онлайн-курс
16 занять

Програмування з AI-асистентами

Візьміть AI-кодинг під контроль та перетворіть його на керований інструмент розробки.

Валентин Дружинін

Technical Lead в

AgileEngine

Ви використовуєте AI, але:

згенерований код потребує більше часу на перевірку і виправлення, ніж написання з нуля

AI працює на окремих задачах, але не масштабується на рівень проєкту

AI не вбудований в процес розробки та не дає відчутного приросту ефективності

Ефективна робота з AI вимагає:

контролю результату:

не просто згенерувати код, а перевірити його, протестувати, задебажити й зрозуміти, чи він взагалі відповідає задачі
інтеграції AI в реальний workflow:

робота не в окремому чаті, а всередині IDE, Git, тестування і CI/CD — щоб AI був частиною процесу, а не паралельною активністю
структурованого підходу до роботи з AI:

власний набір промптів, підходів та сценаріїв — для щоденних задач, роботи з legacy, code review та командної розробки

лектор

Валентин Дружинін

Technical Lead в AgileEngine (backend, data platforms, AI systems)

Впроваджує AI в production: RAG, LLM-інтеграції, data pipelines, ETL (Airflow, AWS), оптимізація витрат.
Будує AI-системи як частину продукту — масштабовані, стабільні та готові до реального використання.
Менторить інженерів і формує команди, що запускають AI в production.
Знизив cloud-витрати на ~$20K/рік через оптимізацію архітектури.

Програма

01 заняття
30 червня

AI в роботі middle-розробника: де він реально прискорює, а де ламає процес
- роль AI в реальному циклі розробки: від задачі до PR
- типові сценарії: генерація коду, аналіз, review, refactor, docs, debug
- обмеження AI: галюцинації, надмірна впевненість, втрата контексту
- коли AI доречний, а коли дешевше й безпечніше зробити самому
- різниця між «AI як помічник» та «AI як невмілий автопілот»
02 заняття
02 липня

Інструменти й середовища: Copilot як основа, GPT/Claude/Cursor/Continue як доповнення
- Copilot / Copilot Chat як основний інструмент в IDE
- коли зручніше працювати через зовнішній чат: ChatGPT/Claude
- Cursor і Continue як альтернативні сценарії роботи
- порівняння воркфлоу у VS Code і Cursor
- як обрати стек інструментів під свій проєкт і команду
03 заняття
07 липня

Prompt engineering для коду: як ставити задачі так, щоб AI давав не сміття, а робочий результат
- структура сильного технічного промпта
- як задавати контекст: стек, обмеження, expected output, acceptance criteria
- few-shot і pattern prompting для коду та інші техніки промпт-інжинірингу
- антипатерни промптів, через які AI «красиво бреше»
- як змушувати AI пояснювати рішення, а не просто випльовувати код

04 заняття
09 липня

Custom instructions, project rules і режими роботи AI
- custom instructions і project rules для Copilot / Cursor / Claude Projects
- як передати AI правила архітектури, кодстайл, заборонені патерни
- Ask / Edit / Plan / Agent / Debug режими: коли який використовувати
- як не дати Agent Mode переписати пів репозиторію «на покращення»
- шаблони для AGENTS.md, instructions.md, prompts.md
05 заняття
14 липня

Генерація коду з AI: функції, модулі, фічі без втрати контролю
- генерація коду на різних рівнях: від функції до фічі
- як просити AI спочатку дати план, а не одразу патчі5
- типові проблеми AI-коду: дублювання, слабка обробка помилок, залежності, зайва магія
- перевірка на SOLID, SRP, coupling, maintainability
- як оцінювати не лише здатність працювати, але й можливість підтримувати
06 заняття
16 липня

Refactoring і legacy-код з AI
- як AI допомагає читати й пояснювати чужий або старий код
- локальний refactor без ламання контрактів
- виявлення дублювань, «мертвого» коду, hardcoded secrets, техборгу
- constraint-based refactoring: що можна змінювати, а що ні
- AI в задачах типу «покращити код, але не переписати систему з нуля, бо ми не мільярдери»
07 заняття
21 липня

