Скачать AI-first разработка на python [Алексей Жиряков]

[Silen]

Складчина: AI-first разработка на python [Алексей Жиряков]



Соберете и настроите свою профессиональную среду для разработки с агентами: от написания кода до ревью, автотестов и проверки безопасности.

Кому подойдёт воркшоп:

Разработчикам
Тем, кто пишет на Python и хочет, чтобы рутину закрывал агент, а они занимались архитектурой и сложными задачами
Инженерам данных и ML-инженерам
Тем, кому нужен production-grade код, а не ноутбуки, и кто устал спорить с бэкендерами про качество
DevOps или платформенным инженерам
Тем, кто выстраивает стандарты разработки в командах и хочет зашить их прямо в агента
Тимлидам и техлидам
Тем, кому важно не просто «внедрить ИИ», а показать руководству вклад агентов в цифрах по коммитам
Заберёте с собой после воркшопа:

Агентная среда под ключ
Настроенный AI-агент с выверенной схемой «модель под задачу» через OpenRouter. Переносится в любой проект
Правила, навыки и чеклисты
Готовые промпты под ревью, автотесты, безопасность и политики работы с секретами
Шаблон AI-first проекта
Python / Litestar / PostgreSQL / Alembic. Готов к продакшену с первого дня
Инструменты контроля качества
Способы определить, где агент справляется сам, а где его нужно направлять
Формат:

Онлайн
4 часа
Живой формат с экспертом, запись доступна в LMS
Результат:

Рабочая агентная среда на живом проекте, которую переносишь в свой репозиторий сразу после воркшопа.
Не демонстрация возможностей AI, а собранная среда, в которой агент ежедневно закрывает инженерные задачи
Что добавите в резюме и примените на работе уже завтра:

Безопасность AI-разработки: секреты, утечки, зависимости
Автоматический контроль качества: pre-commit, линтеры
AI-first разработка на Litestar + PostgreSQL + Alembic
Построение агентной среды с правилами и стандартами команды
Unit- и integration-тесты через агента с контролем покрытия
Code Review силами AI-агента по чеклисту архитектуры
Оценка вклада AI-инструментов через метрики по коммитам
Выбор LLM под задачу по метрикам цена/качество
Настройка AI-агентов в VS Code через OpenRouter
Программа:

Окружение для разработки
Backend-проект на Litestar и PostgreSQL
Безопасность разработки
OpenRouter: один ключ — десятки моделей
Сравнение моделей на реальной задаче
Что происходит без правил
Правила и навыки: агент как инженер команды
Автоматические проверки качества
Тесты и покрытие кода
Типовые задачи руками агента
Code Review силами агента
Измерение вклада агента в работу


Спойлер: Полная программа
1. Окружение для разработки

Настраиваем всё, что нужно для работы: VS Code, Python, uv, Docker, git, линтеры и проверку типов.
К следующему шагу приходим с готовым окружением
2. Backend-проект на Litestar и PostgreSQL

Поднимаем приложение с правильной архитектурой и базой в Docker, ставим и настраиваем Alembic — систему миграций, которая держит схему БД под контролем.
Забираешь готовый шаблон под масштабирование
3. Безопасность разработки

Хранение API-ключей, защита от утечек в git, проверка зависимостей на уязвимости и контроль безопасных паттернов в коде, который пишет агент
4. OpenRouter: один ключ — десятки моделей

Подключаем AI-агента в VS Code к OpenRouter и получаем доступ ко всем топовым моделям — GPT, Claude, DeepSeek, Qwen и другим — через один ключ
5. Сравнение моделей на реальной задаче

Прогоняем одну задачу через разные модели и анализируем: какая аккуратнее пишет код, какая лучше в тестах, у какой лучшее соотношение цена/качество
6. Что происходит без правил

На одной модели показываем, как работает агент без правил: он тянется к фреймворкам и паттернам, на которых больше всего обучен, — а это почти никогда не совпадает со стандартами твоей команды
7. Правила и навыки: агент как инженер команды

Собираем правила проекта, регламенты по коду и архитектуре, набор навыков под типовые задачи — и агент начинает работать по стандартам команды, а не по собственным догадкам
8. Автоматические проверки качества

Настраиваем линтеры и форматирование так, чтобы они срабатывали на каждом коммите агента: грязный код физически не проходит в репозиторий
9. Тесты и покрытие кода

Учим агента писать unit- и integration-тесты по алгоритму и измеряем покрытие — это страховка от того, что завтра агент сломает работающий код
10. Типовые задачи руками агента

На живом проекте проходим полный цикл: новая фича, исправление бага, срочный хотфикс, оформление merge request
11. Code Review силами агента

Запускаем отдельного агента на проверку кода по чеклисту архитектуры, типизации и читаемости — получаем отчёт с конкретными замечаниями
12. Измерение вклада агента в работу

Запускаем скрипт, который по истории коммитов показывает цифрой, какая часть кода написана агентом, а какая — разработчиком


Спикер Алексей Жиряков

Исполнительный директор, Сбер
ex-Stream CTO, МТС Web Services (KION)
Лидер Python-гильдии, TechMaster MWS
Цена 12000 руб.




СКАЧАТЬ СЛИВ КУРСА

Для просмотра скрытого содержимого вы должны зарегистрироваться