Агентна розробка на Python

Цей курс для тебе, якщо ви:

Розробники-початківці: впевнено пишуть базовий Python, які хочуть навчитися сучасному AI-assisted development, веб досвід не обов’язковий. Junior / Middle розробники, які вже працюють з вебом і хочуть системно опанувати агентну розробку.

4.5/5 DOU

96% Facebook

4.6/5 Google

Тривалість

30 год.

Кількість занять

15 занять

Початок курсу

Старт очікується

Наші випускники працюють в

Переваги AI-агентів

Про курс

Практичний курс для розробників, які хочуть використовувати AI-агентів у реальному процесі розробки — від постановки задачі та написання коду до тестування, рев’ю та автономного виконання.

Не просто генерація коду

AI-агент може самостійно аналізувати задачу, планувати роботу та виконувати послідовність дій.

Робота з реальним проєктом

Агент працює з репозиторієм, файлами та інструментами, а не лише генерує окремі фрагменти коду.

Повний цикл розробки

Використовуйте AI-агентів на різних етапах: від постановки задачі та написання коду до тестування й рев’ю.

Автономне виконання

Навчіться налаштовувати процеси, у яких агент може самостійно виконувати задачі, запускати тести та виправляти помилки.

Контроль результату

Ви навчитеся керувати роботою AI-агента та будувати систему контролю, щоб отримувати передбачуваний результат.

Технології та інструменти

AI-агенти

Cloude Cloude Code

Codex Codex

Antigravity

Python-стек

Python 3.14 • FastAPI • SQLAlchemy • pytest

Якість коду

ruff • mypy • pre-commit • GitHub Actions

Бази даних

SQLite • PostgreSQL • Docker

Інструменти та підходи

MCP • LLM API • Pydantic • Git • uv

Ваш шлях

Програма курсу

Кожне заняття — це живий онлайн-урок з практичними завданнями та зворотним зв'язком.

Як думає кодинг-агент

• Як думає кодинг-агент.
• Від чату до агента
• Цикл «прочитав → спланував → викликав інструмент → подивився результат»
• Інструменти агента
• Контекстне вікно як обмежений бюджет і context rot (втрата якості на переповненому контексті)
• harness = інструкції + інструменти + модель; чому агент помиляється.
• Завдання: встановити один із трьох агентів і виконати стартову задачу (попередній вибір інструмента; остаточний — після лекції 3); pro — письмовий розбір трейсу сесії (покрокового запису дій агента)

Мова, якою ставлять задачі

• Шаблон Goal / Context / Constraints / Done when
• Контекст через посилання на файли і зразки
• Перевірні критерії готовності
• Scope creep і дроблення задач
• Розбір пар «розмите побажання → чітка задача»
• Завдання: переписати три розмиті побажання за шаблоном
• Pro — виконати одну із задач агентом і звірити з власними критеріями

Три агенти — один процес

• Ландшафт кодинг-агентів 2026
• Claude Code, Codex, Antigravity: сильні сторони і середовища роботи (термінал, IDE, хмара)
• Принцип «агент замінюваний — процес ні» у дії
• Вибір основного інструмента
• Старт наскрізних проєктів
• Завдання: каркас «Полиці» одним якісним промптом
• Pro — те саме двома інструментами з порівнянням

Файли, які агент читає першими

• AGENTS.md як стандарт, спільний для різних інструментів
• CLAUDE.md і Rules
• Що писати і чого уникати
• Правила з реальних помилок агента (audit-driven)
• Структура Python-проєкту: pyproject.toml, uv, src-layout
• Завдання: структура «Полиці» + AGENTS.md з правилами
• Pro — правила для окремих частин репозиторію (glob-маски) і журнал «помилка → правило»

Спершу план, потім код

• Режими планування у трьох інструментах
• План як артефакт у репозиторії
• Правка плану замість правки коду
• Правило «не доганяй — відкоти і переплануй»
• Специфікація-«конституція» (spec-driven підхід)
• Коли план зайвий
• Завдання: за планом перетворити каркас на FastAPI-застосунок із SQLite
• Pro — PostgreSQL у Docker + spec.md + план другої фічі

Агент з інструментами: MCP і скіли

• Протокол MCP (Model Context Protocol): доступ агента до БД, документації, зовнішніх сервісів
• Безпека підключень
• Скіли (пакети інструкцій, що додають агенту навичку) і рівні їхньої зрілості: інструкції → зразки → few-shot (кілька еталонних прикладів) → скрипт-валідатор
• Перенесення між інструментами

Завдання: підключити MCP-сервер і готовий скіл. Pro — власний скіл зі скриптом-валідатором на Python

Тести пишуться першими

• Тести як контракт між людиною і агентом
• TDD-цикл (розробка через тести) з агентом за п'ять кроків
• pytest: фікстури, параметризація
• Пастка «тести, що брешуть»
• Verification loop — агент сам запускає тести і виправляє
• Завдання: покрити тестами ядро «Полиці» і додати фічу через TDD
• Pro — поріг покриття і межові випадки

