Скачать AI-first разработка на python [Алексей Жиряков]

[Kail]

Ссылка на картинку

Соберете и настроите свою профессиональную среду для разработки с агентами: от написания кода до ревью, автотестов и проверки безопасности.

Кому подойдёт воркшоп:

• Разработчикам
  Тем, кто пишет на Python и хочет, чтобы рутину закрывал агент, а они занимались архитектурой и сложными задачами
• Инженерам данных и ML-инженерам
  Тем, кому нужен production-grade код, а не ноутбуки, и кто устал спорить с бэкендерами про качество
• DevOps или платформенным инженерам
  Тем, кто выстраивает стандарты разработки в командах и хочет зашить их прямо в агента
• Тимлидам и техлидам
  Тем, кому важно не просто «внедрить ИИ», а показать руководству вклад агентов в цифрах по коммитам

Заберёте с собой после воркшопа:

• Агентная среда под ключ
  Настроенный AI-агент с выверенной схемой «модель под задачу» через OpenRouter. Переносится в любой проект
• Правила, навыки и чеклисты
  Готовые промпты под ревью, автотесты, безопасность и политики работы с секретами
• Шаблон AI-first проекта
  Python / Litestar / PostgreSQL / Alembic. Готов к продакшену с первого дня
• Инструменты контроля качества
  Способы определить, где агент справляется сам, а где его нужно направлять

Формат:

• Онлайн
• 4 часа
• Живой формат с экспертом, запись доступна в LMS

Результат:

• Рабочая агентная среда на живом проекте, которую переносишь в свой репозиторий сразу после воркшопа.
• Не демонстрация возможностей AI, а собранная среда, в которой агент ежедневно закрывает инженерные задачи

Что добавите в резюме и примените на работе уже завтра:

• Безопасность AI-разработки: секреты, утечки, зависимости
• Автоматический контроль качества: pre-commit, линтеры
• AI-first разработка на Litestar + PostgreSQL + Alembic
• Построение агентной среды с правилами и стандартами команды
• Unit- и integration-тесты через агента с контролем покрытия
• Code Review силами AI-агента по чеклисту архитектуры
• Оценка вклада AI-инструментов через метрики по коммитам
• Выбор LLM под задачу по метрикам цена/качество
• Настройка AI-агентов в VS Code через OpenRouter

Программа:

1. Окружение для разработки
2. Backend-проект на Litestar и PostgreSQL
3. Безопасность разработки
4. OpenRouter: один ключ — десятки моделей
5. Сравнение моделей на реальной задаче
6. Что происходит без правил
7. Правила и навыки: агент как инженер команды
8. Автоматические проверки качества
9. Тесты и покрытие кода
10. Типовые задачи руками агента
11. Code Review силами агента
12. Измерение вклада агента в работу

1. Окружение для разработки

• Настраиваем всё, что нужно для работы: VS Code, Python, uv, Docker, git, линтеры и проверку типов.
• К следующему шагу приходим с готовым окружением

2. Backend-проект на Litestar и PostgreSQL

• Поднимаем приложение с правильной архитектурой и базой в Docker, ставим и настраиваем Alembic — систему миграций, которая держит схему БД под контролем.
• Забираешь готовый шаблон под масштабирование

3. Безопасность разработки

• Хранение API-ключей, защита от утечек в git, проверка зависимостей на уязвимости и контроль безопасных паттернов в коде, который пишет агент

4. OpenRouter: один ключ — десятки моделей

• Подключаем AI-агента в VS Code к OpenRouter и получаем доступ ко всем топовым моделям — GPT, Claude, DeepSeek, Qwen и другим — через один ключ

5. Сравнение моделей на реальной задаче

• Прогоняем одну задачу через разные модели и анализируем: какая аккуратнее пишет код, какая лучше в тестах, у какой лучшее соотношение цена/качество

6. Что происходит без правил

• На одной модели показываем, как работает агент без правил: он тянется к фреймворкам и паттернам, на которых больше всего обучен, — а это почти никогда не совпадает со стандартами твоей команды

7. Правила и навыки: агент как инженер команды

• Собираем правила проекта, регламенты по коду и архитектуре, набор навыков под типовые задачи — и агент начинает работать по стандартам команды, а не по собственным догадкам

8. Автоматические проверки качества

• Настраиваем линтеры и форматирование так, чтобы они срабатывали на каждом коммите агента: грязный код физически не проходит в репозиторий

9. Тесты и покрытие кода

• Учим агента писать unit- и integration-тесты по алгоритму и измеряем покрытие — это страховка от того, что завтра агент сломает работающий код

10. Типовые задачи руками агента

• На живом проекте проходим полный цикл: новая фича, исправление бага, срочный хотфикс, оформление merge request

11. Code Review силами агента

• Запускаем отдельного агента на проверку кода по чеклисту архитектуры, типизации и читаемости — получаем отчёт с конкретными замечаниями

12. Измерение вклада агента в работу

• Запускаем скрипт, который по истории коммитов показывает цифрой, какая часть кода написана агентом, а какая — разработчиком

Спикер Алексей Жиряков

• Исполнительный директор, Сбер
• ex-Stream CTO, МТС Web Services (KION)
• Лидер Python-гильдии, TechMaster MWS

Показать больше