О чём курс
Освойте генеративный ИИ, оптимизируйте процессы и ускорьте развертывание с помощью популярных AI-инструментов.
Научитесь использовать современные инструменты для автоматизации, генерации кода и управления проектами.
В ходе курса вы сможете создавать промпты для генерации кода, управлять большими проектами и внедрять ИИ в рабочий процесс разработки.
Предварительная подготовка
Разработчики (начальный и средний уровень).
Базовое понимание Git, архитектуры и процессов разработки.
Опыт написания кода на любом языке.
Для кого
Разработчик
Специалист по кибербезопасности
Улучшаемые навыки
Искусственный интеллект
Генеративный ИИ
Автоматизация DevOps
CI/CD
Нейросети
ChatGPT
Инфраструктура как код, мониторин
Системная интеграция
Программа курса
01
Введение в ИИ для разработчиков
Что такое LLM и как они помогают разработчику
Обзор: OpenAI Codex, GitHub Copilot, Cursor, Trae, Windsurf
Этические аспекты и ограничения
Галлюцинации в коде: как распознавать и проверять
Практика:
Знакомство с интерфейсами
Первые промпты для генерации функций
Сравнение ответов разных инструментов
Анализ точности и полезности
02
Инструменты: OpenAI Codex, Cursor, Trae, Windsurf
Особенности каждого инструмента:
OpenAI Codex — мощь генерации
Cursor — IDE-подобный подход к взаимодействию с GPT
Trae — работа с контекстом и Git
Windsurf — визуальное управление кодом
Как выбрать подходящий под задачи команды
Практика:
Генерация простых скриптов и функций
Работа с Git через ИИ
Улучшение существующего кода
Автоматизация повторяющихся задач
03
Промптинг для генерации кода и утилит
Базовые техники промпт-инжиниринга
Few-shot, Chain-of-Thought, Role prompting
Как задавать конкретные задачи
Примеры успешных промптов
Практика:
Генерация утилит по описанию
Создание CLI-инструментов
Написание REST API из промпта
Оценка и доработка сгенерированного кода
04
Работа с большими проектами и зависимостями
Как масштабировать проекты с помощью ИИ
Управление модулями, зависимостями, версиями
Поддержка актуальной документации
Работа с несколькими файлами и контекстом
Практика:
Генерация архитектурных решений
Рефакторинг больших частей кода
Проверка совместимости между модулями
Поддержка README и CONTEXT-документов
05
Планирование задач через ИИ
Как создавать Implementation Plan
Учет тестирования, зависимостей, покрытия
Интеграция с GitHub и Jira
Проверка логики решения до написания кода
Практика:
Генерация плана реализации
Проверка на логические ошибки
Переписывание и уточнение плана
Использование плана как основы для Pull Request
06
Управление артефактами и документацией
Архитектурная документация (README, AGENTS, CONTEXT)
Как поддерживать её в актуальном состоянии
Документирование изменений вместе с кодом
Интеграция с CI/CD
Практика:
Автоматическое обновление README
Генерация CONTEXT-файлов
Проверка соответствия документации коду
Обновление артефактов при каждом коммите
07
Интеграция в процесс разработки
Как внедрить ИИ в daily routine
Проверка и одобрение кода от ИИ
Ответственность за результат
Работа с несколькими LLM-агентами
Практика:
Разработка фичи через "задача → план → выполнение"
Отправка результата в Git
Проверка и рецензирование
Обсуждение: как сделать процесс предсказуемым
08
Финальная практика и закрытие курса
Лучшие практики использования ИИ в разработке
Критическое мышление при работе с ИИ
Возможности и ограничения современных инструментов
Практика:
Финальное задание:
Получить задачу
Составить Implementation Plan
Сгенерировать код
Проверить и отправить в Git
Обсуждение решений, обмен опытом
Демонстрация полученных результатов
09
Итого на курс 16 часа: теория – 7,5ч (47%), практика – 8,5 ч (53%)
Чему вы научитесь
01
Внедрять ИИ-инструменты в ежедневную работу разработчика
02
Генерировать код с помощью промптов и управлять большими проектами
03
Создавать и поддерживать актуальную документацию
04
Планировать задачи и интегрировать ИИ в CI/CD-процессы