Большинство разработчиков используют AI-агентов в режиме промптинга: вставил запрос - получил код. На курсе мы освоим современный подход к разработке с агентами: Spec-Driven Development (SDD), когда команда агентов работает по спецификации, а не по промпту, реализуя задачу полностью автономно.
Это и есть AI Software Engineering (AI SWE) — инженерная дисциплина работы с AI-агентами, которая меняет классическую разработку. Такой подход смещает роль инженера на уровень выше: вместо того чтобы писать и отлаживать код, вы мыслите на уровне архитуктуры системы, точно формулируете намерения и управляете результатом, а не реализацией.
Но чтобы такой подход давал результат, достойный production, нужно правильно выстроить среду для агентов и сам процесс разработки. Этим мы и будем заниматься на курсе.
Вероятно, подобный подход станет стандартом в ближайшие годы. Мы предлагаем вам освоить его сейчас и адаптировать под себя — до того, как это стало необходимостью.
- Слышали про AI-агентов в разработке, но не уверены, как встроить их в реальную работу и получать качественный результат
- Вы уже используете агентов, но порой, правите за ним больше, чем хотелось бы
- Хотите научиться доверять агентам и не перепроверять каждую строку
- Хотите закрывать задачи end-to-end без бесконечных объяснений
- Хотите внедрить единый AI-процесс в команду, а не набор индивидуальных привычек
- Тем, кто ни разу не работал с AI-ассистентами (вы точно из 2026?). Cначала нужна базовая точка входа
- Убеждённым скептикам: если считаете, что AI-агенты не способны выдавать качественный результат, и не планируете менять этот взгляд
- Тем, кто привык работать только по четкой спецификации и переводить её в код, и не может работать на более выском уровне абстракции
Уровень 1: AI SWE — 6 недель (основной)
- Для индивидуальных разработчиков
- Освоите Spec-Driven Development: агент работает по спецификации и даёт предсказуемый результат
- Выстроите среду и процесс для агентной разработки на своём проекте
- Создадите кастомные скиллы и научитесь оркестрировать несколько агентов
Уровень 2: Внедрение в команду — 9 недель (опцинально)
- Для тимлидов, которые хотят перенести подход на всю команду
- Включает всё из уровня 1
- Командная инфраструктура, процессы, план внедрения с метриками
- Перевёрнутого класс: теория выдается заранее, на встрече — практика и разбор
- Встречи раз в неделю по 1,5 часа
- Все задания выполняются на реальном проекте участника
- ✅ Работающий процесс агентной разработки на вашем проекте
- ✅ Рост эффективности в 3-5 раз (подтверждено практикой автора)
- ✅ Библиотеку кастомных скиллов под ваши задачи
- ✅ Систему контроля качества спецификаций (TAUS)
- ✅ Настроенную оркестрацию нескольких агентов
- ✅ [Для тимлидов] План внедрения в команду с метриками и roadmap
Бонусы:
- Доступ к закрытому Telegram-чату выпускников
- Записи всех встреч
- Шаблоны спецификаций и скиллов
- Доступ к материалам навсегда
IT-предприниматель с 30-летним опытом разработки и 15-летним опытом управления командами.
Экс-технический руководитель в SAMOKAT.TECH, руководитель проектного офиса в группе криптосервисов. Экс-технический директор криптовалютной биржи ($1 млрд оборот), сооснователь KIIIOSK.STORE (400+ магазинов, ₽2 млрд GMV).
С 2024 года практикует агентную разработку. С осени 2025 года 100% production-кода пишется AI-агентами — это повысило эффективность команды в 4-5 раз.
Построил полный цикл Spec-Driven Development: от спецификации до деплоя в Kubernetes. Развивает SRE-практику через агентов: мониторинг, алертинг и инцидент-менеджмент в 3 инфраструктурах.
Реальные продукты на AI:
- supervalera.ru — AI-продавец для автосервисов (полностью спроектирован и реализован через GenAI)
Open-source инструменты для агентной разработки:
- spec-reviewer — система из 11 субагентов для ревью спецификаций
- SRE-агент для мониторинга инфраструктур
- FinOps-агент для оптимизации Kubernetes
- claude-code-marketplace — открытый marketplace плагинов для Claude Code
С 2026 года нанимает в команду только техлидов, способных управлять AI-агентами.
Для тех, кто хочет освоить AI Software Engineering
Цель: выйти на работу через спецификацию, оркестрацию и мультиплексирование агентов. К концу уровня участник умеет: писать качественные спеки → создавать скиллы → контролировать качество → оркестрировать несколько агентов.
