Бесплатный мини курс. Как внедрить ИИ в свою жизнь и кардинально изменить ее?

Включая Vibe Coding для не программистов.

(c) Alex Krol

Быстрая навигация

• Гид по иерархии AGENTS.md и config
• Гид по иерархии CLAUDE.md и settings
• Новая линия углубленных уроков
• Практический гид: Codex vs Claude Code
• Книга по Codex: оглавление
• Книга по Claude Code: оглавление
• Прикладные playbooks

Что сейчас главное в репозитории

Если вам нужен не весь архив курса, а актуальная рабочая линия, смотрите в первую очередь сюда:

• Новая линия углубленных уроков
• Практический гид: Codex vs Claude Code
• Прикладные playbooks

Сейчас в этой линии уже есть:

• полная книга по Codex;
• полная книга по Claude Code;
• два отдельных практических гайда по иерархии инструкций и настроек в Codex и Claude Code;
• практический гид по выбору между ними на реальных сценариях;
• девять прикладных playbooks для нетехнической аудитории.

Если вы входите в тему впервые, самый короткий маршрут такой:

1. откройте 2_lessons/README.md;
2. выберите одну из двух книг;
3. пройдите несколько playbooks;
4. потом откройте практический сравнительный гид и выберите устойчивую рабочую среду под себя.

Курс не является решением, он дает навыки и знания, с помощью которых клиенты строят свои решения. Цель курса - дать доступ к бесконечно большим возможностям, далеко за пределами привычных чатов, научить действительно мощным инструментам и подходам.

Но сначала - главно! Зачем, зачем? Зачем это всё надо?

Оговорка: Я исхожу из предположения, что основы работы с ИИ чатами вы более-менее освоили. Если не освоили и вообще нулевой, то стоит, пройти полностью бесплатный курс: Эффективное использование chatGPT. Новые возможности с «0»!.

Итак, возникает вопрос: Ну хорошо! А что еще можно делать такого, что дает нам еще больше возможностей? С какими инструментами можно работать, какие кейсы и какие проблемы решать, которые невозможно или трудно решать, используя обычные чаты? То есть это, фактически, вопрос о переходе на новый уровень. Но сначала...

Для кого этот мини-курс? Общий портрет аудитории.

1. Основная аудитория: профессионалы 40-60_ лет, часто вне инженерной разработки.
2. Возможно уже пробовали ChatGPT/Claude/Grok/Gemini, но не понимают, как перейти от «разговоров» к системной практике.
3. У таких людей мало времени, они видят ценность курса через быстрый прикладной эффект и ROI. Работа, семья, обязательства — время дорого.
4. Интерес аудитории направлен не на инструменты сами по себе, а на изменения в работе и качестве жизни..

• Рост производительности: вы начинаете работать быстрее в несколько раз.
• Новые возможности: теперь вы можете делать то, что раньше было невозможно в принципе.
• Начинаем с результата и изменений, а не с инструментов.
• Показываем конкретный выигрыш: скорость, контроль, снижение хаоса, качество решений.
• Даем понятный «до/после» и объясняем, почему это стоит вашего времени.

