Lépjen kapcsolatba velünk

Kurzusleírás

A négy rétegű személyre szabási réteg

1. szint | Tudja – Szabályok és AGENTS.md

Bővebben:
• A projektconventiók és kódolási szabványok meghatározása
• Az architektúra és technikai korlátok dokumentálása
• Eszközfüggetlen projektirányítás létrehozása
• Konzisztencia biztosítása a fejlesztőcsapatok és az AI-eszközök között

2. szint | Tud – Készségek (Skills)

Bővebben:
• Újrafelhasználható specializált tudáselemek létrehozása
• Kontextusinformációk betöltése csak szükség esetén
• A kontextus méretének csökkentése a feladat teljesítmény javítása mellett
• Újrafelhasználható munkafolyamatok és szakértelem könyvtárainak kiépítése

3. szint | Eléri – MCP

Bővebben:
• Az AI-eszközök külső rendszerekkel és szolgáltatásokkal való összekötése
• Tárolókhoz, adatbázisokhoz és dokumentációforrásokhoz való hozzáférés
• Az AI-alapú kódolási asszisztens képességeinek bővítése
• Biztonságos integrációk és irányítási szabályok megvalósítása

4. szint | Cselekszik – Ügynökök (Agents)

Bővebben:
• Az autonóm AI-ügynökök és képességeik megértése
• Kód önálló írása, olvasása, tesztelése és javítása
• Célvezérelt munkafolyamatok és delegált feladatok kezelése
‣ Felügyeleti és emberi ellenőrzési mechanizmusok kiépítése az agensrendszerek számára

1. nap | Delegálás és az eszközök bővítése

1. modul | Asszisztensből ügynökké

Bővebben:
• Az AI-asszisztensek és az autonóm ügynökök közötti különbségek megértése
• Inline kódkiegészítés versus agens-delegálás
• Hogyan változtatja meg a munkafolyamatok jellege a fejlesztési feladatok struktúráját
• Olyan feladatok azonosítása, amelyek alkalmasak ügynökökre bízásra
• Az autonóm AI-rendszerekkel való együttműködés legjobb gyakorlatai

2. modul | Működő delegálások nélkül felügyelettel és hurkokkal

Bővebben:
• Hatékony utasítások írása AI-ügynökök számára
• Elegendő kontextus és üzleti követelmények biztosítása
• A végrehajtáshoz szükséges korlátok és határok meghatározása
• Egyértelmű elfogadási kritériumok és sikerességmérők létrehozása
• Az emberi beavatkozás minimalizálása a minőség fenntartása mellett
• Hogyan építsünk hurkokat (Loops)?

3. modul | Személyre szabási réteg és alkalmazási területek

Bővebben:
• A négy rétegű személyre szabási réteg megértése
• A Rules és AGENTS.md használata projektconventiók meghatározására
• Olyan helyzetek azonosítása, amelyekben melyik személyre szabási mechanizmus alkalmazandó
• Kontextus hatékony kezelése eszközökön és projekteken keresztül
• Konzisztens, AI-alapú fejlesztői környezetek létrehozása

4. modul | Készségek (Skills) és altügynökök

Bővebben:
• Újrafelhasználható Skills létrehozása gyakori munkafolyamatokhoz és feladatokhoz
• Specializált tudás csomagolása ismételt felhasználásra
• Az altügynökök és a szigetelt kontextusok szerepének megértése
• Korlátolt feladatok delegálása specializált ügynökökre
• Hatékonyságnövelés moduláris AI-munkafolyamatokon keresztül

2. nap | Eszközcsatlakozás, párhuzamosság és irányítás (Governance)

5. modul | MCP: Csatlakoztatás és fejlesztés

Bővebben:
• A Model Context Protocol (MCP) elveinek megértése
• Az AI-eszközök külső rendszerekkel és szolgáltatásokkal való összekötése
• Böngészők, adatbázisok, tárolók és dokumentációforrások integrálása
• Egyedi MCP-szerver fejlesztése
• Hozzáadási szabályok és biztonsági szempontok kezelése

6. modul | A fegyelmezett agens-munkafolyamat

Bővebben:
• Ismétlődő, AI-alapú fejlesztési folyamatok kiépítése
• Agensszel történő ötletelés és tervezés
• Megoldások közösen történő fejlesztése és implementálása
‥ A generált kimenetek tesztelése és validálása
• A szállítmányok megfelelő ellenőrzési lépésekkel történő felülvizsgálata és lezárása
• Hogyan állítsunk be célokat?

7. modul | Párhuzamos fejlesztés

Bővebben:
‡ Több AI-ügynök egyidejű futtatása
‡ Szigetelt ágak és Git worktrees használata
‡ A fejlesztési tevékenységek koordinálása párhuzamos munkafolyamatokon keresztül
‡ Több ügynök kimenetének egyesítése és validálása
‡ Termelékenységnövelés párhuzamos végrehajtási stratégiákon keresztül

8. modul: Kockázatok, felülvizsgálat és irányítás (Governance)

Bővebben:
‡ Külső Skills és MCP-szerverek értékelése és ellenőrzése
‡ Biztonsági és irányítási kockázatok megértése
‡ Jogosultságok és hozzáférési jogok kezelése
‡ Érzékeny adatok és szellemi tulajdon védelme
‡ Felülvizsgálati folyamatok és minőségbiztosítási gyakorlatok kiépítése

9. modul: AI-bevezetés a szoftverfejlesztésben: Használati esetek és következő lépések

Bővebben:
‡ Hogyan integrálják a szervezetek az AI-t a Szoftverfejlesztési Ciklusba (SDLC)?
‡ Valós esetek és megvalósítási példák különböző iparágakból
‡ Gyakori AI-bevezetési megközelítések: egyéni bevezetés, csapat alapú bevezetés és szervezet-szintű enablement
‡ Gyakori használati esetek az SDLC területén:
‡ Igénygyűjtés és dokumentáció
‡ Kódgenerálás és prototípuskészítés
‡ Tesztelés és minőségbiztosítás
‡ Kód felülvizsgálata és refactorálása
‡ Dokumentáció és tudásmenedzsment
‡ DevOps és incidenskezelés
‡ Irányítási modellek, szabályzatok és biztonsági szempontok
‡ Termelékenység és megtérülés (ROI) mérése az AI-alapú fejlesztésben
‡ Belső AI-bevezetési útmutató kidolgozása
‡ Gyakorlati következő lépések meghatározása a résztvevők és csapataik számára

Interaktív beszélgetéses workshop

‡ A résztvevő fejlesztőcsapatok aktuális kihívásai
‡ Az azonnali bevezetésre érdemes, nagy értékű használati esetek azonosítása
‡ Kockázatok, akadályok és szervezeti szempontok
‡ Kezdeti cselekvési terv létrehozása az AI-integrációhoz.

Követelmények

Szakmai fejlesztői tapasztalat, parancssorban való otthonosság és közepes Git-tudás. Egy AI-alapú kódolási eszköz rendszeres használata, vagy a Foundations (Alapok) tanfolyam elvégzése.

Célközönség

AI-eszközöket már használó fejlesztők, csapatok bevezetéséért felelős technikai vezetőik, valamint olyan platform- vagy DevOps-mérnökök, akik Skills-eket és MCP-szervereket fejlesztenek.

 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák