AI Engineering [Sachkov Dev] [Кирилл Сачков]

Топикстартер · 29 окт 2026 в 00:38

Складчина: 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.

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.

Программа:

Основа разработки с агентами: harness, домен и архитектура

Разработка с агентами: от требований до проверенного результата

Релизы и эксплуатация: CI/CD, данные и наблюдаемость

Инфраструктура агентов: контекст, MCP и общий harness

Собственные агенты: цикл, инструменты и управление состоянием

RAG: документы, поиск и подготовка контекста

Безопасность агентов: права, prompt injection и песочницы

Качество и эксплуатация агентов: evals, трассировки и стоимость

Облачные агенты: задачи, песочницы и параллельная работа

1. Основа разработки с агентами: harness, домен и архитектура:

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
Скрытая ссылка