Агентная разработка на Python

Этот курс для тебя, если вы:

Начинающие разработчики: уверенно пишут базовый Python, которые хотят научиться современному AI-assisted development, веб опыт не обязателен. Junior/Middle разработчики, которые уже работают с вебом и хотят системно овладеть агентной разработкой.

4.5/5 DOU

96% Facebook

4.6/5 Google

Продолжительность

30 ч.

Количество занятий

15 занятий

Начало курса

Старт ожидается

Наши выпускники работают в

Преимущества AI-агентов

О курсе

Практический курс для разработчиков, желающих использовать AI-агентов в реальном процессе разработки — от постановки задачи и написания кода до тестирования, ревью и автономного выполнения.

Не просто генерация кода

AI-агент может самостоятельно анализировать задачу, планировать работу и выполнять последовательность действий.

Работа с реальным проектом

Агент работает с репозиторием, файлами и инструментами, а не только создает отдельные фрагменты кода.

Полный цикл разработки

Используйте AI-агентов на разных этапах: от постановки задачи и написания кода до тестирования и ревью.

Автономное исполнение

Научитесь настраивать процессы, в которых агент может самостоятельно выполнять задачи, запускать тесты и исправлять ошибки.

Контроль результата

Вы научитесь управлять работой AI-агента и строить систему контроля, чтобы получать предполагаемый результат.

Технологии и инструменты

AI-агенты

Cloude Cloude Code

Codex Codex

Antigravity

Python-стек

Python 3.14 • FastAPI • SQLAlchemy • pytest

Качество кода

ruff • mypy • pre-commit • GitHub Actions

Базы данных

SQLite • PostgreSQL • Docker

Инструменты и подходы

MCP • LLM API • Pydantic • Git • uv

Ваш путь

Программа курса

Каждое занятие – это живой онлайн-урок с практическими задачами и обратной связью.

Как думает кодинг-агент

• Как считает кодинг-агент.
• От чата к агенту
• Цикл «прочитал → спланировал → вызвал инструмент → посмотрел результат»
• Инструменты агента
• Контекстное окно как ограниченный бюджет и context rot (потеря качества в переполненном контексте)
• harness=инструкции+инструменты+модель; почему агент ошибается.
• Задание: установить один из трех агентов и выполнить стартовую задачу (предварительный выбор инструмента; окончательный – после лекции 3); pro — письменный разбор трейса сессии (пошаговой записи действий агента)

Язык, на котором ставят задачи

• Шаблон Goal / Context / Constraints / Done when
• Контекст из-за ссылок на файлы и образцы
• Проверительные критерии готовности
• Scope creep и дробление задач
• Разбор пар «размытое пожелание → четкая задача»
• Задание: переписать три размытых пожелания по шаблону
• Pro — выполнить одну из задач агентом и сверить по собственным критериям

Три агента – один процесс

• Ландшафт кодинг-агентов 2026
• Claude Code, Codex, Antigravity: сильные стороны и среды работы (терминал, IDE, облако)
• Принцип «агент заменяемый — процесс нет» в действии
• Выбор основного инструмента
• Старт сквозных проектов
• Задание: каркас «Полицы» одним качественным промптом
• Pro — то же самое двумя инструментами по сравнению

Файлы, которые читает агент первым

• AGENTS.md как стандарт, общий для разных инструментов
• CLAUDE.md и Rules
• Что писать и чего избегать
• Правила по реальным ошибкам агента (audit-driven)
• Структура Python-проекта: pyproject.toml, UV, src-layout
• Задание: структура «Полицы» + AGENTS.md с правилами
• Pro — правила для отдельных частей репозитория (glob-маски) и журнал «ошибка → правило»

Сначала план, затем код

• Режимы планирования в трех инструментах
• План как артефакт в репозитории
• Редактирование плана вместо правки кода
• Правило «не догоняй – откаты и перепланируй»
• Спецификация-конституция (spec-driven подход)
• Когда план лишний
• Задание: по плану превратить каркас в FastAPI-приложение с SQLite
• Pro — PostgreSQL в Docker + spec.md + план второй фичи

Агент по инструментам: MCP и скилы

• Протокол MCP (Model Context Protocol): доступ агента к БД, документации, внешним сервисам
• Безопасность подключений
• Скилы (пакеты инструкций, придающие агенту навык) и уровни их зрелости: инструкции → образцы → few-shot (несколько эталонных примеров) → скрипт-валидатор
• Перенос между инструментами

Задание: подключить MCP-сервер и готовый скил. Pro — собственный скалл со скриптом-валидатором на Python

