academy@academyit.ru
AI-CODING
Искусственный интеллект, машинное обучение, нейросети
12 ак. часов
Использование инструментов ИИ в разработке
-
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
О КУРСЕ-
Курс для разработчиков, которые уже пользуются AI-ассистентами или только начинают. Участники разберут, как эффективно работать с ИИ в редакторе кода: от автодополнения до агентного режима, когда ИИ самостоятельно выполняет задачи.
-
На практике отработают генерацию кода, код-ревью с помощью ИИ, рефакторинг. Важная часть курса - командные практики: как договориться о правилах использования ИИ в команде, что можно передавать модели, а что нет, и как измерять реальное влияние ИИ на скорость и качество разработки.
-
ИТ-архитекторы
Действующие разработчики
Инженеры
Модуль 1. Продуктивная работа с AI-ассистентом
• Модели взаимодействия: автодополнение, чат, инлайн, агентный режим
• Контекст как рычаг качества: структура проекта, файлы, комментарии
• Промптинг для разработчика: декомпозиция задачи, few-shot, ограничения
• Антипаттерны: бездумный accept, потеря понимания кода
Модуль 2. Код-ревью, рефакторинг, legacy
• AI-ревью: баги, стиль, уязвимости, паттерны проекта
• Рефакторинг: декомпозиция, миграция между паттернами
• Legacy: объяснение чужого кода, генерация документации, зависимости
Модуль 3. Генерация кода для типовых задач
• Boilerplate: генерация шаблонного и повторяющегося кода
• Генерация кода по описанию задачи
• Генерация тестов параллельно с кодом
• Уязвимости в сгенерированном коде, инъекции, проверка лицензий, правила передачи кода в LLM
Модуль 4. AI-агенты в разработке
• Агентный режим в IDE: от подсказчика к исполнителю
• Паттерны
• Мультиагентные сценарии: кодер + ревьюер + тестировщик
• Границы автономии, human-in-the-loop
Модуль 5. Командные практики
• Командные соглашения: что генерируем, что ревьюим, что запрещено
• Метрики влияния ИИ на скорость и качество
• Общие промпт-библиотеки и шаблоны
• Политика допустимого использования, разграничение локальных/облачных моделей, аудит перед мержем
-
Практика:
- Работа идет в IDE с подключенным ИИ-ассистентом.
- Участники решают типовые задачи разработчика: генерируют код по описанию, пишут тесты параллельно с основным кодом, проводят проверку кода "руками" ИИ.
- Участники также работают с чужим унаследованным кодом: берут незнакомый модуль, просят ИИ объяснить логику, построить карту зависимостей и подготовить документацию.
- Практикуют запуск связки «разработчик + ревьюер + тестировщик», где ИИ самостоятельно выполняет задачу, а участник контролирует результат.
-
Необходимая подготовка:
- Практический опыт написания кода на любом языке программирования
- Опыт работы в IDE
-
По окончании курса слушатели:
Знают:
• Возможности и ограничения ИИ в разработкие
• Типы ИИ-инструментов и модели их применения
• Риски использования ИИ в разработке: галлюцинации, утечки данных, деградация навыков, лицензионные ограничения
• Принципы безопасной работы с LLM в корпоративном контуре
Умеют:
• Формулировать задачи для ИИ так, чтобы получать воспроизводимый и качественный результат
• Генерировать и проверять с помощью ИИ требования, документацию, код
• Выстраивать цепочки ИИ-агентов для автоматизации рутинных задач своей роли
• Оценивать качество артефактов и выявлять ошибок
• Измерять влияние ИИ на скорость и качество работы команды