Гейти: зелене або нічого

• Рівні гейтів: ruff і mypy → pre-commit → CI на GitHub Actions → агентські хуки (автоматичні дії на події в сесії агента)
• Агент читає звіти про падіння перевірок і виправляє код до «зеленого» — успішного проходження всіх гейтів
• Пороги покриття
• Конвенції комітів
• Антипатерни гейтів
• Завдання: pre-commit і CI з тестами
• Pro — гейт за порогом покриття, конвенції комітів, хук «не завершуй без зелених тестів»

Полювання на баги разом з агентом

• Передача traceback (повного тексту помилки) і логів
• Гіпотезний цикл налагодження: гіпотези → інструментування → дані з виконання → фікс
• Типові вади AI-коду
• Чек-лист рев'ю
• Завдання: знайти і виправити закладені баги в роздатковому модулі, описавши гіпотези
• Pro — рев'ю «чужого» pull request за чек-листом

Оркестр агентів

• Рівні довіри: від мікроменеджменту до делегування
• Субагенти з чистим контекстом
• Паралельні сесії та git worktrees (кілька незалежних робочих копій репозиторію)
• Патерн «виконавець/рецензент»
• Пам'ять між сесіями

Завдання: фіча патерном «виконавець/рецензент». Pro — дві фічі паралельно у worktrees зі звітом про мердж

LLM всередині застосунку.

• Коли LLM у продукті доречна
• Виклик API з Python
• Structured output через Pydantic
• Помилки, повторні спроби, вартість
• Ключі доступу у змінних середовища
• Тестування з моком клієнта

Завдання: LLM-фіча в «Полиці» (structured output + мок у тестах) Pro — фолбек (запасний сценарій) при відмові API і ліміт вартості.

Задача, яку агент виконує самостійно

• Фільтр придатності задачі: перевірні критерії, контекст, обсяг
• Issue-шаблон Context / Requirements / Verification / References
• Acceptance criteria
• Цикл «агент коментує план → людина погоджує → агент реалізує»
• Хмарні виконавці трьох екосистем

Завдання: перетворити розмите бізнес-побажання на Issue і провести його через цикл «план → погодження → PR»

Рев'ю-бот у CI

• Агентське код-рев'ю поверх лінтерів
• Філософія «лише суттєве»
• Вбудоване авто-рев'ю і власний GitHub Action
• Ланцюжок «бот знайшов → агент виправив → людина робить мердж»

Завдання: під'єднати рев'ю-бота до власного репозиторію, написати правила рев'ю, продемонструвати впіймання підкинутої вади

Довгий забіг

• Чому автономні агенти сходять з дистанції
• Зовнішня пам'ять у чотирьох md-файлах
• Контрольні точки з валідацією
• Економіка токенів (одиниць тексту, за які тарифікується робота моделі)
• Вибір моделі під крок

Завдання: підготувати зовнішню пам'ять і контрольні точки для довгої сесії над власною фічею, запустити сесію і здати журнал рішень

Капстоун: wow-фіча

• Повний автономний цикл на власному коді: Issue → план → реалізація → рев'ю-бот → рев'ю людиною → мердж
• Розбір успішного і провального прогонів
• Ретроспектива
• Напрямки подальшого зростання

Завдання: фіча повним автономним циклом + ретроспектива

Навички після курсу

По завершенню курсу ви будете вміти

Check

ставити агентам чіткі задачі;

Check

готувати репозиторій та контекст для роботи агента;

Check

працювати через план і специфікацію;

Check

будувати тести, гейти та CI для контролю AI-коду;

Check

працювати з кількома агентами та автономними задачами;

Check

інтегрувати LLM у власні Python-застосунки.

Старт очікується

Спробуй
Агентна розробка на Python безкоштовно

Перше повноцінне заняття з тренером.

Проєкти курсу

Смакотека

Лекційний проєкт. Кулінарна книга: рецепти, меню тижня, список покупок, LLM-імпорт рецептів. Лектор будує його з агентами наживо від каркаса до LLM-фічі - студент бачить кожен прийом у дії.

Полиця

Самостійний проєкт студента — домашня бібліотека з каталогом, журналом читання, добірками та статистикою. Технічний близнюк лекційного: студент повторює той самий прийом на іншій предметній області, тож завдання перевіряє саме розуміння прийому. Наприкінці курсу в портфоліо — завершений робочий застосунок.

Фінальний проєкт

Самостійний проєкт. Одна з чотирьох тем на вибір: «Спільно» · «Верстат» · «Смакотека+» · «Полиця+». Фінальний проєкт проходить повний автономний цикл: Issue → агент → PR → рев’ю-бот → рев’ю людиною → merge. Кожна тема має легенду, user flows та межі MVP. Для найсильніших передбачено розділ «Наступні кроки» — свідомі ускладнення проєкту.

Як проходить навчання

Просто та зрозуміло

Структура заняття

120 хвилин

Теорія

Розбір коду

Q&A

Теорія - 60 хвилин

Розбір коду - 45 хвилин

Q&A сесія - 10 хвилин

Коли відбуваються заняття

Група 1

Група 2

ПН

ВТ

СР

ЧТ

ПТ

СБ

НД

19:00 - 21:00

Живе заняття з тренером

Задавай питання в реальному часі

Живі онлайн заняття з тренером

Заняття групи проходять онлайн. Це ефективне живе спілкування. Всі уроки записуються і доступні для повторного перегляду.