Тесты пишутся первыми

• Тесты как контракт между человеком и агентом
• TDD-цикл (разработка через тесты) с агентом в пяти шагах
• pytest: фикстура, параметризация
• Ловушка «вруги тесты»
• Verification loop – агент сам запускает тесты и исправляет
• Задание: покрыть тестами ядро «Полицы» и добавить фичу через TDD
• Pro — порог покрытия и граничные случаи

Гейты: зеленое или ничего

• Уровни гейтов: ruff и mypy → pre-commit → CI на GitHub Actions → агентские хуки (автоматические действия на события в сессии агента)
• Агент читает отчеты о падении проверок и исправляет код в «зеленый» — успешное прохождение всех гейтов
• Пороги покрытия
• Конвенции комиттов
• Антипатерны гейтов
• Задание: pre-commit и CI с тестами
• Pro – гейт за порогом покрытия, конвенции комитов, хук «не завершай без зеленых тестов»

Охота на баги вместе с агентом

• Передача traceback (полного текста ошибки) и логов
• Гипотезный цикл отладки: гипотезы → инструментирование → данные по выполнению → фикс
• Типичные недостатки AI-кода
• Чек-лист ревью
• Задание: найти и исправить заложенные баги в раздаточном модуле, описав гипотезы
• Pro – ревью «чужого» pull request по чек-листу

Оркестр агентов

• Уровни доверия: от микроменеджмента до делегирования
• Субагенты с чистым контекстом
• Параллельные сессии и git worktrees (несколько независимых рабочих копий репозитория)
• Паттерн «исполнитель/рецензент»
• Память между сессиями

Задание: фича паттерном «исполнитель/рецензент». Pro — две фичи параллельно в worktrees с отчетом о мердже

LLM внутри приложения

• Когда LLM в продукте уместна
• Вызов API из Python
• Structured output через Pydantic
• Ошибки, повторные попытки, стоимость
• Ключи доступа в переменных среды
• Тестирование с моком клиента

Задание: LLM-фича в «Полице» (structured output + мок в тестах) Pro – фолбек (запасной сценарий) при отказе API и лимит стоимости.

Задача, которую агент выполняет самостоятельно

• Фильтр пригодности задачи: проверительные критерии, контекст, объем
• Issue-шаблон Context/Requirements/Verification/References
• Acceptance criteria
• Цикл «агент комментирует план → человек согласовывает → агент реализует»
• Облачные исполнители трех экосистем

Задача: превратить размытое бизнес-пожелание на Issue и провести его через цикл «план → согласование → PR»

Ревью-бот в CI

• Агентское код-ревью поверх линтеров
• Философия «только существенное»
• Встроенное авто-ревью и собственный GitHub Action
• Цепочка «бот нашел → агент исправил → человек делает мердж»

Задание: подсоединить ревью-бота к собственному репозиторию, написать правила ревью, продемонстрировать поимку подброшенного изъяна

Долгий забег

• Почему автономные агенты сходят с дистанции
• Внешняя память в четырех md-файлах
• Контрольные точки с валидацией
• Экономика токенов (единиц текста, за которые тарифицируется работа модели)
• Выбор модели под шаг

Задание: подготовить внешнюю память и контрольные точки для длинной сессии над собственной фичей, запустить сессию и сдать журнал решений

Капстоун: wow-фича

• Полный автономный цикл на собственном коде: Issue → план → реализация → ревью-бот → ревью человеком → мердж
• Разбор успешного и провального прогонов
• Ретроспектива
• Направления дальнейшего роста

Задание: фича полным автономным циклом + ретроспектива

Навыки после курса

По завершению курса вы будете уметь

Check

ставить агентам четкие задачи;

Check

готовить репозиторий и контекст для работы агента;

Check

работать через план и спецификацию;

Check

строить тесты, гейты и CI для контроля AI-кода;

Check

работать с несколькими агентами и автономными задачами;

Check

интегрировать LLM в собственные Python-приложения.

Старт ожидается

Попробуй
Агентная разработка на Python бесплатно

Первое полноценное занятие с тренером.

Проекты курса

Смокотека

Лекционный проект. Кулинарная книга: рецепты, меню недели, список покупок, LLM-импорт рецептов. Лектор строит его с агентами вживую от каркаса до LLM-фичи – студент видит каждый прием в действии.

Полка

Самостоятельный проект студента – домашняя библиотека с каталогом, журналом чтения, подборками и статистикой. Технический близнец лекционного: студент повторяет тот же прием в другой предметной области, поэтому задачу проверяет само понимание приема. В конце курса в портфолио – завершенное рабочее приложение.

Финальный проект

Самостоятельный проект. Одна из четырех тем на выбор: «Совместно» · «Станок» · «Смакотека+» · «Полка+». Финальный проект проходит полный автономный цикл: Issue → агент → PR → ревью-бот → ревью человеком → merge. Каждая тема имеет легенду, user flows и пределы MVP. Для сильнейших предусмотрен раздел «Следующие шаги» – сознательные усложнения проекта.

