Lépjen kapcsolatba velünk

Kurzusleírás

A négyrétegű személyre szabási réteg

1. szint | Ismeri – Rules és AGENTS.md

Feldolgozott témák:
• A projekt konvenciók és kódolási szabványok meghatározása
• Az architektúra és technikai korlátok dokumentálása
• Eszköztől független projektirányítás létrehozása
• Konzitensség biztosítása a fejlesztőcsapatok és AI-eszközök között

2. szint | Tudja – Skills

Feldolgozott témák:
• Újrafelhasználható, szakértelmet tartalmazó egységek létrehozása
• Kontextusinformációk betöltése csak szükség esetén
• A kontextus méretének csökkentése a feladatteljesítmény javítása mellett
• Újrafelhasználható munkafolyamatok és szakértelmű tudásbázisok építése

3. szint | Kapcsolódik – MCP

Feldolgozott témák:
• AI-eszközök csatlakoztatása külső rendszerekhez és szolgáltatásokhoz
• Hozzáférés tárhelyekhez, adatbázisokhoz és dokumentációforrásokhoz
• Az AI kódolási asszisztens képességeinek bővítése
• Biztonságos integrációk és ellenőrzési mechanizmusok megvalósítása

4. szint | Cselekszik – Agents

Feldolgozott témák:
• Az autonóm AI-ügynökök és képességeik megértése
• Kód olvasása, írása, tesztelése és javítása autonóm módon
• Célvezérelt munkafolyamatok és delegált feladatok kezelése
• Felügyeleti és emberi ellenőrzési mechanizmusok létrehozása az agens rendszerek számára

1. nap | Delegálás és eszközök bővítése

1. modul | Az asszistenttől az ügynökig

Feldolgozott témák:
• Az AI-asszisztensek és az autonóm ügynökök közötti különbségek megértése
• Soron belüli kódkiegészítés vs. agens alapú delegálás
• Hogyan változtatja meg az agens munkafolyamat a fejlesztési feladatok strukturálását
• Olyan feladatok azonosítása, amelyek alkalmasak ügynökökre bízásra
• Legjobb gyakorlatok az autonóm AI-rendszerekkel való együttműködéshez

2. modul | Az eredményes delegálások,
nélkülözve a folyamatos felügyeletet

Feldolgozott témák:
• Hatékony utasítások írása AI-ügynökök számára
• A megfelelő kontextus és üzleti követelmények biztosítása
• A végrehajtáshoz szükséges korlátok és határok meghatározása
• Egyértelmű elfogadási kritériumok és sikermérők meghatározása
• Az emberi beavatkozás minimalizálása a minőség megőrzése mellett

3. modul | A személyre szabási réteg és annak alkalmazási területei

Feldolgozott témák:
• A négyrétegű személyre szabási réteg megértése
• Rules és AGENTS.md használata a projekt konvenciók meghatározásához
• Annak meghatározása, hogy mely személyre szabási mechanizmusok alkalmazhatók különböző esetekben
• A kontextus hatékony kezelése eszközök és projektek között
‣ Konzisztens AI-alapú fejlesztési környezetek létrehozása

4. modul | Skills és al-ügynökök

Feldolgozott témák:
• Újrafelhasználható Skills létrehozása a gyakori munkafolyamatokhoz és feladatokhoz
• Szakértelmet tartalmazó tudás csomagolása az ismételt felhasználáshoz
• Az al-ügynökök és az elkülönített kontextusok szerepének megértése
• Korlátolt feladatok delegálása specializált ügynököknek
• A hatékonyság javítása moduláris AI-munkafolyamatokon keresztül

2. nap | Eszközök összekötése, párhuzamosság és governance

5. modul | MCP: Csatlakozás és építés

Feldolgozott témák:
• A Model Context Protocol (MCP) elveinek megértése
• AI-eszközök csatlakoztatása külső rendszerekhez és szolgáltatásokhoz
• Böngészők, adatbázisok, tárhelyek és dokumentációforrások integrálása
• Egyedi MCP-szerver építése
• Hozzáférés-vezérlés és biztonsági szempontok kezelése

6. modul | A fegyelmezett agens munkafolyamat

Feldolgozott témák:
• Ismételhető, AI-alapú fejlesztési folyamat bevezetése
• Ötletelés és tervezés AI-ügynökökkel
• Megoldások közös kidolgozása és megvalósítása
‣ Az előállított kimenetek tesztelése és validálása
• A szállítmányok átnézése és véglegesítése megfelelő ellenőrzési lépésekkel

7. modul | Párhuzamos fejlesztés

Feldolgozott témák:
• Több AI-ügynök egyszerre futtatása
• Munka az elkülönített ágakkal és Git worktree-kel
• A fejlesztési tevékenységek koordinálása párhuzamos munkafolyamatok között
• A több ügynöktől származó kimenetek egyesítése és validálása
‣ A termelékenység növelése párhuzamos végrehajtási stratégiákon keresztül

8. modul | Kockázatok, ellenőrzés és governance

Feldolgozott témák:
• Külső Skills és MCP-szerverek értékelése és hitelesítése
• A biztonsági és governance kockázatok megértése
• Jogosultságok és hozzáférési jogok kezelése
• Érzékeny adatok és szellemi tulajdon védelme
• Ellenőrzési folyamatok és minőségbiztosítási gyakorlatok bevezetése

9. modul | AI-bevétel a szoftverfejlesztésben: Felhasználási esetek és következő lépések

Feldolgozott témák:
• Ahogy a szervezetek integrálják az AI-t a Szoftverfejlesztési Ciklus életciklusába (SDLC)
• Valós példákat és megvalósítási eseteket különféle iparágakból
• Az AI-bevétel elterjedt megközelítései: egyéni bevétel, csapat-alapú bevétel és szervezetszintű lehetőségbővítés
• Tipikus felhasználási esetek az SDLC teljes tartományában:
• Követelmények gyűjtése és dokumentáció
• Kódgenerálás és prototípuskészítés
• Tesztelés és minőségbiztosítás
• Kódáttekintés és refaktorálás
• Dokumentáció és tudásmenedzsment
• DevOps és incidenskezelés
• Governance modellek, szabályzatok és biztonsági szempontok
• A termelékenység és a ROI mérése az AI-alapú fejlesztésben
• Belső AI-bevételi útiterv kidolgozása
• Gyakorlati következő lépések meghatározása a résztvevők és csapatuk számára

Interaktív megbeszélés-műhely

• A résztvevő fejlesztőcsapatok aktuális kihívásai
• Azonnali bevezetésre alkalmas, magas értékű felhasználási esetek azonosítása
• Kockázatok, akadályok és szervezeti szempontok
• Az AI-integrációhoz szóló kezdeti cselekvési terv létrehozása.

Követelmények

Felsőfokú fejlesztői tapasztalat, a terminál kezelési magabiztossága és a Git alapvető ismeretei. Egy AI kódolási eszköz rendszeres használata, vagy a Foundations kurzus sikeres elvégzése.

Célközönség

AI-eszközöket már használó fejlesztők, a csapatban történő bevezetésért felelős technikai vezetők, valamint Skills-eket és MCP-szervereket építő platform- vagy DevOps mérnökök.

 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák