Bądźmy w kontakcie

Plan Szkolenia

Czteropoziomowy Stos Personalizacji

Poziom 1 | Wie – Zasady i AGENTS.md

Poruszane tematy:
• Definiowanie konwencji projektowych i standardów kodowania
• Dokumentowanie architektury i ograniczeń technicznych
• Tworzenie neutralnych narzędziowo wytycznych dla projektu
• Zapewnianie spójności w zespołach programistycznych i narzędziach AI

Poziom 2 | Potrafi – Umiejętności

Poruszane tematy:
• Tworzenie wielokrotnego użytku jednostek wiedzy specjalistycznej
• Ładowanie informacji kontekstowych tylko wtedy, gdy są potrzebne
• Zmniejszanie wielkości kontekstu przy jednoczesnym poprawianiu wyników zadań
• Budowanie bibliotek wielokrotnego użytku procesów i ekspertyzy

Poziom 3 | Osiąga – MCP

Poruszane tematy:
• Łączenie narzędzi AI z systemami zewnętrznymi i usługami
• Uzyskiwanie dostępu do repozytoriów, baz danych i źródeł dokumentacji
• Rozszerzanie możliwości asystentów AI do kodowania
• Wdrażanie bezpiecznych integracji oraz kontroli governance

Poziom 4 | Działa – Agenci

Poruszane tematy:
• Zrozumienie autonomicznych agentów AI i ich możliwości
• Autonomiczne czytanie, pisanie, testowanie i poprawianie kodu
• Zarządzanie procesami napędzanymi celami oraz zleconymi zadaniami
• Ustalanie mechanizmów nadzoru i przeglądów przez człowieka dla systemów agencjonalnych

Dzień 1 | Delegowanie i Rozszerzanie Narzędzi

Moduł 1 | Od Asystenta do Agenta

Poruszane tematy:
• Zrozumienie różnicy między asystentami AI a autonomicznymi agentami
• Końcowe uzupełnianie kodu w miejscu versus delegowanie agencjonalne
• Jak procesy agencjonalne zmieniają strukturę zadań programistycznych
• Identyfikacja zadań nadających się do delegowania na agentów
• Najlepsze praktyki współpracy z autonomicznymi systemami AI

Moduł 2 | Delegacje Działające Bez Stałego Nadzoru

Poruszane tematy:
• Pisanie skutecznych instrukcji dla agentów AI
‥ Zapewnianie odpowiedniego kontekstu i wymagań biznesowych
• Definiowanie ograniczeń i granic wykonania
• Ustalanie jasnych kryteriów akceptacji i mierników sukcesu
• Minimalizacja interwencji człowieka przy jednoczesnym zachowaniu jakości

Moduł 3 | Stos Personalizacji i Zastosowanie w Poszczególnych Kontekstach

Poruszane tematy:
• Zrozumienie czteropoziomowego stosu personalizacji
• Używanie Zasady i AGENTS.md do definiowania konwencji projektowych
• Określanie, które mechanizmy personalizacji są odpowiednie w różnych scenariuszach
• Efektywne zarządzanie kontekstem między narzędziami a projektami
• Tworzenie spójnego środowiska rozwoju wspieranego przez AI

Moduł 4 | Umiejętności i Subagenti

Poruszane tematy:
• Tworzenie wielokrotnego użytku Umiejętności dla typowych procesów i zadań
• Pakowanie wiedzy specjalistycznej do ponownego użycia
• Zrozumienie roli subagentów i izolowanych kontekstów
• Delegowanie zdefiniowanych zadań do wyspecjalizowanych agentów
• Poprawa efektywności poprzez modularne procesy AI

Dzień 2 | Łączenie Narzędzi, Równoległość i Governance

Moduł 5 | MCP: Połącz i Zbuduj

Poruszane tematy:
• Zrozumienie zasad protokołu kontekstowego modelu (MCP)
• Łączenie narzędzi AI z systemami zewnętrznymi i usługami
• Integracja przeglądarek, baz danych, repozytoriów i źródeł dokumentacji
• Budowanie niestandardowego serwera MCP
• Zarządzanie kontrolą dostępu a bezpieczeństwem

Moduł 6 | Dyscyplinowany Proces Agencjonalny

Poruszane tematy:
• Ustalanie powtarzalnego procesu rozwoju wspieranego przez AI
• Burzenie mózgów i planowanie z agentami AI
• Współpraca przy budowaniu i wdrażaniu rozwiązań
• Testowanie i weryfikacja wygenerowanych wyników
• Przegląd i finalizacja dostarczonych efektów z odpowiednimi krokami weryfikacji

Moduł 7 | Rozwój Równoległy

Poruszane tematy:
• Uruchamianie wielu agentów AI jednocześnie
• Praca z izolowanymi gałęziami i drzewami roboczymi Git
• Koordynacja prac programistycznych w ramach równoległych procesów
• Scalanie i weryfikacja wyników od wielu agentów
• Poprawa produktywności poprzez strategie wykonania równoległego

Moduł 8: Ryzyka, Przegląd i Governance

Poruszane tematy:
• Ocenianie i weryfikacja zewnętrznych Umiejętności i serwerów MCP
• Zrozumienie ryzyk związanych z bezpieczeństwem a governance
• Zarządzanie uprawnieniami i prawami dostępu
• Ochrona danych wrażliwych i własności intelektualnej
• Ustalanie procesów przeglądowych i praktyk zapewnienia jakości

Moduł 9: Wdrażanie AI w Tworzeniu Oprogramowania: Przykłady Zastosowań i Następne Kroki

Poruszane tematy:
• Jak organizacje integrują AI w Cyklu Życia Tworzenia Oprogramowania (SDLC)
• Przykłady zastosowań z realnego życia i implementacji z różnych branż
• Typowe podejścia do wdrażania AI: indywidualne, zespołowe oraz umożliwienie na poziomie całej organizacji
• Typowe przypadki użycia w ramach SDLC:
• Zbieranie wymagań i dokumentacja
• Generowanie kodu i prototypowanie
• Testowanie i zapewnienie jakości
• Przegląd kodu i refaktoryzacja
• Dokumentacja i zarządzanie wiedzą
• DevOps i zarządzanie incydentami
• Modele governance, polityki i aspekty bezpieczeństwa
• Pomiar produktywności i zwrotu z inwestycji (ROI) w rozwoju wspieranym przez AI
• Budowanie wewnętrznej mapy drogowej wdrażania AI
• Określenie praktycznych kolejnych kroków dla uczestników i ich zespołów

Interaktywna Warsztatowa Dyskusja

• Bieżące wyzwania w zespołach programistycznych uczestników
• Identyfikacja przypadków o wysokiej wartości do natychmiastowego wdrożenia
• Ryzyka, przeszkody i aspekty organizacyjne
• Stworzenie początkowego planu działań dla integracji AI.

Wymagania

Doświadczenie zawodowe w zakresie programowania, wygodna obsługa terminala oraz znajomość systemu Git. Regularne używanie narzędzia do kodowania wspieranego przez AI lub ukończenie kursu Podstawy.

Grupa docelowa

Programiści już korzystający z narzędzi AI, liderzy techniczni odpowiedzialni za wdrożenia w zespołach oraz inżynierowie platformowi lub DevOps budujący Umiejętności i serwery MCP.

 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie