Разработка с AI: Автоматизация и продуктивность [profileschool] [Александр Свет]

Складчина: Разработка с AI: Автоматизация и продуктивность [profileschool] [Александр Свет]

Автоматизируйте рутину, ускоряйте разработку.

Продвинутый курс для тех, кто уже прошёл «Разработка с AI на практике для всех» и готов вывести свои проекты на следующий уровень: проектирование интерфейсов, оптимизация, MCP, агенты, которые общаются как люди, и персональные инструменты AI-кодинга для максимальной продуктивности.
Этот курс — продолжение базового трека по разработке с AI. Мы уходим глубже: проектируем удобные интерфейсы под реальные данные, оптимизируем архитектуру и хранение, настраиваем MCP для профессиональных сценариев, а главное — создаём умных AI-агентов, которые не просто «отвечают», а ведут диалог, собирают информацию, инициируют действия и помогают вам работать быстрее. Мы не пишем код вручную — всю реализацию выполняют модели под вашим управлением. Разрабатывать можно без бэкграунда программиста.

Формат предельно практический: 4 законченных проекта за курс — от дашборда с живыми метриками до почтового агента, который готовит черновики ответов и раскладывает задачи по сервисам. Параллельно вы прокачаете свой стек AI-кодинга: от настройки контекста и подсказок до персональных инструкций и рабочих шаблонов, чтобы получать стабильный, предсказуемый результат.

Чему вы научитесь?

• Разрабатывать удобные интерфейсы с AI и подключать реальные источники данных.
• Оптимизировать работу AI-проекта: архитектура, контекст, хранение, метрики.
• Проектировать IT-системы на более глубоком уровне с участием AI.
• Настраивать агентов кодинга под свой стиль и задачи (собственные инструкции).
• Создавать более комплексные базы данных и поддерживать их в долгую.
• Использовать MCP для профессиональной работы и автоматизации действий.
• Делать AI, который общается как человек: голос, интерактивные вопросы, цели.
• Применять инструменты AI-кодинга (Codex и аналоги) для роста продуктивности.

Что вам потребуется?
Продвинутый курс опирается на бесплатные тарифы и квоты, но для части интеграций могут потребоваться оплачиваемые лимиты

На курсе вам понадобятся:

• Node.js и Visual Studio Code (предполагаем установлены; бесплатно)
• GitHub — репозиторий и интеграции (бесплатно)
• Vercel — деплой веб-интерфейсов (есть бесплатный план)
• Supabase — база данных и аутентификация (есть бесплатный план)
• Google AI Studio (Gemini API) — доступ к моделям (бесплатные квоты)
• Codex или аналоги для AI-кодинга — платно для комфортного создания больших проектов
• OpenRouter API — альтернативные LLM (возможны расходы)
• Deepgram — распознавание речи для голосовых агентов (есть триал, далее платно)
• Интеграции Google/YouTube (Sheets/Analytics/Data) и Figma (бесплатно/по квотам)
• MCP (Model Context Protocol) — подключение инструментов к агентам (бесплатно)

Программа курса:

• Занятие 1. Разработка удобных интерфейсов с AI
• Занятие 2. Оптимизация работы вашего проекта с AI
• Занятие 3. Углубленный подход к проектированию с AI
• Занятие 4. Настройка AI агентов кодинга под свой стиль работы
• Занятие 5. Углубленный подход к созданию баз данных
• Занятие 6. MCP для профессиональной работы
• Занятие 7. Создаем AI, который общается как человек
• Занятие 8. Инструменты AI кодинга для продуктивности

Спойлер: Программа подробно

Занятие 1. Разработка удобных интерфейсов с AI
Проект №1: Панель мониторинга ваших проектов с AI**
Цель: Создание удобных и красивых интерфейсов, используя AI инструменты. На занятии мы создадим наглядную панель мониторинга, которая будет отображать актуальные данные о просмотрах ваших роликах на YouTube, количество новых посетителей вашего сайта и данные о продажах из таблиц Google.
Темы:
Расширенные возможности GitHub
Обзор AI инструментов для создания интерфейсов
MCP для создания интерфейсов
Работа с Figma файлами в AI агентах кодинга
Проектирование панели мониторинга проектов
Получение данных из разных сервисов: YouTube, Google Docs, Google Analytics
Домашнее задание: Создайте панель мониторинга, которая будет отображать данные как минимум из двух источников. Опубликуйте панель на сервисе Vercel.
Технологии:
Visual Studio Code
Codex
Vercel
Cloudflare
Gemini API
OpenRouter API

Занятие 2. Оптимизация работы вашего проекта с AI
Цель: Научится находить пути оптимизации работы проекта с AI и имплементировать эти улучшения. Добавление LLM аналитики данных в вашу панель мониторинга.
Темы:
Как решать сложности при разработке с AI
Практика работы с CLI агентами кодинга
Анализ и оптимизация проекта с AI
Оптимизация базы даных для долгосрочного использования проекта
Имплементация LLM аналитики данных в вашей панели мониторинга
Генерация LLM рекомендаций к улучшению показателей
Домашнее задание: Добавьте в вашу панель мониторинга LLM анализ данных. LLM должны анализировать входящие данные и предлагать как можно улучить ваши показатели.
Технологии:
Visual Studio Code
Codex
Gemini CLI
Vercel
Cloudflare
Gemini API
OpenRouter API

