Улучшаемые навыки
Промптинг
RAG
Нейросети
Асинхронное программирование
FastAPI
Django
Pydantic
Pandas
Архитектура ПО
Автономные агенты
MCP
Безопасность приложений
Рефакторинг
Генерация тестов
Бойлерплейт
Chain-of-Thought
Инструменты
Чему вы научитесь
01
Составлять сложные промпты, используя техники Few-shot, Chain-of-Thought и ReAct для решения прикладных задач.
02
Генерировать готовый код бэкенда: от бойлерплейта FastAPI / Django до Pydantic-моделей на основе JSON-схем.
03
Проектировать RAG-системы (от простого поиска до GraphRAG) для работы с документацией и legacy-кодом.
04
Строить автономных агентов на базе протокола MCP (Model Context Protocol) с разделением на субагентов и навыки.
05
Обезвреживать уязвимости: защищать код от промпт-инъекций (prompt injection) и предотвращать утечку секретов компании в публичные большие языковые модели (LLM).
06
Использовать ИИ для анализа данных (Pandas / Polars) и для написания асинхронного кода, избегая ошибок, связанных с циклом событий.
07
Автоматизировать тестирование: генерировать unit-тесты, интеграционные тесты и тест-кейсы с помощью ИИ.
Программа курса
Как работают большие языковые модели (LLM): токены, контекстное окно, температура.
Системные и пользовательские промпты.
Техники: Few-shot, Chain-of-Thought, ReAct.
Борьба с галлюцинациями и проверка фактов.
02
Инструментарий разработчика
IDE и расширения: Cursor, Windsurf, Continue, Cline, Kilo Code.
CLI и терминал: использование ИИ в консоли (Claude Code, Gemini CLI, OpenCode).
Spec-driven development: сначала пишем спецификацию (Markdown/OpenAPI), затем генерируем код.
03
Архитектура и Retrieval Augmented Generation (RAG)
Что такое Retrieval Augmented Generation (RAG) простыми словами.
Виды Retrieval Augmented Generation (RAG): от простого поиска по документации до GraphRAG.
Использование ИИ для рефакторинга и объяснения legacy-кода.
Автономные агенты и их режимы: Plan-Code-Ask-Debug.
Протокол MCP (Model Context Protocol).
Навыки (Skills).
Субагенты.
Тестирование: генерация unit-тестов, интеграционных тестов и тест-кейсов.
Prompt Injection в коде и приложениях.
Утечка данных: как не отправить секреты компании в OpenAI.
Лицензионная чистота сгенерированного кода.
06
Python (бэкенд / data)
Генерация FastAPI / Django бойлерплейта.
Pydantic-модели из JSON-схем.
Использование ИИ для анализа данных в Pandas / Polars.
Написание асинхронного кода без ошибок, связанных с циклом событий.
Вайб-кодинг (vibe coding).
07
Итого на курс 16 ак. ч.: теория — 9 ак. ч. (56%), практика — 7 ак. ч. (44%)
Для кого
Разработчик
Предварительная подготовка
Уверенное знание синтаксиса Python (функции, классы, декораторы). Опыт работы с любым веб-фреймворком (Django / Flask / FastAPI) или библиотеками для анализа данных (Pandas) будет преимуществом. Базовое понимание работы API.
Python
Django
FastAPI