Как проходит обучение

Просто и понятно

Структура занятия

120 минут

Теория

Разбор кода

Q&A

Теория – 60 минут

Разбор кода – 45 минут

Q&A сессия - 10 минут

Когда проходят занятия

Группа 1

Группа 2

ПН

ВТ

СР

ЧТ

ПТ

СБ

ВС

19:00 - 21:00

Живое занятие с тренером

Задавай вопрос в реальном времени

Живые онлайн занятия с тренером

Занятия группы проходят онлайн. Это эффективное живое общение. Все уроки записываются и доступны для просмотра.

Выполнение домашних заданий

Для каждого урока разработаны практические задачи, которые необходимо выполнять и сдавать в специальной LMS системе

Проверка ДЗ и фидбек

Все работы студентов проверяются по каждому заданию предоставляется фидбек с оценкой и рекомендациями.

Тестирование и сертификация

После завершения курса студенты сдают финальный тест и получают сертификат, подтверждающий уровень знаний.

Сертификация

Подтверди свои знания

Именный сертификат по окончании курса

После завершения курса и прохождения тестирования вы получите именной сертификат от CyberBionic Systematics и TestProvider.com — платформы, признанной ведущими IT-компаниями Украины

Тестирование и сертификация ИТ специалистов проходит на нашей собственной платформе TestProvider.com

Вы получаете заверенный сертификат от CyberBionic Systematics, подтверждающий уровень ваших знаний и увеличивающий шансы на успешное трудоустройство.

Каждый сертификат имеет серийный номер, работодатель может его проверить и убедиться в подлинности сертификата.

Хто проводить навчання

Твої тренери

Константин Зивенко

Перейти до Linkedin

Тренер по направлению Python Developer в CyberBionic Systematics, автор курсов и вебинаров на youtube канале CodeUA. Коммерческий опыт программирования – 3 года. Классический пример свитчера – перешел в IT из совершенно другой профессии. На сегодняшний день является Software Engineer (Python Backend Developer) в компании waylight.me (стартап в США с украинскими корнями). Ежедневно использует Python в профессиональной деятельности.

Запис відкритий

Готов начать обучение?

Отправляй заявку и зафиксируй свою скидку на обучение

Уточнено детали и зарезервировано место

Получишь первый урок бесплатно

Почнеш кар'єру в ІТ

Отзывы студентов

Что говорят те, кто уже учился

Отзывы наших студентов

Tetiana Malysheva

Займаюсь на курсі Тестувальник програмного забезпечення.
Дуже задоволена. Матеріал сприймається легко тому що до кожного урока є презентація, стислий опис заняття, відео запис онлайн заняття.
На занятті кожен крок розбираємо по «кісточках», з різних сторон, на прикладах реальних проєктів.
Особисто мені дуже подобається, що окрім практичного домашнього завдання є можливість відпрацювати пройдену тему на реальному проєкті. Це так круто!
Стах кудись подівся щодо нової професії.

Читать полностью

Подтверждено на DOU

Артем Радько

FrontEnd developer

О CyberBionic Systematics узнал в интернете, прочитав немало хороших отзывов. Специальностью FrontEnd Developer интересовался и ранее, ее особенность – это легкое изучение на старте. Материалы курса очень доходчиво объяснил преподаватель Александр Гончаренко на реальных примерах, за что ему огромное спасибо. А если что-то непонятно или просто нужно повторить пройденный материал, то можно закрепить знания по видео курсам ITVDN.

Читать полностью

Подтверждено на CyberBionic Systematics

Виктор Смищук

FrontEnd Developer

В первую очередь, это определенный вектор обучения, а не как в других специальностях (типа SEO), когда нужно учить много и из разных областей. Убежден, что хорошим спецом можно быть лишь в нескольких направлениях, плюс будет больше времени, если фокус на чем-то одном. FrontEnd – возможность фриланса, работа в современном офисе, соцпакет, для меня (индивидуально) есть часть знаний, поэтому начинать уже не с нуля. Тяжело потому, что много материала и короткие перерывы между лекциями, всё не успеваешь. Есть вектор и основные темы, которые теперь нужно догонять на самостоятельном обучении. Теперь хотя бы могу понять, что делает определенный код на странице. Тренер Сергей реально доступно дает материал и готов всегда помочь и объяснить на примерах. Чувствуется, что разбирается в материале. Думал, что FrontEnd – это меньше программирования, чем оказалось на самом деле  В связке с маркетингом знания помогут сделать полный цикл разработки и рекламы любой страницы. Курс классный. Ещё бы раз послушал!

Читать полностью

Подтверждено на CyberBionic Systematics