Szkolenie Narzędzia AI wspomagające pracę programisty

Dzień 1 (8h) – Efektywna praca z AI: od podstaw do działającego kodu

Moduł 1: Wprowadzenie do AI w pracy programisty (2h)

• Generatywna AI i modele językowe: jak działają i w jakich zadaniach programistycznych mogą pomóc.
• Asystent AI, agent i workflow: różnice między rozmową z modelem a zlecaniem mu pracy z kodem.
• Podstawowe pojęcia: prompt, tokeny, okno kontekstowe, wywoływanie narzędzi i instrukcje projektowe.
• Mapa narzędzi: ChatGPT, Codex, GitHub Copilot, Claude Code i Cursor oraz ich miejsce w codziennej pracy.
• Wprowadzenie do MCP, RAG i skilli: dostęp do narzędzi, wykorzystanie wiedzy projektowej i wielokrotne używanie procedur.
• Ograniczenia AI i zasady pracy z kodem firmowym: weryfikacja odpowiedzi, ochrona danych i odpowiedzialność za zmiany.

Moduł 2: Wymagania, kontekst i skille: jak przygotować AI do pracy z projektem (3h)

• Przygotowanie zadania dla AI: cel, kontekst techniczny, ograniczenia, kryteria akceptacji i sposób sprawdzenia rezultatu.
• Analiza istniejącego repozytorium: punkty wejścia, zależności, przepływ danych i miejsca wymagające zmiany.
• Przekładanie opisu funkcji na plan implementacji, listę plików i scenariusze testowe.
• Instrukcje projektowe: architektura, konwencje kodu, komendy testowe i zasady pracy z repozytorium.
• Skille jako powtarzalne procedury pracy: zastosowanie, instrukcje, materiały pomocnicze i oczekiwany rezultat; różnice względem pojedynczego promptu i stałych reguł projektu.
• Warsztat: przygotowanie specyfikacji funkcji oraz pierwszego skilla do planowania zmian zgodnie ze standardami projektu.

Moduł 3: GitHub Copilot i Cursor: implementacja funkcji w IDE (3h)

• Konfiguracja środowiska i wskazywanie kontekstu: pliki, symbole, dokumentacja oraz reguły projektu.
• Praca z asystentem i agentem: wyjaśnianie kodu, planowanie rozwiązania i wprowadzanie zmian w wielu plikach.
• Implementacja funkcji zgodnie z istniejącą architekturą, interfejsami i konwencjami zespołu.
• Generowanie i uruchamianie testów: scenariusze pozytywne, przypadki brzegowe oraz obsługa błędów.
• Kontrola zmian: analiza diffów, wykrywanie zbędnych modyfikacji i wycofywanie nietrafionych propozycji.
• Warsztat: wdrożenie funkcji wraz z testami i ocena jej zgodności z kryteriami akceptacji.

Dzień 2 (8h) – Agentowa praca z repozytorium, skille i integracje przez MCP

Moduł 4: Claude Code i Codex: od analizy błędu do zweryfikowanej poprawki (2h)

• Przygotowanie agenta do pracy z repozytorium: instrukcje projektowe, dostępne narzędzia i zakres uprawnień.
• Planowanie zmian wieloplikowych i ustalanie punktów wymagających decyzji programisty.
• Diagnozowanie błędów na podstawie kodu, logów, komunikatów terminala i wyników testów.
• Tworzenie skilla do naprawy błędów: odtworzenie problemu, test regresyjny, minimalna poprawka i weryfikacja.
• Praca na osobnej gałęzi Git: kontrola zakresu zmian, przegląd rezultatów i przygotowanie opisu pull requesta.
• Warsztat: wykorzystanie skilla do zdiagnozowania błędu, przygotowania testu regresyjnego i wdrożenia poprawki.

Moduł 5: MCP w praktyce: podłączanie agentów do narzędzi i danych (3h)

• Model Context Protocol: rola klienta i serwera oraz udostępnianie narzędzi, zasobów i szablonów promptów.
• Dobór integracji do zadania: repozytorium GitHub, zgłoszenia, dokumentacja techniczna i dane środowiska testowego.
• Podłączenie gotowego serwera MCP do asystenta programistycznego i sprawdzenie dostępnych operacji.
• Wywoływanie narzędzi przez model: parametry wejściowe, interpretacja rezultatów i obsługa błędów integracji.
• Kontrola dostępu: uprawnienia tylko do odczytu, ochrona tokenów i zatwierdzanie operacji zmieniających dane.
• Warsztat: pobranie treści zgłoszenia przez MCP i przygotowanie planu zmiany powiązanego z kodem projektu.

Moduł 6: Testy, refaktoryzacja i code review wspierane przez AI (3h)

• Projektowanie testów na podstawie wymagań: wykrywanie brakujących scenariuszy i unikanie testów powielających błędy implementacji.
• Refaktoryzacja pod kontrolą testów: upraszczanie funkcji, usuwanie duplikacji i rozdzielanie odpowiedzialności.
• Przygotowanie skilla do code review: kryteria oceny, poziomy istotności uwag, wskazywanie dowodów w kodzie i format raportu.
• Weryfikacja uwag agenta: odróżnianie rzeczywistych problemów od fałszywych alarmów.
• Prompt injection w plikach, skillach, zgłoszeniach i wynikach narzędzi: rozpoznawanie prób zmiany instrukcji agenta.
• Warsztat: przegląd pull requesta z wykorzystaniem skilla, poprawa kodu i potwierdzenie działania testami.

Dzień 3 (8h) – RAG i własny agent wspomagający pracę z kodem

Moduł 7: RAG: asystent korzystający z dokumentacji projektu (4h)

• Retrieval-Augmented Generation: wyszukiwanie wiedzy i dołączanie jej do kontekstu odpowiedzi modelu.
• Dobór podejścia: kiedy wystarczy wyszukiwanie tekstowe lub kontekst IDE, a kiedy warto zastosować RAG.
• Przygotowanie bazy wiedzy z README, dokumentacji API i decyzji architektonicznych: podział treści, metadane i aktualność źródeł.
• Embeddingi i wyszukiwanie semantyczne: odnajdywanie fragmentów odpowiadających na pytanie programisty.
• Weryfikacja jakości: trafność wyszukanych fragmentów, wskazywanie źródeł i odpowiedź przy braku informacji.
• Warsztat: uruchomienie na przygotowanym szkielecie asystenta odpowiadającego na pytania o projekt na podstawie jego dokumentacji.

Moduł 8: Budowa prostego agenta do pracy z kodem (4h)

• Projektowanie agenta: cel, instrukcje, narzędzia, stan zadania i warunki zakończenia pracy.
• Tool calling w praktyce: definiowanie parametrów narzędzi, walidacja wywołań i przekazywanie wyników do modelu.
• Udostępnienie kontrolowanych operacji: odczyt plików, wyszukiwanie dokumentacji, przygotowanie poprawki i uruchomienie wybranych testów.
• Połączenie RAG, MCP i skilli: wiedza projektowa, dostęp do narzędzi oraz procedury realizacji zadań.
• Ograniczanie autonomii: dozwolone ścieżki i komendy, limit kroków, kosztów oraz akceptacja zmian przez człowieka.
• Warsztat: rozbudowa szkieletu agenta, który analizuje zgłoszenie, proponuje poprawkę i raportuje wyniki testów.