Программа

Полная карта курса — модули и юниты по порядку, плюс материалы и инструменты.

00Kickstart

42 мин · 5 юнитов

Карта местности для тех, кто впервые в AI-coding

Цели

Объяснить, как в vibe coding распределяются роли: что решаешь и проверяешь ты, а что делает AI-агент
Отнести AI-инструмент к одному из четырёх квадрантов по тому, что он делает, и объяснить, почему Claude Code — это AI dev platform
Отличить цикл vibe coding от старого цикла разработки
Отличить первоисточник от упаковки по трём признакам (лицензия, дата последней правки, автор и участие) и объяснить, на какой вопрос эта проверка отвечает и что значит суверенность в учёбе
Объяснить простыми словами токен, контекстное окно, температуру, разницу моделей, промпт и контекст, агента — и где LLM в матрёшке AI ⊃ ML ⊃ deep learning

01Знакомство

30 мин · 4 юнитов

Software 3.0 и почему это меняет всё

Цели

Отличить Software 1.0, 2.0 и 3.0 по тому, как в каждой эпохе задаётся поведение машины
Объяснить, почему работа с агентом — со-мышление, а не «AI делает вместо меня», и что остаётся за человеком
Переписать команду в делегирование и спецификацию: добавить контекст, «зачем» и «чего не делать»
Решить, какую часть задачи отдать агенту, а какую оставить себе
Выбрать, с какого AI-клона начинать, и назвать шаги цикла его построения

02Базовый сетап

45 мин · 3 юнитов

Настройка рабочей среды для агентного кодирования

Цели

Проверить базовое окружение (Node.js, Git, терминал) и по сообщению об ошибке определить, какой инструмент нужно доустановить
Установить Claude Code, убедиться, что он запускается, и довести до рабочего состояния настройки терминала
Объяснить, какую роль AGENTS.md играет для агента в папке проекта и зачем в CLAUDE.md строка @AGENTS.md
Написать AGENTS.md, которому агент будет следовать: коротко, конкретно, с разделением «что делегирую / что решаю сам»

03Выбор стека

60 мин · 5 юнитов

Какой agentic-стек подходит твоей ситуации: Claude Code, Sovereign, Cloud-OSS или Behind-Firewall

Цели

Разложить agentic-стек на три слоя (агент/UI, маршрутизация/шлюз, провайдер моделей) и объяснить, что каждый слой меняется независимо
Выбрать один из четырёх стеков по своим ограничениям (бюджет, доступ, железо, приватность, время на настройку) и назвать trade-offs этого выбора
Объяснить, что даёт шлюз LiteLLM и как работает цепочка fallback вплоть до локального «пола»
Отличить схему boss-worker (Hermes) от одного агента, который делает всё сам, и определить, когда она оправдана
Составить поэтапный план миграции, в котором старый стек остаётся запасным, пока новый не проверен на реальной задаче

04Промпт-инжиниринг

45 мин · 5 юнитов

Как писать промпты как профессионал

Цели

Объяснить, почему промпт без контекста даёт случайный результат: модель достраивает недостающее типичными значениями
Собрать промпт из частей «роль, задача, входные данные, ожидаемый результат, ограничения» и отнести фрагмент промпта к нужной части
Подобрать к проблеме ответа фразу, которая её решает, и отличить её от приёмов, которые не работают (вежливость, давление, повтор без изменений)
Распознать грех промптинга (протухание контекста, потерянная середина, дистракторы, смешение контекста и промпта, агрессивный тон) и выбрать поправку
Выбрать способ для повторяющейся задачи (мета-промпт, шаблон переиспользуемого агента) и объяснить, почему автоматизация идёт только после того, как задачу умеешь написать и проверить

05Контекст и память

35 мин · 4 юнитов

Как агенты удерживают информацию и как этим управлять

Цели

Объяснить, что агент в каждый момент знает только то, что у него «в поле зрения», и распознать три проблемы контекста: потерянную середину, протухание, дистракторы
Отделить контекст (стабильный фон) от промпта (инструкция на этот промпт) и явно разделить их заголовками или XML-тегами
Выбрать, где хранить информацию: AGENTS.md проекта (Claude Code подключает его строкой @AGENTS.md в CLAUDE.md), личный ~/.claude/CLAUDE.md, TODO.md, STATE.md, и отличить их от MEMORY.md, который пишет сам Claude
Объяснить, почему файл памяти должен быть коротким, и сократить разросшийся AGENTS.md
Применить техники длинной сессии: резюме-сжатие перед новой сессией и параллельные агенты для независимых подзадач

06Pipeline автоматизации

60 мин · 5 юнитов

Строим первый практический workflow

Цели

Разложить повторяющийся информационный поток на trigger, action и condition (что запускает, что происходит, когда не запускать)
Различить ручной, schedule- и event-driven pipeline и выбрать тип под задачу
Выстроить путь от ручного к автоматическому: сначала прогнать ручной pipeline как черновик и найти слабое место, затем добавлять условия, расписание и уведомления
Оценить по карте автоматизации, какую задачу можно делегировать pipeline, а какая требует человека

