AI-driven fullstack разработка

AI-driven fullstack-разработка

Курс для разработчиков и IT-специалистов

Освойте AI-driven разработку полного цикла (Full Cycle Development) и научиться самостоятельно создавать fullstack приложения от идеи до production с использованием ИИ-агентов

2 месяца (12 занятий)

онлайн, 2 раза в неделю по 1,5 часа

20% теории, 80% практики

задания по темам, работа над проектами

AI-driven разработка

использование ИИ-агентов (Cursor) для ускорения разработки в 3–5 раз

Full Cycle Development

самостоятельное прохождение всех этапов от идеи до production

Production-ready ИИ-ассистент

создание fullstack приложения с микросервисной архитектурой и LLM интеграцией

Работа с LLM

работа с облачными провайдерами, агрегаторами, локальными моделями

80% практики

инкрементальное развитие единого проекта от концепции до деплоя

Современный технологический стек

Python, FastAPI, React/Next.js, TypeScript

DevOps

Docker, Docker Compose, CI/CD на GitHub Actions, Observability

Специализированная образовательная программа для ИТ-специалистов, направленная на освоение современной методологии AI-driven разработки с кодовыми агентами. Программа охватывает полный цикл создания fullstack приложений с использованием ИИ-агентов: от фундаментальных принципов работы LLM до практической разработки backend API, баз данных, frontend, веб-интерфейса, telegram-ботов и развертывания

Особенности программы

Что будете уметь после курса

AI-driven методология

Использовать ИИ-агенты для ускорения разработки в 3-5 раз

Применять парное программирование с ИИ для написания кода, тестов и рефакторинга

Применять AI-driven методологию на всех этапах жизненного цикла

Генерировать проектную документацию и архитектуру с помощью ИИ

Эффективно планировать итерации и декомпозировать задачи для ИИ-агентов

Frontend разработка с ИИ

Создавать современные веб-интерфейсы

Применять практики reverse-design с ИИ-агентами

Использовать MCP для взаимодействия с браузером

Интегрировать frontend с backend API

Разрабатывать UI-компоненты

Backend разработка с ИИ

Создавать API-сервисы с интеграцией LLM

Проектировать базы данных

Разрабатывать Telegram-ботов

Применять TDD-подход с помощью ИИ-агентов

Работа с LLM и ИИ-агентами

Понимать архитектуру и принципы работы языковых моделей

Применять промпт-инжиниринг и контекст-инжиниринг

Работать с различными ИИ-инструментами (Cursor, консольные агенты, веб-интерфейсы)

Эффективно управлять контекстом при работе с кодовыми базами

DevOps и автоматизация

Настраивать скрипты для автоматизации с make

Контейнеризировать приложения с Docker

Настраивать CI/CD pipeline с GitHub Actions

Настраивать observability

Развертывать микросервисы в облаке

Оставьте заявку — мы перезвоним вам и ответим на все вопросы

Отправляя форму, вы принимаете «Соглашение об обработке персональных данных» и условия «Оферты», а также соглашаетесь с «Условиями использования»

Технологический стек

ИИ-инструменты

Cursor — IDE для AI-driven разработки
Консольные агенты (Claude Code, Warp) — автоматизация задач
Веб-интерфейсы ИИ-агентов (V0, Bolt) — прототипирование
Backend

Python — основной язык
FastAPI — фреймворки для API
OpenAI API — интеграция LLM
Telegram Bot API — интеграция с Telegram
Frontend

TypeScript — основной язык разработки
React/Next.js — современные UI-фреймворки
DevOps

make — автоматизация рутинных задач
Docker — контейнеризация приложений
Docker Compose — оркестрация сервисов
GitHub Actions — CI/CD автоматизация

Технологический стек

ИИ-инструменты

Cursor — IDE для AI-driven разработки
Консольные агенты (Claude Code, Warp) — автоматизация задач
Веб-интерфейсы ИИ-агентов (V0, Bolt) — прототипирование
Backend

Python — основной язык
FastAPI — фреймворки для API
OpenAI API — интеграция LLM
Telegram Bot API — интеграция с Telegram
Frontend

TypeScript — основной язык разработки
React/Next.js — современные UI-фреймворки
DevOps

make — автоматизация рутинных задач
Docker — контейнеризация приложений
Docker Compose — оркестрация сервисов
GitHub Actions — CI/CD автоматизация

Что будете изучать

2 месяца

12 занятий

11 практических работ

1 production-ready fullstack проект

Основы LLM и ИИ-агентов

Архитектура и принципы работы языковых моделей
Ограничения и возможности современных LLM
Методы работы с моделями: промпт-инжиниринг, контекст-инжиниринг, RAG
Что такое агент: определение, компоненты, архитектура
Обзор моделей и провайдеров
Критерии выбора модели под задачу
Обзор дорожной карты практики курса

AI-кодинг экосистема

Практическая работа

Создание скрипта автоматизации с Warp
Создание UI-прототипа в V0/Bolt/Lovable

Эволюция подходов кразработке с использованием ИИ-инструментов
Консольные агенты: Claude Code, Codex, Warp и другие
IDE-интегрированные решения: Cursor, Windsurf и другие
Spec-Driven IDE: Kiro, Qoder и методология разработки на основе спецификаций
Агенты для прототипирования и frontend: V0, Bolt, Lovable, Replit
Гибридные подходы: комбинирование различных ИИ-инструментов в единый workflow

AI-driven разработка с Cursor

Практическая работа

Настройка Cursor для работы

Обзор возможностей и режимов работы Cursor
Конфигурирование: модели, правила, соглашения
Управление контекстом: включение файлов, символов, документации
Кастомизация и настройка правил для проекта
Лучшие практики использования кодовых агентов
AI-Driven методология разработки

Системный анализ и техническое проектирование

Практическая работа

Проектирование Telegram-бота

Генерация идеи продукта с помощью ИИ
Формализация требований к разработке Telegram-бота
Создание базовой проектной документации
Выбор технологического стека с обоснованием
Проектирование архитектуры системы на высоком уровне
Проектирование модели данных
Проектирование внешних связей и интеграций
Подходы к логированию, конфигурированию и деплою
Документирование принятых проектных решений (ADR)
Генерация диаграмм с использованием Mermaid

Разработка Backend Telegram-бота

Практическая работа

Разработка Telegram-бота с LLM «под капотом»

Планирование дорожной карты разработки
Формирование соглашений по разработке с ИИ-агентом
Генерация скелета приложения: создание структуры проекта
Генерация кода: автоматическое создание основных компонентов
Реализация основной логики бота
Интеграция с LLM API
Управление состоянием диалогов и контекстом
Реализация обработки ошибок
Логирование запросов и ответов

Тестирование

Практическая работа

Разработка тестов и автоматическая проверка качества кода

Настройка линтеров и форматтеров
Создание модульных тестов с помощью ИИ
Создание интеграционных тестов
TDD-подход к тестированию
Запуск тестов и анализ результатов
Формирование отчетов о тестовом покрытии

Онбординг и работа с legacy

Практическая работа

Создание онбординг документации и планирование следующих итераций разработки

Использование ИИ-агента для быстрого понимания структуры и логики существующего проекта
Анализ legacy-кодовой базы с помощью ИИ-инструментов
Генерация проектной документации для быстрого погружения
Настройка локального окружения
Запуск и проверка работоспособности компонентов
Изучение правил совместной работы с ИИ-агентом
Планирование следующих итераций разработки