Занятие 3. Углубленный подход к проектированию с AI
Проект №2: Интерактивный голосовой AI агент для общения с клиентами**
Цель: Создать AI агента, который имеет цель, например, получить всю первичную информацию о проблемах клиента. Исходя из этой цели и ответов клиента, агент формирует интерактивные вопросы на которые можно отвечать голосом.
Темы:
Техники углубленного проектирования с AI
Провдинутые техники prompt и context engineering
Запуск проектов на серверах
Технологии распознавания голоса
Проектирование интерактивного голосового AI агента
Оптимизация контекста и промптов голосового агента
Создание MVP голосового агента
Домашнее задание: Создайте базового голосового агента, который будет иметь цель для общения с клиентом и на основе цели и контекста клиента, будет задавать клиенту вопросы, на которые тот может ответить голосом.
Технологии:
Visual Studio Code
Codex
Deepgram
Render
Gemini API
OpenRouter API

Занятие 4. Настройка AI агентов кодинга под свой стиль работы
Цель: Создать собственные инструкции для AI агента кодинга, которые помогут получать более стабильный и предсказуемый результат. Добавление этапов интерактивности вашему голосовому агенту, когда в зависимости от ответа клиента агент будет задавать разные вопросы для достижения поставленной цели.
Темы:
Углубленный подход к созданию Agents.md файла
Создание правил авто-улучшения работы AI агента кодинга
Проектирование и логика этапов интерактивности
Имплементация этапов интерактивности в код
Оптимизирование стоимости AI для тестирования агента
Домашнее задание: Добавьте 2 этапа интерактивности к вашему голосовому агенту, которые он будет использовать для лучшего выполнения задачи.
Технологии:
Visual Studio Code
Codex
Deepgram
Render
Gemini API
OpenRouter API

Занятие 5. Углубленный подход к созданию баз данных
Проект №3: Проактивный AI-агент мониторинга**
Цель: Создать AI агента, который мониторит информацию о конкретной теме: новости, статьи, видео, обновления ключевых участников рынка. На основе этой информации он сам решает, как эта информация может помочь вам и проактивно создает контент и рекомендации к действиям.
Темы:
Типы баз данных и когда их лучше использовать
Техники безопасной работы с базами данных через AI инструменты
Проектирование и создание проактивного AI-агента мониторинга
Оптимизации расходов на мониторинг
Создание MVP версии агента
Домашнее задание: Создайте базового AI агента для мониторинга, который умеет собирать нужную информацию в правильно созданную базу данных.
Технологии:
Visual Studio Code
Codex
Cloudflare
Supabase
Gemini API
OpenRouter API

Занятие 6. MCP для профессиональной работы
Цель: Добавить AI агенту мониторинга доступ к MCP, чтобы он мог выполнять действия на основе полученных данных.
Темы:
MCP для профессиональной работы с кодом
MCP как инструмент для AI агентов
Особенности кодинга с AI в области MCP
Имплементация доступа к MCP вашему агенту мониторинга.
Домашнее задание: Дайте доступ вашему агенту мониторинга доступ к как минимум двум MCP серверам и научите его их правильно использовать на основе поступающих данных.
Технологии:
Visual Studio Code
Codex
Cloudflare
Supabase
Gemini API
OpenRouter API

Занятие 7. Создаем AI, который общается как человек
Проект №4: AI агент для обработки входящих писем**
Цель: Создать агента, который обрабатывает все входящие письма, пишет черновики ответов и создает задачи в других сервисах.
Темы:
Технические особенности анализа почты
Как сделать так, чтобы LLM писал похоже на человека
Выбор оптимального технологического стека для задачи
Проектирование агента для обработки почты
Создание и тестирование базового агента
Добавление дополнительных возможностей агенту
Домашнее задание: Создайте AI агента для обработки входящих писем и научите его писать черновики писем в человеческом стиле. Свяжите его с хотя бы одним дополнительным сервисом для выполнения действий на основе входящих писем.
Технологии:
Visual Studio Code
Codex
Cloudflare
Gemini API
OpenRouter API

Занятие 8. Инструменты AI кодинга для продуктивности
Цель: Научиться использовать Codex и другие инструменты AI кодинга для увеличения личной продуктивности.
Темы:
AI агенты кодинга больше, чем инструменты для создания кода
Написание Agents.md и правил для задач не связанных с кодингом
Создание Python скриптов для решения ежедневных задач
Конвертирование PDF в качественные текстовые файлы
Создание транскрипций и субтитров для локальных видео файлов
Перевод больших объемов текста на иносранные языки
Технологии:
Visual Studio Code
Codex
OCR
Deepgram

Александр Свет — практик и энтузиаст AI-разработки. За последние три года он изучил ключевые направления этой новой сферы: от курса AI Agents от Hugging Face до Complex AI Agents и Fine Tuning LLM.

С 3 декабря по 4 февраля
Стоимость: 19920 руб.
Скрытая ссылка