Kurzusleírás
Bevezetés a Claude Code-ba és az AI által támogatott szoftverfejlesztésbe
- Mi a Claude Code és hogyan különbözik a hagyományos AI-eszközöktől
- A generatív AI-ügynökök szerepe a szoftverfejlesztésben
- Nagy parancsok használata teljes alkalmazások létrehozásához
- A termelékenységnövekedés megértése az AI által támogatott fejlesztésben
AI munkaerő és szoftverfejlesztési termelékenység
- A Claude Code kezelése mint egy AI-fejlesztő csapat
- A gyakori félelmek és tévhitek kezelése az AI-ről a mérnöki területen
- Az AI munkaerő-gazdaságtan megértése
- A Best-of-N minta kihasználása több megoldás generálásához
- Az optimális implementációk kiválasztása és finomítása
Claude Code, tervezés és kódminőség
- A kódminőség értékelése az AI által
- Szoftvertervezési elvek alkalmazása AI segítségével
- AI használata a követelmények és megoldási területek feltárásához
- Gyors prototípuskészítés beszélgetésalapú tervezési munkafolyamatokkal
- Korlátozások és strukturált parancsok alkalmazása a kimeneti minőség javításához
Folyamat, kontextus és a Model Context Protocol (MCP)
- A folyamat és a kontextus fontossága a nyers kódgenerálás felett
- Globális állandó kontextus a CLAUDE.md segítségével
- Projekt szabályok, architektúra és korlátozások strukturálása kontextusfájlokban
- Újrafelhasználható célzott kontextus a Claude Code parancsokkal
- Kontextusbeli tanulás példák tanításával a Claude Code-nak
Automatizálás és dokumentáció a Claude Code-val
- Dokumentáció generálása és karbantartása a Claude Code segítségével
- Ismétlődő mérnöki feladatok automatizálása
- Újrafelhasználható munkafolyamatok létrehozása kontextus és parancsok alapján
Verziókövetés és párhuzamos fejlesztés a Claude Code-val
- A Claude Code integrálása Git-alapú munkafolyamatokba
- Git ágak és munkafák használata AI-ügynökökkel
- Claude Code feladatok párhuzamos futtatása
- Több AI-alügynök koordinálása különböző funkciókon
- Párhuzamos funkciófejlesztés biztonságos kezelése
A Claude Code skálázása és AI-érvelés
- A Claude Code keze, szeme és füleként való viselkedés
- Biztosítása, hogy a Claude Code ellenőrizze és átnézze saját munkáját
- Token korlátok és architekturális komplexitás kezelése
- Projektstruktúra és fájlnevezés tervezése AI skálázhatóság érdekében
- Hosszú távú kódbázis egészségének fenntartása AI támogatással
Multimodális parancsok és folyamatvezérelt fejlesztés
- A folyamat és a kontextus javítása a kód javítása előtt
- Informális bemenetek (jegyzetek, vázlatok, specifikációk) lefordítása gyártási kóddá
- Multimodális bemenetek használata az implementáció irányításához
- Ismételhető AI által támogatott fejlesztési folyamatok létrehozása
Záróprojekt: A saját Claude Code folyamatod meghatározása
- Személyes vagy csapat szintű Claude Code munkafolyamat tervezése
- Kontextusfájlok, parancsok, alügynökök és parancsok kombinálása
- Újrafelhasználható, skálázható AI által támogatott mérnöki folyamat létrehozása
Követelmények
- A szoftverfejlesztés alapelveinek és a gyakori mérnöki munkafolyamatoknak a megértése.
- Tapasztalat egy programozási nyelvben, például JavaScript, Python stb.
- Parancssoros / terminál használati tapasztalat és a Git munkafolyamatok ismerete.
Közönség
- Szoftverfejlesztők, akik szeretnék integrálni az AI-t a fejlesztési folyamataikba.
- Technikai csapatvezetők, akik szeretnék javítani a mérnöki termelékenységet AI-eszközökkel.
- DevOps mérnökök és mérnöki menedzserek, akik érdeklődnek az AI által támogatott kódolási automatizálás iránt.
Vélemények (2)
Hogy megszereztem tudást a Python Streamlit könyvtárról, és biztosan megpróbálom használni annak érdekében, hogy fejlesszem a csapatomban használt R Shiny alkalmazásokat.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurzus - GitHub Copilot for Developers
Gépi fordítás
Közelítő és hatékony gyakorlási munkamenet a képző tanári ismeretei a copilot speciális használatáról
Tan - ViTrox Technologies Sdn Bhd
Kurzus - Intermediate GitHub Copilot
Gépi fordítás