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:
- Окружение для разработки
- Backend-проект на Litestar и PostgreSQL
- Безопасность разработки
- OpenRouter: один ключ — десятки моделей
- Сравнение моделей на реальной задаче
- Что происходит без правил
- Правила и навыки: агент как инженер команды
- Автоматические проверки качества
- Тесты и покрытие кода
- Типовые задачи руками агента
- Code Review силами агента
- 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