Боли аудитории

Сегмент	Контекст	Явные боли	Латентные боли (скрытый спрос)	Что пытались / почему не сработало	Навыки и знания (в языке результата)
Контент‑мейкеры и авторы (курсы, статьи, книги)	Много текстов и материалов, сложные проекты	Хаос в файлах, сложно держать структуру, повторяющиеся правки	Не умеют строить «систему контента», делают всё вручную	Чаты → копипаст, текст «плывет», нет единого источника правды	Быстро наводить порядок и держать целостную структуру материалов (единый формат, версии, массовые правки)
Маркетологи и продюсеры	Постоянные кампании и воронки	Долго готовить материалы, нет прозрачного контроля версий	Боятся «сломать» процесс и потерять предыдущие удачные версии	Таблички/Google Docs, хаос в папках	«Машина времени» для правок, быстрые обновления всех материалов, контроль качества без ручной рутины
Предприниматели и владельцы малого бизнеса	Нужны быстрые решения без найма большой команды	Зависимость от подрядчиков, всё дорого и медленно	Не понимают, что можно автоматизировать, думают «это только для программистов»	No‑code инструменты → потолок, ограничения интеграций	Самостоятельно собирать рабочие решения, понимать где автоматизировать, и не терять контроль над результатом
Операционные менеджеры	Много рутины и процессов	Много ручных операций, отчетов, копирования данных	Не видят, что можно «описать процесс» и автоматизировать	Макросы, частичные автоматизации	Проектировать процессы так, чтобы их можно было передать агенту и снять ручную нагрузку
Аналитики и исследователи	Сбор данных из разных источников	Долго собирать и сводить данные, ошибки при ручном сборе	Нет единой «базы знаний» и воспроизводимости	Таблицы, ручной сбор, разные форматы	Собирать знания в единое пространство и быстро получать выводы без потери точности
Псевдо‑технари / «no‑code» специалисты	Делают автоматизации в Make/n8n	Ограничения интеграций, стоимость шагов	Страх кода, отсутствие «своей» инфраструктуры	No‑code → сложные схемы, потолок по возможностям	Понимать, как перейти от схем к коду и получать свободу интеграций без лишней сложности
Руководители команд и проектные менеджеры	Управляют исполнением и качеством	Потери времени на согласования, сложно контролировать изменения	Нет прозрачности «кто/что поменял»	Коммуникация в чатах, версии файлов	Прозрачная история решений и изменений, единые стандарты документов, меньше хаоса в коммуникации
Обучающие эксперты и наставники	Делают продукты обучения	Трудно масштабировать и поддерживать качество	Материалы быстро устаревают, версия «плывет»	Разрозненные заметки, ручные обновления	Обновлять материалы быстро и без ошибок, держать курс цельным и актуальным

Сквозные треки задач (чтобы не смещаться только в разработку).

1. Контентный трек, тексты: курсы, книги, методички, рассылки, SEO/маркетинг-материалы, коммуникации.
2. Data/аналитический трек: таблицы, отчеты, сводки, исследования, сопоставление источников.
3. Операционный трек: SOP, регламенты, клиентский сервис, документооборот, роли и процессы.
4. Кодовый трек (расширенный): создание приложений, MVP, утилиты, web-продукт, автоматизации и интеграции.

Карта задач и кейсов курса простым языком (уровни L3–L8). Как читать этот документ?

Я выделяю примерно 10 уровней освоения ИИ.

Каждый уровень содержит:

1. Штатные задачи и ожидаемые результаты — что именно делать на уровне и что считать результатом. айдите похожие на ваши задачи в разделе уровня.
2. Препятствия — задачи, где уровень уже «не тянет» и нужен переход выше. Если ваши задачи чаще попадают в «препятствия», значит пора переходить выше. Не поднимайте уровень «на всякий случай»; поднимайте, когда есть явный потолок.

• Формат препятствия: Задача -> Где упираемся -> Что выросло -> На какой уровень переход.

4. Если встретили незнакомый термин, сразу переходите в раздел «Словарик терминов» в конце документа.

Каждый уровень отвечает на 4 простых вопроса:

1. Что теперь можно сделать, чего раньше не получалось?
2. Каким инструментом это проще всего делать?
3. Что конкретно делать руками по шагам?
4. Как понять, что уровень реально освоен?

Уровни с 0, 1 и 2 - для начинающих и показывают, для каких задач достаточно использовать ИИ чаты. В данном курсе этих уровней **нет, они в бесплатном курсе: Эффективное использование chatGPT. Новые возможности с «0»!**

Уровни с 9 по 10-й и выше посвящены созданию полноценных агентов, и эти разделы не входят в ЭТОТ курс, но о возможностях агентов и почему очень круто научиться их создавать можно очень подробно узнать в уровне 8 ЭТОГО курса.

В этом мини курсе мы рассматриваем уровни с 3-его по 8-й. О чем это?

Уровни с 3-его по 5-й посвящены всем аспектам, кроме создания приложений, не связаны с созданием кода.

• L3 - профессиональная среда работы с ИИ - IDE VSC + работа с кодовыим агентами Claude Code, Codex + дектопные версии - CoWork
• L4 - контроль версий - Git и GitHub
• L5 - повышение автономии, ИИ работает за вас больше, вы можете одновременно работать над большим числом задач. Переход от промпт диалога к планированю автономной работы.

