Полезный и очень практичный курс. Помог структурировать знания в создании агента.

Vibecoding: Claude Code, Codex, Cursor и agentic development
Практический курс по vibecoding и agentic development: Claude Code, Codex, Cursor и современные coding agents в реальной разработке. Вы научитесь запускать feature workflow через AI, работать с кодовой базой, ускорять debugging, tests и refactoring, делегировать агенту заметную часть разработки и при этом сохранять контроль над качеством, архитектурой и итоговым результатом.
О курсе
Этот курс посвящён современному стилю разработки, в котором Claude Code, Codex, Cursor и другие coding agents берут на себя заметную часть реализации, а Вы управляете задачей, контекстом, качеством и итоговым результатом.
На курсе Вы освоите не просто отдельные AI-инструменты, а полноценный workflow современной разработки: от первой постановки задачи и работы с кодовой базой до debugging, tests, refactoring, agent mode, long-horizon tasks, subagents и MCP. Мы разберём, как использовать coding agents в реальных сценариях, где они действительно ускоряют разработку, а где требуют жёсткого контроля и инженерной дисциплины.
Внутри курса — не абстрактные рассуждения, а практические сценарии, с которыми разработчик сталкивается постоянно:
разработка новых фич;
запуск MVP и быстрых продуктовых итераций;
работа с существующей кодовой базой;
debugging и поиск причин ошибок;
генерация и проверка тестов;
refactoring и cleanup;
документация и технические описания;
API-интеграции, скрипты, миграции и рутинные инженерные задачи.
Отдельный акцент сделан на agent workflow в 2026: как правильно ставить задачи агенту, как передавать контекст проекта, как использовать rules, hooks, skills, parallel agents, subagents и MCP, как принимать изменения не вслепую и как не терять контроль над архитектурой, качеством и безопасностью кода.
После прохождения курса у Вас будет не набор лайфхаков, а цельная система работы с coding agents, которую можно применять в pet-projects, коммерческой разработке, MVP, внутренних инструментах и повседневной инженерной практике.
Чему научитесь
- Выбирать подходящий coding agent и настраивать рабочую среду проекта
- Передавать агенту контекст, ограничения и критерии готовности задачи
- Использовать AI для разработки фич, debugging, тестов и рефакторинга
- Работать с agent mode, длительными задачами и несколькими подагентами
- Подключать внешние инструменты и данные через MCP
- Проверять изменения агента и сохранять контроль над архитектурой и безопасностью
- Собирать переиспользуемые agent workflows для команды и проекта
Для кого
- Разработчики, которые хотят системно использовать Claude Code, Codex и Cursor
- Технические основатели и indie-разработчики, ускоряющие запуск MVP
- Тимлиды и инженеры, внедряющие agentic development в командную работу
Формат
- 10 модулей и 46 уроков
- Практические сценарии на существующей кодовой базе
- Упражнения по разработке, отладке, тестированию и рефакторингу с агентами
- Финальный практикум объединяет контекст, инструменты, MCP и контроль качества
Что нужно на старте
- Опыт разработки хотя бы на одном языке программирования
- Базовая работа с Git и командной строкой
- Собственный небольшой проект или репозиторий для практики
Автор курса
Алексей Малышкин
Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn
Программа
01Инструменты и рабочая среда6 уроков
02Context engineering и постановка задач5 уроков
03Базовые сценарии AI-разработки6 уроков
04Debugging, tests, refactoring6 уроков
05Инженерные сценарии5 уроков
06Продвинутый agent mode5 уроков
07Переиспользуемые agent workflows5 уроков
08MCP и внешние инструменты5 уроков
09Качество, безопасность и командная работа2 урока
10Практикум1 урок
Отзывы
3 отзываПервый для меня курс в направлении промпт-инжиниринга, узнал для себя очень много нового. Изучать легко, в основном всё практическое в курсе. Минус - тестовые задания после глав довольно условные: они очень просты, ошибиться можно только при не очень правильной постановке вопроса или неясном варианте ответа. В целом, считаю время и деньги были потрачены с пользой. Рекомендую для начинающих в AI и с опытом обычной разработки.
Хороший курс, помог разрозненные знания структурировать
Дополнительные материалы и практика
Задачи
- Почему AI-агент расходует больше токенов: задача
- Prompt caching: что кэшируется в AI-агенте
- Open-weight модель через API: где остаются данные
- Квантизация LLM: память, точность и локальный запуск
- Ollama serve: зачем запускать сервер локальной модели
- Переполнение контекста AI-агента: что теряется
- Как экономить контекст AI-агента: задача
- Agent Skills: когда повторяющуюся задачу оформить в навык
