Скачать Воркшоп по AI-разработке. Часть 2 - Щуцкий (2026)

[bart]

Воркшоп по AI-разработке. Часть 2​

Автор: Данил Щуцкий

Если вы уже работали с LLM в разработке и столкнулись с тем, что ручное управление агентом отнимает больше времени, чем сама задача — этот воркшоп закрывает именно эту проблему. Данил Щуцкий переводит разработку с AI из режима «постоянного надзора» в режим инженерной системы, где агент действует по заданному контуру и возвращает предсказуемый результат.

Вторая часть воркшопа — не повторение основ, а переход на следующий уровень зрелости AI-процессов. Здесь вы строите полноценную архитектуру: роли, субагенты, MCP-сервер, quality gates и единый workflow. Это практика, а не теория — каждый блок подкреплён реальным стеком (Go, Postgres, HTTP API, frontend) и работающим пайплайном.

Подойдёт тем, кто уже прошёл первую часть или имеет опыт работы с LLM-инструментами и хочет выйти за пределы промпт-инжиниринга в сторону архитектуры управляемой AI-разработки.

Когда задачи усложняются, ручное управление AI начинает отнимать слишком много времени. Приходится заниматься рутинным менеджментом:

• каждую новую сессию заново вводить модель в контекст
• следить, чтобы процесс не ломался
• напоминать, что уже было сделано
• проверять каждый шаг

По сути, разработчик превращается в нянькую для агента, а не в архитектора процесса. Проблема не в качестве генерируемого кода — проблема в отсутствии системы, которая удерживает AI в рамках предсказуемого процесса.

Воркшоп #2 — это переход от ручного процесса к инженерной системе. Речь не о «секретных промптах», а о создании полноценного рабочего контура:

• MCP
• workflow
• роли и субагенты
• quality gates

Вы научитесь масштабировать разработку: AI будет выполнять задачи по вашему workflow с предсказуемым результатом, используя артефакты как источник истины.

Часть 1: Архитектура AI-процесса

• проектирование workflow и разделение ролей
• создание субагентов для планирования, реализации и проверки
• использование артефактов как единой базы знаний
• организация quality gates и контроль качества
• разработка backend на Go + Postgres + HTTP API
• создание собственного MCP-сервера поверх backend

Часть 2: Интеграции и сборка полной системы

• AI Workspace как единая точка управления проектами
• проверка MCP через MCP Unit
• создание frontend поверх готовых контрактов
• сборка всего пайплайна с помощью AI Factory

После воркшопа у вас будет собственная система AI-разработки с ролями, субагентами, MCP, интерфейсом и полным управляемым workflow.

Для кого подойдёт:

• Разработчикам, прошедшим первую часть воркшопа и готовым выйти на уровень системной архитектуры
• Инженерам, которые уже используют LLM в работе и хотят убрать рутинный менеджмент агентов
• Тем, кто строит или планирует строить AI-продукты и нуждается в предсказуемом, масштабируемом процессе
• Backend-разработчикам, интересующимся интеграцией AI в реальный стек (Go, Postgres, API)
• Тимлидам и архитекторам, ищущим способ внедрить управляемые AI-процессы в команду

Что получите:

• Готовую архитектуру AI-разработки с ролями, субагентами и quality gates
• Собственный MCP-сервер, интегрированный с backend на Go + Postgres
• Рабочий пайплайн от backend-контрактов до frontend через AI Factory
• Понимание того, как строить workflow, в котором AI работает предсказуемо и без постоянного надзора
• Практический опыт сборки полной AI-системы с нуля до работающего интерфейса

Продажник:

Для просмотра вы должны войти или зарегистрироваться.

Скачать: