Инженерный подход в разработке ПО с использованием ИИ
Оставьте заявку
Нужна помощь? Оставьте свой номер — мы позвоним, чтобы ответить на все ваши вопросы.
О курсе
Цель курса:
Заменить неструктурированный «вайб-кодинг» (генерация кода по наитию без анализа и проверки) на осознанный инженерный процесс.
Цели обучения
отличать вайб-кодинг от инженерной AI-разработки и аргументировать риски (безопасность, техдолг, «чёрный ящик»);
составлять спецификации требований (PRD, EARS-формулировки, acceptance criteria) и прогонять их через SDD-конвейер;
выбирать SDD-фреймворк под тип проекта (greenfield/brownfield) и стандартизировать его применение в команде: OpenSpec, GitHub Spec Kit, Kiro, BMAD-METHOD, Task Master, Agent OS и аналоги.
проектировать архитектуру с участием ИИ и фиксировать решения в ADR;
собирать «контекстный пакет» проекта: AGENTS.md/CLAUDE.md/rules-файлы, глоссарий, примеры эталонного кода;
декомпозировать план на задачи с критериями готовности, пригодные для делегирования агенту;
настраивать ограничения агента: права доступа, hooks, линт-гейты, скоуп файлов;
вести TDD-цикл «красный-зелёный-рефакторинг» с генерацией тестов из acceptance criteria;
работать минимум с двумя типами ИИ-агентов и оркестровать их (plan mode, субагенты, параллельная работа в git worktrees);
проводить код-ревью ИИ-сгенерированного кода по чек-листу и находить типовые галлюцинации
Требования
- Опыт коммерческой разработки от 1 года, базовое использование Git
Целевая аудитория
- Разработчики (middle/senior)
- Тимлиды
- QA-инженеры
- Архитекторы, уже эпизодически использующие ИИ-ассистенты
Документы об окончании
Сертификат Учебного центра "Трайтек"
Удостоверение о повышении квалификации
Программа обучения
34 Темы16ч.
Тема 1. AI-first мышление и AI-SDLC
· Что такое вайб-кодинг: происхождение термина, типовой сценарий («прими всё, разберёмся потом») и его последствия: скрытые дефекты, уязвимости, деградация архитектуры, утрата понимания кодовой базы.
· Антипаттерны: бесконечный цикл «поправь вот это», промпты без контекста, отсутствие критериев готовности, слепой merge.
· Обзор AI-SDLC. Роль человека на каждом этапе.
· Таксономия ИИ-инструментов: автодополнение, чат, агент, оркестратор агентов. Где проходит граница ответственности.
· Модель зрелости AI-разработки команды (5 уровней) – самодиагностика.
Практическая работа: Поиск дефектов в сгенерированной фиче, сравнение с дисциплинированным проходом.
Тема 2. Спецификация: Spec Driven Development
Тема 3. Архитектура, план и контекст-инжиниринг
Тема 4. Ограничения и дисциплина ИИ-агентов
Тема 5. TDD с ИИ и верификация
Тема 6. Оркестрация агентов, качество
Итоговая практическая работа: Реализация фич по полному циклу AI-SDLC.
Расписание занятий
| Дата | Место проведения | Стоимость |
|---|---|---|
|
12 октября 2026
Группа формируется |
Виртуальный класс ДистанционныйДистанционное обучение (СДО)
Самостоятельное изучение в удобном темпе. Консультации преподавателя при необходимости. |
32 000 ₽
|
32 000 ₽