07Инструменты расширения

100 мин · 6 юнитов

MCP-серверы, Skills, Hooks и Superpowers

Цели

Различить MCP-сервер, Hook и Skill по назначению и выбрать механизм под задачу
Объяснить, что MCP даёт агенту, подключить сервер через конфиг и при сбое сначала проверить JSON-синтаксис и токены
Выбрать событие hook под задачу (до или после действия, по завершении) и проверять hook перед добавлением, потому что он запускает любую команду
Превратить повторяющийся промпт в Skill и решить, хранить его как личный или как проектный
Собрать минимального клона из AGENTS.md, MCP, Skill и Hook, назначив каждому элементу его роль и оставив за собой рамку, цель и проверку

08Агентский инжиниринг

110 мин · 6 юнитов

От vibe coding к оркестрации систем агентов — где промпт перестаёт работать

Цели

Распознать по симптомам, что задача переросла один промпт, и назвать, что для этого симптома нужно вместо промпта
Разложить задачу на шаги и выбрать для каждого исполнителя: AI, AI с инструментом, детерминированный код/API или человек
Объяснить, какие решения в архитектуре pipeline защищают его от сбоя: маленькие шаги, идемпотентность, разделение trigger и action
Проверить агента по шести блокам production-готовности, отнести проблему к нужному блоку и назвать три настройки Agent SDK, которые держат агента в границах: инструменты, права, лимит ходов
Составить спецификацию агента до кода: честно пометить пробелы и отличить спеку от устава

09AI-тетрадка

38 мин · 5 юнитов

Source-grounded учение: тетрадка, которая отвечает только по твоим источникам — и как проверять, где она врёт

Цели

Отличить ответ source-grounded тетрадки от ответа обычного чата и гибрида и объяснить, почему цитата делает ответ проверяемым
Предсказать, чего тетрадка в источнике не увидит: показанное, но не сказанное, и пустой источник
Проверить ответ тетрадки по чек-листу досмотра и выбрать действие на тревожный сигнал
Выбрать формат вывода под сценарий потребления и отказаться от формата без сценария
Собрать тетрадку под свою задачу: модуль-вопрос, отбор источников, первый вопрос на расхождение, глубина досмотра по важности ответа

Продвинутый модуль после агентной практики: как устроены и учатся LLM, почему данные — основная работа, когда дообучать, а когда хватит промпта и контекста, — и своё дообучение малой модели на бесплатном GPU

Цели

Объяснить, как из токенов, эмбеддингов, attention и претрейна на предсказании следующего токена получается LLM — и почему то же устройство даёт уверенные ошибки
Разложить свою задачу по циклу машинного обучения и выбрать класс алгоритма по тому, что нужно получить, — включая вывод «LLM здесь не нужна»
Решить, нужно ли дообучение или задачу закрывают промпт, контекст/RAG и агенты; выбрать между полным дообучением и LoRA и подобрать малую модель
Спланировать честную оценку: отложить holdout до обучения, распознать переобучение и забывание, отличить бенчмарк от проверки на своей задаче
Провести дообучение малой модели на бесплатном GPU или своём железе и зафиксировать сравнение «до / после / промпт без дообучения» по заранее заданным критериям

11Второй мозг

50 мин · 5 юнитов

Второй мозг, который остаётся у тебя: память в твоих файлах, канал связи с агентом, Skills, которые переходят от агента к агенту, и правила безопасности для всего, что приходит снаружи

Цели

Объяснить, из чего состоит второй мозг, который остаётся у тебя (память в файлах, агент, канал), и спрашивать свой архив так, чтобы у каждого утверждения ответа был адрес файла
Описать путь сообщения из мессенджера до агента и обратно, подключить канал по официальной документации и оставить в списке разрешённых отправителей только себя
Объяснить, что на самом деле передаётся, когда «один агент учит другого», — файлы Skillов и шаблоны, а не веса модели, — и перенести Skill через папку или репозиторий
Распознать недоверенный вход — сообщения, письма, чужие Skills — и применить правила: чтение Skill до установки, неисполнение просьб из входящих, ключи вне сообщений, отдельный токен, минимальные права
Собрать минимальный второй мозг — память, один канал, один переданный Skill — и подтвердить его тремя проверками с отчётом в my-experiments

Программа

00Kickstart

01Знакомство

02Базовый сетап

03Выбор стека

04Промпт-инжиниринг

05Контекст и память

06Pipeline автоматизации

07Инструменты расширения

08Агентский инжиниринг

09AI-тетрадка

10Обучение моделейadvanced

11Второй мозг

Материалы курса

Шаблоны

Из курса

Дальше и глубже

Фундамент: модели и данные

Процесс для проектов побольше

Обвязка агента (harness)

Agent SDK: от CLI к своему агенту

Второй мозг: первоисточники

Инструменты стека