Иван Лапа - Освойте мультиагентную AI-разработку и Spec-Driven Development

Это практический интенсив по созданию AI-агентов и агентных систем для разработчиков уровня Middle, Senior и Tech Lead. Курс ведёт Иван Лапа, UI Engineer L5 в Netflix, имеющий опыт разработки AI-продуктов в DataRobot и Gelato, а также консультирования компаний по внедрению AI.

Главная цель курса

Научить разработчиков переходить от простого использования AI-ассистентов к проектированию полноценных агентных систем с:

памятью (Memory)

оценкой качества (Evals)

мониторингом

управлением стоимостью токенов

автоматизацией разработки

Spec-Driven Development

мультиагентными архитектурами

Курс фокусируется не на генерации кода по запросу, а на построении инженерных процессов, где AI становится частью production-разработки.

Для кого предназначен курс

Подходит:

Middle-разработчикам, самостоятельно ведущим фичи до PR Review.

Senior-разработчикам, желающим построить воспроизводимые AI-процессы.

Tech Lead, которые выбирают инструменты и процессы для команды.

Инженерам, уже использующим Cursor, Claude Code или Copilot.

Тем, кто работает с Git, тестированием и CI/CD.

Не подходит:

Junior-разработчикам без опыта code review.

Тем, кто ожидает, что AI будет писать всё автоматически.

No-Code аудитории.

Людям, которым нужен только обзор технологий без практики.

Проблемы, которые решает курс

Авторы курса выделяют основные риски использования AI в разработке:

Галлюцинации AI

Модель может ссылаться на несуществующие API, файлы или методы и игнорировать стандарты проекта.

Ложное чувство качества

Тесты могут проходить, но решение остаётся ненадёжным из-за пропущенных edge cases и неверных предположений.

Дорогой Review

Проверка AI-кода может занимать больше времени, чем самостоятельное написание решения.

Высокие расходы на токены

При масштабировании команд расходы на AI-инфраструктуру могут быстро расти за счёт множества агентов и повторных запросов.

Основа программы

Курс построен вокруг фреймворка:

4-Pillar Harness Framework

Четыре ключевых элемента:

Skills

Subagents

MCP

Hooks

Этот подход применяется как базовая архитектура построения современных AI-систем.

Программа обучения

Неделя 1. System Design

Урок 1

Harness Framework:

4 компонента системы

5-фазный workflow

Perception Gap аудит

CLAUDE.md v1

Surface Map проекта

Урок 2

Skills Layer:

постоянные инструкции между сессиями

создание нескольких Skills

оптимизация CLAUDE.md

команды /spec, /plan, /commit

Неделя 2. Agent Topology

Урок 3

Контекстная изоляция:

Hub-and-Spoke архитектура

Peer Mesh архитектура

Subagents

Dispatch Matrix

анализ стоимости различных топологий

Урок 4

MCP Integration:

Model Context Protocol

подключение внешних сервисов

создание собственного MCP-сервера

аудит токенов

гибридные Skill + MCP решения

Неделя 3. CI Pipeline

Урок 5

Spec-Driven Development:

Spec - Plan - Implement - Verify

создание spec.md

создание plan.md

разработка через спецификации

retro-spec подход

Урок 6

Quality Gates:

Hooks

TDD

Plan Verifier

Evals

Mutation Testing

CI-интеграция контроля качества

Неделя 4. Масштабирование и Production

Урок 7

Fan-Out архитектуры:

параллельная работа нескольких агентов

Worktree стратегии

миграция проектов

анализ стоимости решений

Урок 8

Production Deployment:

Packaging

CI Agents

План внедрения на 30 дней

Финальная сборка решения

Финальный проект

DevDigest

Участники создают собственную AI-платформу для автоматического Code Review.

В рамках проекта реализуются:

Multi-Agent System

Spec-Driven Development

Evals

MCP

Hooks

CI/CD интеграция

автоматический анализ Pull Request\'ов

PR Review

Автоматический анализ:

Intent

Scope

Risk

PR Score

Blast Radius Analysis

Определение влияния изменений на:

символы

зависимости

вызывающий код

endpoints

Findings Engine

Поиск проблем с указанием:

уровня серьёзности

Confidence

точного file:line

готового варианта исправления

Формат обучения

4 недели обучения.

8 практических занятий.

Домашние задания.

Создание production-ready агентной системы.

Практика с Claude Code, Cursor и современными AI-инструментами.

Кто ведёт

Иван Лапа:

UI Engineer L5 в Netflix.

Более 12 лет в инженерии.

Работал над AI-продуктами в Gelato.

Создавал AI-функциональность в DataRobot.

Консультирует по AI Adoption для Google, МИД Украины, Skelar, Obrio и GR8.

Язык Украинский