practical course edition 03 Anthropic · OpenAI · Google · Microsoft

AI Engineering Roadmap

Практический маршрут по agentic engineering: Claude Code / Codex CLI workflow, subagents и параллельная оркестрация, Cursor, GitHub Copilot, MCP, evals, observability, guardrails и финальный проект, который можно показать как инженерный артефакт.

Открыть фазы Официальные треки

§ 00входная диагностика

Сначала маршрут

Отметьте, что уже уверенно делали руками. Это не экзамен: блок помогает выбрать темп.

Python

Уверенно пишу backend-код, тесты и typed interfaces

FastAPI/Django, pytest, Pydantic, async jobs, API-клиенты, ошибки и retries.

CI/CD

Могу сам собрать pipeline, rollback и production dashboard

GitHub Actions/GitLab CI, Docker, метрики, алерты, canary rollout, runbooks.

AI coding

Регулярно работаю через Claude Code, Cursor или аналоги

Умею просить исследование кодовой базы, план, патч, тесты и ревью результата.

Tools

Понимаю function calling / tools / MCP не только на уровне терминов

Могу описать tool schema, ограничения, права доступа и обработку ошибок.

Evals

Писал eval cases или хотя бы regression suite для LLM-output

Есть понимание dataset, graders, метрик качества, latency/cost budget и PR-gate.

English

Могу читать официальные AI docs и смотреть технические доклады на английском

Не обязательно идеально говорить: важно регулярно потреблять первоисточники.

§ 01официальные треки

Четыре опоры обучения

Anthropic

Claude, tools, evals

Prompt engineering tutorial, Claude API fundamentals, prompt evaluations, tool use и cookbook patterns для production prompts.

courses + docs + cookbook OpenAI

Agents SDK, Codex, evals

Building agents, Agents SDK, Codex CLI, built-in tools, graders, deployment checklist, safety practices и Agents workflow.

API + Codex + Agents resources Google

Gemini + ADK

Agent Development Kit, graph workflows, tools, evaluation, Gemini function calling, code execution и context management.

ADK + Gemini API Microsoft/GitHub

GH-600 + Copilot agents

GitHub agentic SDLC, Copilot cloud agent, MCP, Semantic Kernel, Foundry Agent Service, governance и guardrails.

Learn + GitHub Docs

§ 02программа курса

Пять фаз

Каждый урок — страница с материалами, заметками и тестом. Прогресс сохраняется в браузере.

Урок первый

Фаза 1 · Фундамент

Понять разницу между workflow и agent. Освоить пять базовых паттернов: chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer.

0 / 11 завершено ≈ 1 неделя · 8 часов

Урок второй

Фаза 2 · Vibe Coding

Сделать AI-агентов частью ежедневного рабочего инструментария: Claude Code, Cursor, MCP и удалённые сессии. Это привычка, не курс — начинайте прямо во время первой фазы.

0 / 24 завершено ≈ 1–2 недели · параллельно с другими фазами

Урок третий

Фаза 3 · Production Agents

Здесь ваш CI/CD-бэкграунд даёт огромное преимущество. Evals как тесты, observability как метрики, cost как обычная статья бюджета.

0 / 18 завершено ≈ 3–4 недели · основной блок

Урок четвёртый

Фаза 4 · Frameworks & Multi-Agent

Выбрать один фреймворк и нырнуть глубоко. Остальные — обзорно, чтобы знать ландшафт и уметь читать чужой код.

0 / 20 завершено ≈ 2–3 недели · углубление

Урок пятый

Фаза 5 · Deploy & Ops

Это ваша зона. Переносим CI/CD-мышление на LLM-приложения. Прививка против хаоса в продакшене.

0 / 20 завершено ≈ 1–2 недели · финишная прямая

★

Бонус · для портфолио + фоновое обучение

Final Project & Resources

Финальный проект под ваш профиль, подкасты на каждый день, русскоязычные ресурсы, английский и официальные треки Anthropic, OpenAI, Google и Microsoft — параллельно с курсом.

0 / 58 завершено для портфолио + фоновое обучение

§ 0312-недельный маршрут

Каждую неделю — артефакт

Фундамент

Сравнить workflow vs agent, собрать карту паттернов и словарь терминов.

Prompting

Пройти интерактивный tutorial, оформить собственный prompt playbook.

Agentic coding

Настроить Claude/Cursor/Copilot правила, subagents и hooks; решить 2 реальные задачи через agents.

Tools + MCP

Собрать минимального Python-агента с tool permissions, MCP boundary и structured outputs.

Evals

Написать 20-30 кейсов, базовые graders и первый regression report.

Observability

Подключить traces, cost/latency метрики и разбор одного плохого run.

Framework

Выбрать LangGraph, OpenAI Agents SDK или Pydantic AI и переписать agent loop.

Multi-agent

Сравнить orchestrator-workers на фреймворке и на параллельных CLI-агентах в git worktrees.

Guardrails

Описать dangerous tools, approvals, sandbox, prompt-injection тесты и autonomy levels.

GitHub SDLC

Промпты в git, eval suite в PR, CODEOWNERS/rulesets и release notes для model/prompt changes.

Capstone

Собрать финальный сервис с README, demo, traces и воспроизводимым setup.

Portfolio

Записать demo, оформить архитектуру, limitations, eval report и roadmap v2.

§ 04сквозные темы

Материал — по смыслу

Tool use & MCPДом: фаза 2. Основы — в фазе 1, применение — в 3–4, права и sandbox — в 5.
EvalsДом: фаза 3. Зачем нужны — в фазе 1, в CI на каждый PR — в фазе 5.
ObservabilityДом: фаза 3 (метрики) и фаза 5 (инструмент). В capstone — читаемый trace.
Multi-agentДом: фаза 4. Анти-хайп и безопасностный взгляд — в фазе 5.
Оркестрация кодинг-агентовДом: фаза 4 (паттерны, worktrees, spec-driven). Инструментарий — фаза 2 (subagents, hooks, headless), безопасность автономии — фаза 5.
Guardrails & safetyДом: фаза 5. Практика в финальном проекте: allowlist, approvals, dry-run.
CI/CD-мышлениеТвой бэкграунд. Превращается в evals-as-tests и cost-as-budget в фазах 3 и 5.