Уровни 6-й и 7-й посвящены основам создания приложений, созданию кода, так назывыемому вайб-кодингу, т.е. когда вы создаете приложения, не умея кодить.

• L6 — переходный уровень: быстрые прототипы приложений без «глубокого кода». Bolt, Lovable, V0.
• L7 — простые приложения в IDE VSC + Claude Code, Codex + дектопные версии - CoWork

Уроень L8 — посвящен созданию агентов.

Причины и факторы перехода на следующий уровень.

Логика такая: сложность растет -> управлять контекстом и проектом становится тяжелее -> нужен следующий стек. Три быстрых сигнала, что пора на уровень выше:

1. Вы много раз повторяете одно и то же и теряете время.
2. Вы заново объясняете контекст, потому что система «теряет нить».
3. Вы боитесь вносить изменения, потому что трудно безопасно откатиться.

Это факторы, которые нарастают при более серьезных проектах, и ИИ чаты не тянут.

1. Объем рабочего контекста (главная количественная метрика). Что входит: длина диалога, объем документов и данных, количество связей между ними. Почему это важно: в обычном чате почти нет рычагов управления памятью. История растет, контекст переполняется, и его приходится сжимать. Качество начинает падать не из-за «плохой модели», а из-за того, что памятью в чате трудно управлять. Важный акцент: проблема не в типе запроса и не в числе файлов «на диске», а в том, удерживается ли рабочий контекст без распада. Практический триггер: теряются ранние договоренности, растут противоречия, одни и те же вещи приходится повторять заново. Переход: от чата к IDE/файловой среде и агенту; при дальнейшем росте — к внешней долговременной памяти проекта (например, отдельный файл с правилами и памятью проекта).

2. Неопределенность и ветвление. Что входит: число вариантов, экспериментов, откатов и параллельных веток. Почему это важно: каждая ветка добавляет контекст и повышает риск смешения решений. В чате нет нормального контроля версий, поэтому ветвление быстро превращается в копии и хаос. Практический триггер: режим final_final_v7, сложно сравнить варианты и безопасно вернуться назад. Переход: нужны Git/GitHub, ветки, diff (сравнение изменений) и релизные точки. Поэтому и происходит переход к IDE и агентному режиму, где контроль версий встроен в работу.

3. Открытость среды. Что входит: насколько среда позволяет агенту работать со всем проектом как с системой файлов. Почему это важно: в закрытых SaaS‑средах (арендованных сервисах: Notion/Obsidian/Make/n8n и т.д.) стартовать удобно, но глубина системной работы ограничена. Главная проблема: туда нельзя полноценно «допустить» кодового агента ко всему проекту, поэтому мощность ИИ там резко ограничена. Практический триггер: нельзя надежно делать сквозные изменения, видеть полный проект и удерживать целостность. Переход: в открытое рабочее пространство (workspace: IDE + GitHub), где агент работает с реальной структурой проекта.

4. Контроль/безопасность. Что входит: права доступа, аудит изменений, комплаенс (соблюдение правил и законов), требования приватности. Почему это важно: по мере роста ставки нужна доказуемая управляемость, а не просто «получить ответ». Практический триггер: нужно точно ответить «кто, когда и что поменял», ограничить доступ и снизить риск утечек. Переход: в управляемые контуры (IDE + GitHub + политики), на старших уровнях — в более изолированную инфраструктуру.

5. Координация. Что входит: один человек, человек+агент, несколько людей, команда. Почему это важно: когда участников больше, без единой системы версий быстро растут конфликты и потери контекста. Практический триггер: перезаписи, рассинхрон, тяжелая передача работы (handoff) между ролями. Переход: процессы GitHub (ветки, PR, review, правила работы).

6. Режим владения (аренда vs собственный актив). Что входит: где находится ключевая ценность и кто контролирует жизненный цикл результата. Почему это важно: арендные платформы ускоряют старт, но ограничивают долгосрочный контроль, переносимость и масштаб. Практический триггер: ограничения платформы начинают тормозить развитие продукта/процесса. Переход: к собственным репозиториям, артефактам и далее к собственным цифровым объектам.

7. Целевой уровень автономности (в основном для уровней за пределами этого курса). Что входит: роль ИИ — советник, исполнитель, оркестратор. Почему это важно: высокая автономность требует внешней памяти, правил, eval‑контуров (контуров проверки качества) и governance (управления правилами и ответственностью). Примечание: для текущего курса это вторичная метрика; основной фокус — на управляемом исполнительном режиме.

Продвинутое использование ИИ вместе с IDE

L3. Профессиональная рабочая среда (порядок в файлах)

13 выгод перехода от чата к IDE и агентам, НЕ связанных с написанием кода.

• 1. ИИ видит всю вашу «библиотеку» сразу. В обычном чате ИИ видит только то, что вы скопировали и вставили прямо сейчас. В рабочем пространстве (IDE) он «просканировал» все ваши папки. Он знает, что черновик статьи в одной папке связан с таблицей цен в другой. Вам не нужно искать файлы — он уже сам их нашел и учитывает контекст всего проекта.
• 2. «Машина времени» для текстов. Представьте, что вы переписали рекламный пост, а через неделю поняли, что первый вариант был лучше. Специальная система (Git) позволяет нажать одну кнопку и вернуть любую старую версию. Вы видите каждое измененное слово или запятую и никогда не боитесь случайно удалить что-то важное.
• 3. Мгновенная правка во всех документах. Если у клиента изменилось название бренда или цена услуги, вам не нужно открывать 20 файлов и менять это вручную. Вы просто даете команду: «Обнови название везде», и ИИ за секунду аккуратно вносит правки во все ваши тексты, таблицы и инструкции.
• 4. Безопасные черновики для смелых идей. Вы можете создать «параллельную реальность» (ветку) для проекта, чтобы потестировать совершенно другой стиль письма или новую воронку продаж. Если эксперимент не удастся — вы просто его удаляете. Если получится — переносите лучшие идеи в основной проект. Ваши главные документы при этом всегда в безопасности.
• 5. Автоматическое создание оглавлений и регламентов. Вы можете писать заметки как попало, а ИИ сам соберет из них красивую «Главную страницу» проекта или четкую инструкцию для коллег. Он сам следит за тем, чтобы описание вашей работы всегда было актуальным и структурированным.
• 6. Использование всей мощи вашего компьютера. ИИ может командовать служебными программами прямо у вас на ПК. Нужно превратить 100 текстовых заметок в PDF-файлы или собрать их в один архив для отправки? Пока вы пьете кофе, он запускает нужные инструменты и делает всю механическую работу.
• 7. ИИ больше не «забывает» детали. Обычные чаты начинают путаться и «забывать» начало разговора, если текст становится слишком длинным. В профессиональной среде ИИ подгружает информацию по частям, находя именно те кусочки данных, которые нужны сейчас. Это позволяет работать с огромными базами знаний, не теряя ни единой детали.
• 8. Один формат для всех задач (Markdown). Вы пишете тексты в максимально простом формате, который выглядит как обычный текст, но обладает скрытой силой. Из него ИИ может в один клик сделать и красивую статью для сайта, и презентацию, и PDF-документ. Больше никакой возни со сложным форматированием в Word.
• 9. Ваши данные принадлежат только вам. Когда вы пользуетесь онлайн-сервисами, ваша информация проходит через чужие серверы. Здесь же всё — от ваших идей до секретных цифр — лежит только на вашем жестком диске. Вы сами решаете, что отправлять в сеть, а что оставить под замком.
• 10. Режим «Доверяй, но проверяй». ИИ не меняет текст втихаря. Система позволяет вам сначала увидеть все предложенные правки: старый текст подсвечен красным, новый — зеленым. Вы подтверждаете изменения только тогда, когда лично убедились, что всё написано правильно.
• 11. Сборка пакета документов «в один клик». Вы можете научить ИИ создавать стандартный набор файлов для каждого нового проекта или клиента. По вашей команде он создаст нужные папки, подставит имя клиента в шаблоны договоров и подготовит план работ, заполнив все даты автоматически.
• 12. Работа без интернета. Даже если у вас пропала сеть, ваши файлы и инструменты остаются с вами. А если установить специальную «домашнюю» модель ИИ, вы сможете пользоваться услугами интеллектуального помощника даже там, где связи нет вообще.
• 13. Прощай, бесконечный «копипаст». В браузере вам нужно копировать ответ ИИ, вставлять его в свой файл и проверять, не поехало ли оформление. Здесь ИИ пишет сразу в ваш рабочий документ. Вы видите результат мгновенно и можете тут же подправить любую букву, не переключаясь между окнами.

