Bądźmy w kontakcie

Plan Szkolenia

Program szkolenia

  1. Podstawy działania LLM oraz agentów w pracy developera
    Czym jest LLM z perspektywy programisty
    Różnice między modelem językowym, asystentem kodu i agentem kodującym
    Jak model analizuje kontekst, kod, instrukcje i historię interakcji
    Ograniczenia LLM
    Rola developera jako osoby odpowiedzialnej za decyzje techniczne
    Typowe zastosowania LLM w developmencie
  2. Setup Claude Code, Codex i Cursora do codziennej pracy z AI
    Przegląd narzędzi wykorzystywanych w agentowej pracy z kodem
    Claude Code, Codex i Cursor – różnice w sposobie pracy i typowych zastosowaniach
    Instalacja, konfiguracja i przygotowanie środowiska developerskiego
    Poprawny setup repozytorium pod pracę z AI
    Zasady przygotowania struktury projektu, dokumentacji i instrukcji dla agenta
    Praca z terminalem, IDE i repozytorium w trybie wspieranym przez AI
    Kontrola zakresu zmian i minimalizowanie ryzyka niepożądanych modyfikacji
  3. Agents.md, CLAUDE.md oraz skills.md jako moduły organizujące pracę z agentem
    Czym jest są główne agentowe pliki markdown i jaką rolę pełnią w pracy z LLM
    Różnica między jednorazowym promptem a trwałą instrukcją projektową
    Jak tworzyć skills opisujące standardy kodowania, testowania i dokumentowania
    Organizacja skills dla różnych typów zadań
    Przykłady dobrych i złych instrukcji dla agenta
  4. Plan Mode w praktyce
    Czym jest Plan Mode i kiedy warto go używać
    Planowanie przed wykonaniem zmian w kodzie
    Analiza ryzyk, zależności i potencjalnych skutków ubocznych
    Przekładanie planu na konkretne działania w repozytorium
    Iteracyjne prowadzenie agenta
    Praca z większymi zmianami
    Ocenianie jakości planu wygenerowanego przez AI
  5. Ćwiczenia praktyczne na otwartych repozytoriach
    Onboarding do nieznanej bazy kodu z pomocą LLM
    Identyfikacja punktów wejścia, zależności i przepływu logiki
    Realizacja realistycznych zadań zespołowych z wykorzystaniem agenta
    Refaktoryzacja fragmentu kodu pod kątem czytelności i utrzymywalności
    Generowanie lub uzupełnianie testów
    Aktualizacja dokumentacji technicznej i README
  6. Subagents w praktyce
    Czym są subagenci i kiedy warto delegować zadania
    Podział pracy między agentów:
    Projektowanie zakresu odpowiedzialności subagenta
    Praca równoległa i kontrola spójności rezultatów
    Zastosowanie subagentów w większych zadaniach refaktoryzacyjnych
  7. MCP jako sposób rozszerzania możliwości agenta
    Czym jest MCP i jaką rolę pełni w pracy z narzędziami AI
    Klient, serwer MCP i źródła kontekstu
    Łączenie agenta z dodatkowymi narzędziami, danymi i workflow
    Przykłady zastosowań MCP w pracy programisty
  8. Bezpieczeństwo, jakość i odpowiedzialność w pracy z AI
    Ryzyko wycieku kodu, danych, logiki biznesowej i informacji o architekturze
    Zasady pracy z kodem produkcyjnym i fragmentami krytycznymi bezpieczeństwa
    Weryfikacja zmian generowanych przez AI
    AI w procesie code review
    Najlepsze praktyki wdrażania agentowej pracy z kodem w organizacji
  9. Podsumowanie i wdrożenie w praktyce
    Najważniejsze zasady efektywnej pracy developera z LLM
    Jak przenieść wiedzę ze szkolenia do codziennego workflow
    Minimalny zestaw praktyk do wdrożenia po szkoleniu

Wymagania

Rekomendowane jest doświadczenie w pracy programistycznej, znajomość podstaw Git oraz umiejętność poruszania się po repozytorium kodu. Uczestnik powinien znać przynajmniej jeden język programowania na poziomie umożliwiającym czytanie i modyfikowanie kodu, natomiast przykłady będą pokazane przy użyciu języka Python. Szkolenie nie wymaga wcześniejszego doświadczenia z Claude Code, Codex, Cursorem ani MCP, jednak podstawowa znajomość pracy w terminalu będzie pomocna.

Grupa docelowa

·        programiści na poziomie średniozaawansowanym i zaawansowanym;

·        developerzy pracujący z istniejącymi, złożonymi lub słabo udokumentowanymi repozytoriami;

·        członkowie zespołów software development, którzy chcą uporządkować praktyki korzystania z AI w codziennej pracy;

·        tech leadzi i senior developerzy odpowiedzialni za jakość kodu, code review oraz dobór narzędzi developerskich;

·        osoby chcące świadomie wykorzystywać LLM do analizy kodu, refaktoryzacji, dokumentowania, testowania i automatyzacji zadań technicznych.

 

 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie