MIDDLE / SENIOR4 ЧАСА · ZOOM25 ИЮНЯ

AI-first
разработка
на Python_

Соберёте и настроите свою профессиональную среду для разработки с агентами: от написания кода до ревью, автотестов и проверки безопасности.

Формат: онлайн, 4 часа. Живой формат с экспертом, запись доступна в LMS.

Записаться на воркшоп Смотреть программу

тем

0ч

практики

готовая среда

bash — boot

$ whoami

Алексей Жиряков

Исп. директор, Сбер · ex-Stream CTO KION

Кому подойдёт воркшоп

// target_audience

Разработчикам

Тем, кто пишет на Python и хочет, чтобы рутину закрывал агент, а они занимались архитектурой и сложными задачами.

Инженерам данных и ML-инженерам

Тем, кому нужен production-grade код, а не ноутбуки, и кто устал спорить с бэкендерами про качество.

DevOps и платформенным инженерам

Тем, кто выстраивает стандарты разработки в командах и хочет зашить их прямо в агента.

Тимлидам и техлидам

Тем, кому важно не просто «внедрить ИИ», а показать руководству вклад агентов в цифрах по коммитам.

python — match_audience.py

>>> from team import you

>>> you.role in {'dev', 'ml', 'devops', 'lead'} True

>>> you.ready_to_ship_with_agents() → welcome aboard

// output

Заберёте с собой после воркшопа

Агентная среда под ключ

Настроенный AI-агент с выверенной схемой «модель под задачу» через OpenRouter. Переносится в любой проект.

Правила, навыки и чеклисты

Готовые промпты под ревью, автотесты, безопасность и политики работы с секретами.

Шаблон AI-first проекта

Python · Litestar · PostgreSQL · Alembic. Готов к продакшену с первого дня.

Карта зон ответственности

Понимание, где агент справляется сам, а где его нужно направлять.

bash — workshop output

$ ls ./workshop-output/

agent-env/ rules/ skills/ templates/ checklists/

$ cat rules/README.md | head -1 # 32 правила для production-кода

json — stack

{

"backend": "Litestar",

"db": "PostgreSQL + Alembic",

"agent": "VS Code + OpenRouter",

"models": ["gpt", "claude", "deepseek", "qwen"]

}

$ register --workshop ai-first-python_

// 4 часа · запись в LMS · рассрочка от 1 463 ₽/мес

Записаться на воркшоп

// environment

Как выглядит среда

Не слайды и не демо — рабочее место, которое вы соберёте за 4 часа.

vs code — ai-first-python

explorer

project/

src/

payment_service.py

orders.py

tests/

test_payment.py

rules/

payment_service.pytest_payment.py

38 def charge(order: Order) -> Payment:

39 session = get_session()

40 payment = session.query(Payment)\

41 .filter_by(order_id=order.id).first()

42- payment.status = 'completed'

43+ with session.begin():

44+ payment.status = 'completed'

45+ session.commit()

46 return payment

48 # tests/test_payment.py

49+def test_payment_retry(db):

50+ assert charge(order).status == 'completed'

agent

// program.json

Программа
воркшопа

Формат: онлайн, 4 часа. Живой формат с экспертом, запись доступна в LMS.

Результат: рабочая агентная среда на живом проекте, которую переносишь в свой репозиторий сразу после воркшопа. Не демонстрация возможностей AI, а собранная среда, в которой агент ежедневно закрывает инженерные задачи.

bash — topics

$ agent run --topics 1..12 --live

[01..04] env ✓ [05..08] rules ✓ [09..12] ship ✓

$ echo $RESULT production-ready ai-first setup

Окружение для разработки

VS Code, Python, uv, Docker, git, линтеры и проверка типов — к следующему шагу приходим с готовым окружением.

Backend на Litestar и PostgreSQL

Поднимаем приложение с правильной архитектурой и базой в Docker, настраиваем Alembic.

Безопасность разработки

Хранение API-ключей, защита от утечек в git, проверка зависимостей и безопасные паттерны.