Переклад коду між мовами та міграція модулів
- використання AI для porting: JS ↔ Python ↔ Java ↔ TypeScript
- типові помилки при перекладі між мовами: сигнатури, типи, async, екосистема, бібліотеки
- як перевіряти, що AI переніс логіку, а не просто переписав синтаксис
- сценарії міграції маленьких модулів і допоміжних сервісів
- межі застосування: де AI допомагає, а де створює купу проблем
08 заняття
23 липня

Debug з AI: stack trace, edge cases, логіка помилки
- як описувати баги AI так, щоб він не відповідав «перевірте код»
- робота зі stack trace, логами, неочевидними кейсами
- ітеративний debug: AI → перевірка → корекція → повтор
- як ловити edge cases до того, як вони прилетять із продакшну
- коли AI «ходить навколо» і настав час зупинити цей стендап-комік-кодинг
09 заняття
28 липня

Тестування з AI
- генерація unit, negative, edge-case tests
- як змушувати AI писати meaningful tests, а не happy path для галочки
- quality check тестів: mutation-style thinking, intentional break, coverage vs real value
- тестові шаблони для API, validation, business rules
- межа між тим, що AI генерує швидко, і тим, що інженер має продумати сам
10 заняття
30 липня

Документація та code review з AI
- генерація docstrings, README, changelog, технічних пояснень
- AI як перший рев’юер: style, smells, security, validation, performance
- checklist-based review: SOLID, N+1, SQL injection, secrets, licensing, coupling
- чому AI не замінює людський review та де він пропускає критичне
- як використовувати AI для підготовки до PR і самоперевірки
11 заняття
4 серпня

AI в Git-flow, PR і CI/CD
- як AI вбудовується у звичний flow: issue → branch → PR → review → merge
- генерація PR description, checklist, release notes
- AI-генеровані тести в пайплайні
- GitHub Actions / GitLab CI: де AI допомагає, а де не варто навіть пробувати
- типові ризики: flaky тести, перевантаження pipeline, false confidence
12 заняття
6 серпня

Автоматизація рутинних задач з AI
- boilerplate generation
- шаблони для типових модулів, API, конфігів, docs
- bulk-операції: refactor, rename, repetitive edits, code transformations
- як будувати повторювані сценарії без ручного бігання по файлах
- де автоматизація корисна, а де починається «ми автоматизували хаос»
13 заняття
11 серпня

Власні AI-агенти для розробника
- кастомні GPT / Claude Projects / reusable instructions
- бібліотека промптів, reusable workflows, контекстні шаблони
- агенти для review, docs, bug triage, refactor, release prep
- коли агент реально допомагає, а коли це просто модне слово поверх звичайного prompt set
- практичні сценарії для індивідуальної та командної роботи
14 заняття
13 серпня

MCP і робота з зовнішнім контекстом
- що таке MCP і навіщо він розробнику
- сценарії: GitHub, документація, файлова система, knowledge sources
- як AI отримує доступ до issue, PR, repo state, docs
- обмеження, безпека й контроль контексту
- огляд кейсів, де MCP реально корисний в командній роботі
15 заняття
18 серпня

AI в командних процесах: стандарти, політики, ROI та ризики
- як узгоджувати використання AI в команді
- політики: що можна відправляти в AI, а що ні
- PII, авторство, ліцензії, корпоративні ризики
- quality gates і правила перевірки AI-коду
- базовий підхід до оцінки ефективності: де AI справді економить час, а де просто шумить
16 заняття
20 серпня

Захист курсових проєктів
- live-demo
- показ workflow: задача → prompt / режим → зміни → тести → review → результат
- пояснення одного AI-assisted рішення та однієї проблеми, де AI помилився
- ретроспектива: що реально спрацювало, що ні, що студент залишить у своїй щоденній практиці

реєстрація

AI вже змінює підхід до розробки й стає частиною роботи сильних інженерів.

Приєднуйтесь до курсу «Програмування з AI-асистентами» та інтегруйте його у свою розробку.

Програмування з AI-асистентами

Ви використовуєте AI, але:

Ефективна робота з AI вимагає:

контролю результату:

інтеграції AI в реальний workflow:

структурованого підходу до роботи з AI:

лектор

Валентин Дружинін

Програма

реєстрація