Виконання домашніх завдань

До кожного уроку розроблені практичні завдання, які необхідно виконувати і здавати у спеціальній LMS системі

Перевірка ДЗ та фідбек

Усі роботи студентів перевіряються і по кожному завданню надається фідбек з оцінкою та рекомендаціями.

Тестування та сертифікація

Після завершення курсу студенти складають фінальний тест і отримують сертифікат, який підтверджує рівень знань.

Сертифікація

Підтверди свої знання

Іменний сертифікат після закінчення курсу

Після завершення курсу та проходження тестування ви отримаєте іменний сертифікат від CyberBionic Systematics та TestProvider.com — платформи, яку визнають провідні IT-компанії України

Тестування та сертифікація ІТ фахівців проходить на нашій власній платформі TestProvider.com

Ви отримуєте завірений сертифікат від CyberBionic Systematics, який підтверджує рівень ваших знань та збільшує шанси на успішне працевлаштування.

Кожен сертифікат має серійний номер, роботодавець може його перевірити та переконатися у справжності сертифіката.

Хто проводить навчання

Твої тренери

Костянтин Зівенко

Перейти до Linkedin

Тренер з напрямку Python Developer у CyberBionic Systematics, автор курсів та вебінарів на youtube каналі CodeUA. Комерційний досвід програмування - 3 роки. Класичний приклад світчера - перейшов в IT з абсолютно іншої професії. На сьогодні є Software Engineer (Python Backend Developer) в компанії waylight.me (стартап в США з українським корінням). Щоденно використує Python в професійній діяльності.

Запис відкритий

Готовий почати навчання?

Відправляй заявку та зафіксуй свою знижку на навчання

Уточнимо деталі та зарезервуємо місце

Отримаєш перший урок безкоштовно

Почнеш карʼєру в ІТ

Відгуки студентів

Що кажуть ті, хто вже вчився

Відгуки наших студентів

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.

Читати повністю

Підтверджено на DOU

Максим Пьятаков

SQL Essential

Наша компания давно сотрудничает с CyberBionic Systematics. Часто бывает, что, если нужны какие-то курсы, мы обращаемся именно в эту компанию. У нас регулярно, каждый год, выделяется бюджет на обучение сотрудников для повышения квалификации. Мы обучаемся целой командой из отдела аналитики (и не только из этого отдела), чтобы потом наша команда вместе вникала в весь процесс, и более глубоко понимала, что и как - как формируются различные базы данных и как с ними работать. Отдельным плюсом есть то, что нам дали материалы по обучению, которыми мы активно пользуемся в процессе и сохранили себе. Мы можем дополнительно просматривать материалы по разным урокам, когда не хватает времени. А также можно просматривать видео курсы ITVDN.

Читати повністю

Підтверджено на CyberBionic Systematics

Kateryna Safoshyna

Мій вхід у світ IT виявився надзвичайно швидким та успішним: я отримала офер після першого тестового завдання та першої співбесіди, що є прямим свідченням високої якості підготовки у школі CBS. Програма навчання в CBS демонструє відмінну повноту матеріалу. Особливо цінним є те, що навчальний процес не обмежується лише теоретичною базою. Ментор Дмитро Красний надає студентам не тільки необхідні теоретичні знання, але й цінну практичну складову. Саме завдяки активному виконанню цієї практики я вважаю, що змогла успішно пройти відбір та отримати пропозицію про роботу.

Записи лекцій: Наявність записів лекцій є ключовою перевагою. Це дозволяє повторювати матеріал у зручний час, повертатися до складних тем та ефективно закріплювати знання, що особливо важливо для новачків.

Доступ до відеоресурсів ITVDN: Надання доступу до ITVDN значно розширює навчальні можливості. Це забезпечує студентів великою кількістю додаткового, актуального відеоконтенту, дозволяючи поглиблювати знання за межами основного курсу.

Кар’єрний супровід заслуговує на окрему відзнаку.

Практика: Ментор Дмитро Красний забезпечує студентів необхідною практикою, яка є максимально наближеною до реальних робочих завдань.

Підготовка до співбесід: Надзвичайно важливою є можливість обговорювати з Дмитром усі нюанси співбесід. Це включає розбір технічних питань, стратегій поведінки та зворотний зв’язок щодо пройдених етапів. Ця індивідуальна підтримка та детальний аналіз є критичним фактором, який допоміг мені швидко адаптуватися до вимог ринку праці та досягти успіху.

IT-школу CBS можу однозначно рекомендувати всім, хто прагне ефективного та швидкого старту в IT. Комбінація грунтовної теорії, цілеспрямованої практики, якісного менторства (особлива подяка Дмитру Красному) та доступу до додаткових ресурсів створює ідеальні умови для успішного працевлаштування.

Читати повністю

Підтверджено на DOU