Интенсивный курс: 20 часов (10 занятий по 2 часа)
Эта программа создана для тех, кто хочет перестать просто «чатиться» с ИИ и начать использовать его как полноценную команду инженеров. Мы учим Vibe-coding — методологии, где вы выступаете в роли архитектора и дирижера, а всю техническую работу выполняют автономные ИИ-агенты.
В процессе обучения мы развернем и настроим «кокпит» управления разработкой:
- Оркестраторы: Antigravity, Claude Code (CLI).
- Среда: VS Code + Windsurf / Cursor.
- Оптимизация: MCP (Model Context Protocol).
- Инфраструктура: RunPod, Vast.ai (аренда GPU), Docker.
- Интерфейсы: Bolt.new, Lovable.
Сейчас идет набор в группу обучения с живыми менторами. Чтобы принять участие:
- Заполните анкету: Форма заявки
- Вступите в группу Telegram: AI School RU
- Напишите в чат: После заполнения анкеты представьтесь в группе и напишите, что форма заполнена.
- Теория (30 мин): Что такое Vibe-coding? Логика важнее синтаксиса. Обзор инструментов.
- Практика (90 мин):
- Установка Antigravity.
- Git Baseline: Инициализация первого репозитория. Почему «точки сохранения» (коммиты) — ваша страховка.
- Создание первой папки проекта.
- Команда: «Сделай мне простую страницу-резюме с переключателем темы».
- Результат: Работающая локальная страница, настроенная среда и первый коммит.
- Теория (30 мин): Описание структуры vs «сделай красиво». Выбор «формы»: SPA, многостраничный сайт или Chrome Extension?
- Практика (90 мин):
- Работа в Bolt.new или Lovable.
- Создание визуального прототипа.
- Экспорт кода в рабочую среду.
- Результат: Готовый визуальный прототип и чёткое техническое направление.
- Теория: Применение знаний о токенах для оптимизации. MCP (Google, БД) и Скиллы агентов (экспертные роли). Проектирование «Схем данных» (JSON/TypeScript интерфейсы) для ИИ.
- Практика: Использование компактного контекста. Настройка
.claudignoreи.envдля безопасности. Подключение внешних инструментов через MCP. Установка реальных скиллов (например, telegram-bot-builder). - Итог: Снижение затрат в 5–10 раз, защищённая среда и агент с экспертными возможностями.
- Теория (30 мин): Возможности CLI-агентов. Управление зависимостями.
- Практика (90 мин):
- Задача: «Собери основную логику».
- Рефакторинг: Команды на очистку и оптимизацию. «Диалог с кодом»: как исправлять детали, не ломая структуру.
- Результат: Проект обрастает функционалом и чистым, структурированным кодом.
- Теория: Архитектура трансформеров, токены и Attention. Контекстное окно, экономика токенов, кэширование (70–90% экономии). Три уровня ИИ: LLM, Reasoning-модели, Агенты. Context Engineering: почему контекст важнее промптов. Три источника знаний: in-context learning, RAG, fine-tuning.
- Практика: Безопасность ИИ: prompt injection, jailbreaking, утечка данных. OWASP Top 10 для LLM. Обзор API vs self-hosted моделей.
- Итог: Ясная ментальная карта ландшафта ИИ, стратегии оптимизации затрат и осознанное отношение к безопасности.
- Теория: Агентная инженерия. Роли: «Архитектор», «Разработчик», «Тестировщик». От одного агента к многоагентным системам.
- Практика: Запуск Antigravity для координации нескольких ИИ. Автоматизация поиска багов и проверок безопасности.
- Итог: Работающая «мини-студия» из ИИ-агентов на вашем компьютере.
- Теория: Когда API становится дорогим. Обзор RunPod и Vast.ai. Переход от оплаты за токены к почасовой аренде GPU.
- Практика: Аренда GPU-сервера за $0.30/час. Развертывание DeepSeek-V3 или Llama-3. Обучение агентов использовать собственный сервер как «Мозг».
- Итог: Личный безлимитный ИИ-кодер на удалённом сервере.
- Теория: Инфраструктура как код: управление серверами через естественный язык и SSH. Контейнеризация с Docker (образы, контейнеры, волюмы).
- Практика: Команда агенту: «Зайди на сервер, установи Docker и настрой GitHub Actions для автодеплоя». Мониторинг и самодиагностика приложений.
- Итог: Проект опубликован в интернете и обновляется сам при пуше кода.
- Теория: Структура проекта: монолит, микросервисы, монорепо. Среды развёртывания: dev, staging, production. Тестирование: unit, integration, E2E.
- Практика: Мониторинг и наблюдаемость: логи, метрики, алерты. Процесс релиза: от PR до production.
- Итог: Понимание архитектуры продакшен-уровня и полного цикла релиза.
- Финальная сборка: объединение UI, логики и инфраструктуры. Внедрение аналитики (PostHog) и отслеживание ошибок (Sentry).
- Взаимное тестирование: Тестирование проектов друг друга и сбор обратной связи. Быстрые исправления с помощью ИИ-агентов.
- Питч: 3-минутная презентация проекта. Защита: Ответы на технические вопросы об архитектуре и роли ИИ.
- Итог: Выпускной с работающим приложением, цифровым сертификатом и навыками для создания любого IT-проекта в будущем.
Условие окончания школы — полностью рабочий продукт, созданный самостоятельно при помощи ИИ-агентов.
Важно: Ментор сопровождает вас до момента успешной сдачи. Если проект не работает — ментор проводит дополнительные консультации до победного финала.
- 0% скучной теории: Мы не учим синтаксис Python или JavaScript.
- 100% контроля: Вы учитесь управлять инструментами, которые пишут код за вас.
- Эффективность: Вы узнаете, как тратить копейки на токены там, где другие тратят тысячи.
- Обучение по календарю и в группе: На вас ложится дополнительная ответсвенность, которая не даст вам прокрастинировать.
- Реальный результат: Обучение не закончится, пока вы не создадите реальный продукт, который сможете продать или использовать сами.
Создано для тех, кто хочет строить будущее, а не просто наблюдать за ним.