 1: AI SWE (6 недель). Для тех, кто хочет освоить AI Software Engineering
Цель: посторить работу через спецификации, оркестрацию и мультиплексирование агентов.
По итогу уровня вы:

• Освоите Spec-Driven Development: агент работает по спецификации и даёт предсказуемый результат
• Научитесь писать качественные спеки
• Выстроите среду и процесс для агентной разработки на своём проекте
• Создадите кастомные скиллы и научитесь оркестрировать несколько агентов
• Сможете контроллировать качество конечного результата и быть уверенным в работе агентов

Модуль 1: Context Engineering + SDD основы

• Context Engineering — управление контекстом как ограниченным ресурсом
• Curated context vs raw context — что давать агенту, что нет
• Агентность: план → действие → наблюдение → корректировка
• Почему AI-агент ≠ автодополнение кода
• MCP (Model Context Protocol): расширение возможностей агента — стандарт интеграции с внешними системами (GitHub, Slack, БД)
• Почему код — это не продукт тимлида
• Спецификация как главный артефакт
• Workflow разработки с AI-агентом

В результате вы:

• разберётесь, как управлять контекстом агента эффективно — что давать, что убирать, почему это напрямую влияет на качество результата
• освоите SDD-workflow: задача → спека → реализация агентом → ревью
• напишете первые хорошие спецификации — поймёте, что делает спеку рабочей и как не сойти с ума в процессе

Модуль 2: Спецификация: написание и техники

• Как формулировать задачу для агента: контекст, цель, ограничения
• Базовые техники: decomposition, constraints, exit criteria
• Зачем AI-агенту acceptance criteria
• BABOK-подход: функциональные, нефункциональные требования
• Как писать AC, которые агент может проверить
• Agentic loop: агент работает в цикле план → действие → проверка → корректировка
• Скилл для запуска агента в цикле итераций с автоматической проверкой AC

В результате вы:

• научитесь писать спеки с acceptance criteria, которые агент реально может проверить
• научитесь запускать агента в цикле с автоматической проверкой AC — получите предсказуемый результат без ручного контроля каждого шага

Модуль 3: Скиллы и кастомизация агентов

• Что такое скилл: формализованная инструкция, которую агент выполняет по команде
• Создание кастомных скиллов
• Как формализовать повторяющуюся задачу в скилл
• Где хранить скиллы в проекте
• Скиллы для команды
• Как версионировать и шарить скиллы через репозиторий
• Общий пул скиллов vs личные скиллы

В результате вы:

• создадите кастомные скиллы под свой проект: автоматизируете code review, ревью спецификаций и другие повторяющиеся задачи
• научитесь версионировать скиллы и расшаривать их в команде

Модуль 4: Качество спек: TAUS, ADR, agentic loop

• TAUS: Testable, Ambiguous-free, Uniform, Scoped
• Agentic loop: запуск агента в цикле план → действие → проверка
• Exit criteria: как агент понимает, что пора остановиться
• Связь AC и exit criteria: acceptance criteria = условия выхода из loop
• ADR и трассировка решений:

В результате вы:

• научитесь применять критерии TAUS к спецификациям — научитесь отличать рабочую спеку от "похожей на рабочую"
• создадите ADR и трассировку решений в коде — Настроите среду так, что агент будет понимать контекст ваших решений и не ломать архитектуру при модификациях
• научитесь классифицировать задачи по матрице риск × повторяемость и выбирать уровень контроля

Модуль 5: Оркестрация агентов

• Паттерны оркестрации:
• Один агент
• Специализированные агенты
• orchestrator → workers
• Параллельные агенты (advanced):
• Несколько агентов работают одновременно над разными частями
• Инструменты оркестрации: Claude Squad, Cursor 2.0, платформы с parallel execution
• Два подхода к выполнению плана:
• Subagent-Driven
• Parallel Session
• Trade-offs: контроль и гранулярность ревью vs скорость и автономность
• Когда какой паттерн применять: матрица сложность × срочность

В результате вы:

• разберётесь в паттернах оркестрации и научитесь выбирать нужный под задачу
• научитесь декомпозировать сложную задачу для нескольких агентов и запускать их параллельно
• создадите скилл-оркестратор на своём проекте

Уровень 2: Внедрение в команду (опционально, +3 модуля)
Для руководителей комнд разработки, которые хотят внедрить единый AI-процесс разработки в команду

Цель: составить и начать внедрение AI SWE в команду. После курса у участника будет конкретный план, метрики и первые результаты

Модуль 6: Командная инфраструктура

• CLAUDE.md как общекомандная knowledge base проекта:
• Общий репозиторий скиллов для команды:
• Единое пространство для всей команды: скиллы, правила, MCP-конфиги
• Команда ежедневно отлаживает и наращивает систему

В результате вы:

• настроите командный репозиторий скиллов — вся команда будет работать с единым пулом автоматизаций
• трансформируете персональный контекстный файл в командный артефакт: workflow, конвенции, антипаттерны

Модуль 7: Новые процессы + план внедрения

• Agent-first review
• Spec-first workflow
• Как AI SWE меняет роли в команде:
• Техлид: от code review к spec review и развитию системы агентов
• Разработчик: от "получил задачу — кодирую" к "получил задачу — специфицирую — генерирую"
• QA: от ручного тестирования к бизнес-анализу
• Кейсы из практики
• Доверие на уровне команды: как помочь команде пройти путь скептицизм → эксперимент → принятие
• Метрики эффективности AI в команде
• Roadmap внедрения
• Как не демотивировать команду
• Типичные ошибки внедрения

В результате вы:

• опишете целевой pipeline команды: от задачи до merge с участием агентов
• составите конкретный план внедрения AI в команду на 1 месяц с метриками и baseline

Модуль 8: Синхронизация и итоги

• Что получилось внедрить за первые недели
• Где застряли и почему: групповой разбор и обмен опытом
• Корректировка планов
• Что дальше: горизонт 2026, advanced-практики

В результате вы:

• сможете понять, где застряли и почему и как это решить
• уйдёте со скорректированным планом и дорожной картой на следующий квартал

Что вы получите по итогам курса:

• Работающий процесс агентной разработки на вашем проекте
• Рост эффективности в 3-5 раз (подтверждено практикой автора)
• Библиотеку кастомных скиллов под ваши задачи
• Систему контроля качества спецификаций (TAUS)
• Настроенную оркестрацию нескольких агентов без лишних проверок и микроменеджмента
• План внедрения в команду с метриками и roadmap (для уровня 2)

Автор и ведущий курса - Данил Письменный
IT-предприниматель с 30-летним опытом разработки и 15-летним опытом управления командами.

Цена 50000 руб
Скрытая ссылка