Plan Szkolenia
Program szkolenia
- 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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 - 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.