Kurzusleírás
Autocomplete-tól ügynökökig: miért failnek az ügynökök
• Egy kódolási ügynök anatómiája: modell, keretrendszer, eszköz felület, kontextus, engedélyek
• Hol helyezkedik el minden eszköz: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• A hiba taxonómiája: rossz kontextus, rossz eszközök, hiányzó visszajelzés, korlátlan autonómia
Demonstráció: Ugyanaz a feladat, jól és rosszul futtatva, egymás mellett
Kontextus mérnökség
• A kontextus ablak mint költségvetés: mi érdemel helyet benne
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — egy fogalom, több fájl név, egy truth forrás
• Konvenciók, build és test parancsok, építészeti határok
• Retrieval versus explicit kontextus; feladat dekompozíció és sub-ügynökök
Labor: Írj tároló kontextust egy ismeretlen Python service-hez, majd futtasd le újra a sikertelen feladatot és hasonlítsd össze a kimenetet
Újrafelhasználható munkafolyamatok és Ügynök Készségek
• Az absztrakció választása: instruction file, skill, egyedi command vagy sima script
• Egy skill anatómiája: triggerelés, instrukciók, bundled scripts, progressive disclosure
• Hordozhatóság eszközök között, és hol kezdődik a lock-in
• Verziózás, review és terjesztés egy csapatban; common anti-patterns
Labor: Építs és tesztelj egy újrafelhasználható munkafolyamatot, ami betartatja a ház kódolási szabványt
MCP: Ügynökök csatlakoztatása valós rendszerekhez
• Architektúra: clients, servers, tools, resources és prompts; stdio és HTTP transzportok
• Szerverek, amelyek megérdemlik helyüket: Git hosting, issue trackers, databases, browsers, internal APIs
• Mikor egy CLI vagy script jobb egy MCP szervernél
• Eszköz felület higiénia: miért jelent kevesebb megbízhatóságot több eszköz
Labor: Csatlakoztasd az MCP szervereket és dolgozd végig egy ticketet issue-tól a pull request-ig
Visszajelzési hurkok és értékelés
• Testek, típusok és linters az ügynök ground truthjaként; test-first munka mint control mechanizmus
• CI mint outer loop, és review disciplina az ügynök által írt diffekhez
• Golden-task evaluation sets: mit mérjünk és hogyan fogjuk meg a regressiókat
• Költség és latency mint first-class métrikák
Labor: Építs egy kis evaluation setet és scoreold két ügynök konfigurációt ellene
Biztonság és védelmi sávok
• Prompt injection through issues, pull requests, READMEs, dependencies és fetched pages
• Engedély modellek: allowlists, approvals, read-only tools, network egress control
• Secret higiénia és sandboxing: containers, ephemeral credentials, blast radius limiting
• Supply-chain risk third-party MCP szerverekben és shared skills-ben
Labor: Nézd meg, ahogy egy ügynököt elrabol egy poisoned repository, majd hardened a setup-ot hogy ne tegye
Bevezetés egy csapatban
• Staged adoption path; mit standardizáljunk és mit hagyjunk az egyénekre
• Metríkák, amelyek jelzik a valódi értéket, és azok, amelyek nem
Követelmények
• Python, Git és a parancssor gyakorlati ismerete
• Előzetes érintkezés egy AI kódolási asszisztenssel
• A NobleProg Dadesktop VM-eket állít be a résztvevők számára Dockerrel, VS Code-kal és Python 3.11 vagy újabb verzióval
• A résztvevő által választott működő AI kódolási asszisztens: Claude Code, GitHub Copilot, Cursor, Codex CLI vagy Gemini CLI. A laboratóriumok eszköz-függetlenek, és minden eszközhöz útmutatás nyújtandó
Célcsoport
• Szoftvermérnökök, műszaki csapatvezetők és építészek, akik AI kódolási asszisztenseket használnak, de megbízható eredményeket szeretnének elérni
• Platform és fejlesztői élmény mérnökök, akik AI eszközöket vezetik be csapatokon keresztül
• Mérnöki menedzserek, akik szabványokat, védelmi sávokat és siker métrikákat határoznak meg
Vélemények (3)
Az oktató türelmes és nagyon segítőkész. Jól ismeri a témát.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kurzus - Agentic AI for Business Automation: Use Cases & Integration
Gépi fordítás
Jó ismeret- és gyakorlati keverék
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurzus - Agentic AI for Enterprise Applications
Gépi fordítás
A számítástudomány elméleti és gyakorlati, valamint magasabb és alacsonyabb szintű perspektívák keverékének bemutatása
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurzus - Autonomous Decision-Making with Agentic AI
Gépi fordítás
