AI-first разработка на Python

Программа курса

Ознакомьтесь с программой курса «AI-first разработка на Python» от KARPOVCOURSES - karpov.courses

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.

Чему вы научитесь

• Освоите и сможете применять: 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 контрол…
• Освоите и сможете применять: 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…
• Освоите и сможете применять: 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…
• Освоите и сможете применять: 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.
• Освоите и сможете применять: автоматические проверки качества. настраиваем линтеры и форматирование так, чтобы они срабатывали на каждом коммите агента грязный код физически не проходит в репозиторий.