Темы:
- Context Engineering — управление контекстом как ограниченным ресурсом
- Curated context vs raw context — что давать агенту, что нет
- Агентность: план → действие → наблюдение → корректировка
- Почему AI-агент ≠ автодополнение кода
- MCP (Model Context Protocol): расширение возможностей агента — стандарт интеграции с внешними системами (GitHub, Slack, БД)
- Почему код — это не продукт тимлида
- Спецификация как главный артефакт
- Workflow разработки с AI-агентом
В результате вы:
- разберётесь, как управлять контекстом агента эффективно — что давать, что убирать, почему это напрямую влияет на качество результата
- освоите SDD-workflow: задача → спека → реализация агентом → ревью
- напишете первые хорошие спецификации — поймёте, что делает спеку рабочей и как не сойти с ума в процессе
Темы:
- Как формулировать задачу для агента: контекст, цель, ограничения
- Базовые техники: decomposition, constraints, exit criteria
- Зачем AI-агенту acceptance criteria
- BABOK-подход: функциональные, нефункциональные требования
- Как писать AC, которые агент может проверить
- Agentic loop: агент работает в цикле план → действие → проверка → корректировка
- Скилл для запуска агента в цикле итераций с автоматической проверкой AC
В результате вы:
- научитесь писать спеки с acceptance criteria, которые агент реально может проверить
- научитесь запускать агента в цикле с автоматической проверкой AC — получите предсказуемый результат без ручного контроля каждого шага
Темы:
- Что такое скилл: формализованная инструкция, которую агент выполняет по команде
- Создание кастомных скиллов
- Как формализовать повторяющуюся задачу в скилл
- Где хранить скиллы в проекте
- Скиллы для команды
- Как версионировать и шарить скиллы через репозиторий
- Общий пул скиллов vs личные скиллы
В результате вы:
- создадите кастомные скиллы под свой проект: автоматизируете code review, ревью спецификаций и другие повторяющиеся задачи
- научитесь версионировать скиллы и расшаривать их в команде
Темы:
- TAUS: Testable, Ambiguous-free, Uniform, Scoped
- Agentic loop: запуск агента в цикле план → действие → проверка
- Exit criteria: как агент понимает, что пора остановиться
- Связь AC и exit criteria: acceptance criteria = условия выхода из loop
- ADR и трассировка решений:
В результате вы:
- научитесь применять критерии TAUS к спецификациям — научитесь отличать рабочую спеку от "похожей на рабочую"
- создадите ADR и трассировку решений в коде — Настроите среду так, что агент будет понимать контекст ваших решений и не ломать архитектуру при модификациях
- научитесь классифицировать задачи по матрице риск × повторяемость и выбирать уровень контроля
Темы:
- Паттерны оркестрации:
- Один агент
- Специализированные агенты
- orchestrator → workers
- Параллельные агенты (advanced):
- Несколько агентов работают одновременно над разными частями
- Инструменты оркестрации: Claude Squad, Cursor 2.0, платформы с parallel execution
- Два подхода к выполнению плана:
- Subagent-Driven
- Parallel Session
- Trade-offs: контроль и гранулярность ревью vs скорость и автономность
- Когда какой паттерн применять: матрица сложность × срочность
В результате вы:
- разберётесь в паттернах оркестрации и научитесь выбирать нужный под задачу
- научитесь декомпозировать сложную задачу для нескольких агентов и запускать их параллельно
- создадите скилл-оркестратор на своём проекте
Для руководителей комнд разработки, которые хотят внедрить единый AI-процесс разработки в команду
Цель: составить и начать выполнять план внедрения AI-агентов в команду. Участник уходит с конкретным планом, метриками и первыми результатами.
Темы:
- CLAUDE.md как общекомандная knowledge base проекта:
- Общий репозиторий скиллов для команды:
- Единое пространство для всей команды: скиллы, правила, MCP-конфиги
- Команда ежедневно отлаживает и наращивает систему
В результате вы:
- настроите командный репозиторий скиллов — вся команда будет работать с единым пулом автоматизаций
- трансформируете персональный контекстный файл в командный артефакт: workflow, конвенции, антипаттерны
Темы:
- Agent-first review
- Spec-first workflow
- Как AI SWE меняет роли в команде:
- Техлид: от code review к spec review и развитию системы агентов
- Разработчик: от "получил задачу — кодирую" к "получил задачу — специфицирую — генерирую"
- QA: от ручного тестирования к бизнес-анализу
- Кейсы из практики
- Доверие на уровне команды: как помочь команде пройти путь скептицизм → эксперимент → принятие
- Метрики эффективности AI в команде
- Roadmap внедрения
- Как не демотивировать команду
- Типичные ошибки внедрения
В результате вы:
- опишете целевой pipeline команды: от задачи до merge с участием агентов
- составите конкретный план внедрения AI в команду на 1 месяц с метриками и baseline
Темы:
- Что получилось внедрить за первые недели
- Где застряли и почему: групповой разбор и обмен опытом
- Корректировка планов
- Что дальше: горизонт 2026, advanced-практики
В результате вы:
- сможете понять, где застряли и почему и как это решить
- уйдёте со скорректированным планом и дорожной картой на следующий квартал
- Опыт разработки от 3 лет
- Базовое знакомство с AI-ассистентами (Claude, Cursor, Copilot и т.п.)
- Свой проект (рабочий или pet-project) для выполнения заданий
- Уверенное владение Git, опыт работы с GitHub/GitLab
Возврат денег в течение 14 дней после старта курса, если поймёте, что курс вам не подходит — без вопросов и условий.
Нужен ли опыт работы с AI-агентами? Да, базовый. Вы должны хотя бы пробовать работать с Claude, Cursor, Copilot или другими AI-ассистентами. Курс не для тех, кто начинает с нуля.
Нужен ли свой проект для заданий? Да, все задания выполняются на реальном проекте. Можно использовать рабочий проект или pet-project. Важно, чтобы это был живой код, с которым вы регулярно работаете.
Какие технологии/языки поддерживаются? Любые. Подход Spec-Driven Development универсален и работает с любым стеком: Python, JavaScript, Go, Ruby, Java и т.д.
Что если пропущу встречу? Будет запись + материалы. Но лучше присутствовать онлайн для практики и разбора кейсов в реальном времени.
Нужно ли платное API Claude/OpenAI? Желательно иметь доступ к Claude Pro или API. Можно начать с бесплатной версией Claude Code, но для полноценной работы рекомендуем платную подписку (от $20/месяц).
Подходит ли курс для junior-разработчиков? Нет. Курс рассчитан на разработчиков с опытом от 3 лет, которые уже понимают архитектуру, процессы разработки и могут работать на уровне спецификаций, а не только кода.
Можно ли проходить курс командой? Да, более того — для тимлидов есть отдельный уровень 2 по внедрению в команду. Если хотите записаться командой (3+ человека), напишите на friends@thinknetica.com — обсудим условия.