OpenRouter: один ключ — десятки моделей

Подключаем агента в VS Code: GPT, Claude, DeepSeek, Qwen и другие через один ключ.

Сравнение моделей на реальной задаче

Прогоняем задачу через разные модели: кто аккуратнее в коде, кто лучше в тестах, у кого цена/качество.

Что происходит без правил

Показываем, как агент тянется к чужим паттернам — и почти никогда не совпадает со стандартами команды.

Правила и навыки: агент как инженер команды

Регламенты по коду, архитектуре и навыки под типовые задачи — агент работает по стандартам.

Автоматические проверки качества

Линтеры и форматирование на каждом коммите агента: грязный код физически не проходит в репозиторий.

Тесты и покрытие кода

Агент пишет unit- и integration-тесты по алгоритму, измеряем покрытие.

Типовые задачи руками агента

Полный цикл: новая фича, исправление бага, срочный хотфикс, оформление merge request.

Code Review силами агента

Отдельный агент проверяет код по чеклисту архитектуры, типизации и читаемости.

Измерение вклада агента

Скрипт по истории коммитов показывает цифрой, какая часть кода написана агентом.

AUTHOR.01

// speaker

Алексей
Жиряков

→ Исполнительный директор, Сбер

→ ex-Stream CTO, МТС Web Services (KION)

→ Лидер Python-гильдии, TechMaster MWS

Отвечает за работу с данными для ИИ на платформе ГенИИ (Сбер, блок «Развитие генеративного ИИ»).

15+ лет в backend-разработке, руководитель инженерных команд.

В KION прошёл путь от senior-разработчика до Stream CTO: запускал AI-агентов для автотестов и ускорения code review, строил высоконагруженные системы, вёл направления backend, данных и A/B-экспериментов.

Внедрял DORA, OKR, performance review; растил «продуктовых» разработчиков (dev + QA + analyst).

bash — whoami

$ whoami alexey.zhiryakov

$ git log --author=alexey --oneline | wc -l 15+ лет коммитов

$ agent.contribution_share() ≈ 60% строк в production

// resume.add()

Что добавите в резюме и примените на работе уже завтра

Настройка AI-агентов в VS Code через OpenRouter

Выбор LLM под задачу по метрикам цена/качество

AI-first разработка на Litestar + PostgreSQL + Alembic

Построение агентной среды с правилами и стандартами команды

Автоматический контроль качества: pre-commit, линтеры

Безопасность AI-разработки: секреты, утечки, зависимости

Unit- и integration-тесты через агента с контролем покрытия

Code Review силами AI-агента по чеклисту архитектуры

Оценка вклада AI-инструментов через метрики по коммитам

yaml — skills.yml

skills:

- ai_agent_setup: vs_code + openrouter

- llm_routing: cost / quality trade-off

- ai_first_backend: litestar + postgres

- quality_gate: pre-commit + linters + tests

- secure_ai_dev: secrets, leaks, deps

- agent_code_review: architecture checklist

// pricing

Стоимость воркшопа

Одним платежом

12 000 ₽

Полный доступ к воркшопу, материалам и записи

Рассрочка 24 мес

1 463 ₽ /мес

Без переплаты, оформление онлайн

// faq

Частые вопросы

Q.01Какой уровень подготовки нужен?+

Опыт с ИИ не нужен. Агентную среду собираем с чистого листа: от пустого репозитория до полноценного рабочего места. Пробовали любой AI-ассистент хоть раз? Отлично — стартовый уровень уже пройден.

Q.02Что нужно сделать заранее?+

Практически ничего. Всё основное поставим вместе на воркшопе. До старта достаточно: macOS — установить Homebrew. Windows — поставить WSL2 (Ubuntu), 5–10 минут. Linux (Ubuntu 22.04+) — готово.

Q.03Я пишу на FastAPI, а не Litestar. Мне подойдёт?+

Подход и агентная среда переносятся на любой Python-фреймворк. Все принципы универсальны.

bash — prerequisites

$ uname -s Darwin | Linux | WSL2

$ agent --check-prereqs ✓ всё ставим на воркшопе с нуля

AI-firstразработкана Python_