Building Grand Service with AI
Практический курс о том, как проектировать, делегировать AI-агентам, проверять и запускать независимые модули внутри большой платформы.
Not startedIntermediate
Progress
0%
0/10 lessons
Modules
4
Course sections
Lessons
10
Practical sequence
Duration
4h
Estimated reading time
Start the course
Почему «сделай мне AI-курс» — плохая задача
От идеи к ограниченной задаче
Как превратить большую продуктовую идею в одну итерацию, которую AI-агент сможет безопасно спроектировать, реализовать и проверить.
Почему «сделай мне AI-курс» — плохая задачаРазбираем, почему широкие промпты раздувают архитектуру, и как сузить идею до вертикального среза.22 minNewКак изучать существующий проект до написания кодаУчимся читать проект перед реализацией: routes, features, shared UI, auth, persistence и Docker.24 minNew
Постановка задачи AI-агенту
Как писать задания, handoff и ограничения так, чтобы Codex работал как инженер внутри проекта, а не как генератор случайных страниц.
Из чего состоит production-ready промпт для CodexРазбираем структуру задания: контекст, цель, scope, out of scope, проверки и финальный отчет.25 minNewКак не дать параллельным агентам конфликтоватьOwnership, forbidden directories и правило: не откатывать чужой diff, даже если он виден в рабочем дереве.23 minNewПочему handoff должен быть самодостаточнымУчимся передавать агенту состояние проекта, решения, ограничения и критерии приемки без длинной переписки.22 minNew
Контроль архитектуры и технического долга
Как отличать рабочий интерфейс от production-ready системы и не скрывать инфраструктурные ограничения.
Почему рабочий интерфейс ещё не означает готовую системуНа реальном кейсе Academy разбираем разницу между UI complete, feature complete, infrastructure complete и production ready.24 minNewRepository pattern без лишней архитектурыЗачем AcademyProgressRepository нужен именно здесь, и когда такой pattern был бы лишним.25 minNewНе придумывать отсутствующую инфраструктуруРазбираем сценарий C: нет DB client, auth resolver и migration runner — значит нельзя тихо строить новую платформу.26 minNew
Проверка и передача результата
Как принимать работу AI-агента: от typecheck и build до mutation smoke, idempotency и честного production handoff.
Как проверять работу AI-агентаРазбираем уровни проверки: TypeScript, lint, tests, build, HTTP smoke, mutation smoke, idempotency и forbidden files.24 minNewКак выглядит хороший финальный handoffУчимся писать честный итоговый отчет: что сделано, что проверено, какие gaps остались и что запрещенный scope не тронут.25 minNew