В основі програми 4-pillar harness framework - новий industry-standard
SKILLS
SUBAGENTS
MCP
HOOKS
ТИЖДЕНЬ 01
System Design
L01
Harness: 4 компоненти + 5-фазний workflow
perception-gap аудит · CLAUDE.md v1 · surface map
L02
Skills Layer: постійні інструкції між сесіями
3+ Skills · CLAUDE.md ≤200 рядків · /spec /plan /commit
ТИЖДЕНЬ 02
Agent Topology
L03
Ізоляція контексту: Hub-and-Spoke vs Peer Mesh
5 subagents · dispatch matrix · cost-per-topology звіт
L04
MCP інтеграція: зовнішні сервіси за єдиним протоколом
custom MCP server ~50 рядків · token budget аудит · hybrid Skill+MCP
ТИЖДЕНЬ 03
CI Pipeline
L05
Spec-Driven Development: spec → plan → implement → verify
spec.md + plan.md · feature за $17.42 · retro-spec
L06
Quality Gates: hooks → TDD → plan-verifier → evals
3 hooks · plan-verifier у CI · 20-trace eval · mutation report
ТИЖДЕНЬ 04
Масштаб + Production
L07
Паралельний fan-out: worktree × 3 агенти + migration playbook
working migration · fan-out log · cost delta звіт
L08
Plugin packaging + CI agents + 30-day rollout
FINAL BUNDLE: harness plugin · CI agent · deployed DevDigest v1
Фінальний проєкт — DevDigest
AI-платформа для code review, яку ти будуєш як full-stack capstone
Один продукт, на якому матеріалізується весь каркас курсу — 4-Pillar Harness (Skills · Subagents · MCP · Hooks), Spec-Driven Development, evals, multi-agent fan-out і деплой у CI.
Робочий SaaS-інструмент, що автоматично рев'ює pull request'и налаштовуваними AI-агентами — на ключі самого користувача, без проходу даних через чужі сервери.
Робочий SaaS-інструмент, що автоматично рев'ює pull request'и налаштовуваними AI-агентами — на ключі самого користувача, без проходу даних через чужі сервери.
PR Review
— структурований розбір кожного PR: Intent / Scope / Risk + PR Score, Blast Radius (що зачіпає зміна: symbols → callers → endpoints), і Findings за severity з точним file:line, рівнем confidence і готовим fix
Конструктор агентів
— агент = модель + prompt + skills + output schema (Security / Performance / Junior Mentor reviewers)
Skills Lab
— перевикористовувані навички-модулі (secret-leakage-gate, lethal-trifecta, pr-quality-rubric), що складаються в промпт
Evals
— тест-кейси для агента: симулюють діф і ассертять очікуваний вивід, із pass/fail, часом і вартістю
Multi-Agent Review
— один PR паралельно через усіх агентів (fan-out на worktrees) + секція «Where agents disagree»
Repo Intelligence
— auto-onboarding по репо, індексація PRD як grounding, Conformance Report (Implemented / Missing / Scope creep)
Memory (pgvector)
— курована пам'ять рішень і конвенцій, яку агенти підтягують у рев'ю
Ops-шар
— Run Trace з токенами й вартістю, accept-rate як сигнал якості, Export to CI (GitHub Actions / CircleCI / Jenkins)
Перший Sprint
пройшли 77 інженерів
Хто навчався на Sprint
30%
Team Leads, що масштабують AI у своїх командах
17%
Senior Engineers
27%
Middle Engineers
19%
Інженери із суміжних напрямів
8%
Повертаються в індустрію
Що пишуть учасники
Готові зробити AI Engineering своєю щоденною практикою?
Старт потоку: 27 липня
Для учасників практикуму діють спеціальні умови вступу
Звичайна вартість
€690 €770
* Остаточні умови підтвердить менеджер після заявки
Спеціальна ціна для учасників практикуму
Ваш шлях в AI Agentic Engineering починається тут
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