Итог уровня

Инструменты: программа для работы с файлами (например, VS Code), структура папок, память проекта (например, отдельный файл правил и памяти проекта). Что меняется/результат: студент наводит порядок в документах, перестает «тонуть» в файлах и фиксирует память проекта между сессиями. Примеры задач: разложить курс на модули, собрать юридическое досье, создать шаблоны рабочих документов.

Что показывать?

Как устроен рабочий «стол проекта», как быстро находить нужные файлы, как устроены папки и правила хранения. Инструменты: VS Code (или аналог), файловая система, память проекта (файл правил, контекста и договоренностей), агенты Claude Code, Codex Навык: структурировать проект и записывать правила/контекст явно. Работа с ИИ кодовыми агентами. Концепция: проект = понятная система файлов + кодовый агент + внешняя память, а не длинный чат

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Разложить курс на модули, уроки и материалы. Ожидаемые результаты: понятная карта проекта и быстрый доступ к файлам.
2. Задача: Собрать книгу как проект (главы, приложения, источники). Ожидаемые результаты: управляемая структура вместо разрозненных документов.
3. Задача: Организовать интервью и транскрипты по темам. Ожидаемые результаты: каталог интервью и быстрый поиск цитат.
4. Задача: Подготовить юридическое досье клиента из десятков файлов. Ожидаемые результаты: структурный набор документов по этапам.
5. Задача: Свести материалы кампании (посты, письма, лендинг). Ожидаемые результаты: единый контент‑пакет без потерь версий.
6. Задача: Унифицировать термины в 70 документах. Ожидаемые результаты: единый словарь и меньше противоречий.
7. Задача: Нормализовать форматирование базы знаний. Ожидаемые результаты: читаемая, единая документация.
8. Задача: Создать шаблоны для брифов, отчетов, протоколов. Ожидаемые результаты: повторяемый формат рабочих документов.
9. Задача: Настроить правила именования файлов в большой команде. Ожидаемые результаты: меньше дублей и потерь.
10. Задача: Подготовить рабочий проект программы на 6 месяцев. Ожидаемые результаты: понятная навигация для авторов и редакторов.

Стек уровня

• VS Code (или другая программа для работы с файлами).
• Claude Code, CoWork
• Codex
• Локальная файловая система проекта.
• Базовые расширения для поиска и навигации.
• Память проекта и правила (например, отдельный файл, который хранит контекст и принятые решения).

Подходы уровня

1. Один проект — одна папка и понятная структура.
2. Сначала порядок и навигация, потом массовые правки.
3. Важные правила и контекст фиксируем в отдельной «памяти проекта».
4. Не держим проект как хаос разрозненных файлов.

Миссии-препятствия (требуют следующий уровень)

1. Массово переименовать термин в 120 файлах. -> Ошибка правки без безопасного отката. -> Риск изменений. -> L4.
2. Перестроить структуру курса по папкам. -> Нельзя быстро вернуть вчерашнее состояние. -> История состояния. -> L4.
3. Сделать две версии продающей страницы. -> Нет удобных параллельных веток. -> Ветвление. -> L4.
4. Жить на Ctrl+Z и автосейвах. -> Нет долгой истории изменений. -> Временной горизонт. -> L4.
5. Экспериментировать с новым стилем книги. -> Страшно ломать основной вариант. -> Безопасность экспериментов. -> L4.
6. Работать с помощником над теми же файлами. -> Конфликты и перезаписи. -> Координация. -> L4/L7.
7. Вести юридические черновики. -> Нужен аудит изменений. -> Трассируемость. -> L4.
8. Выпустить версию методички клиенту. -> Нет фиксации релизной версии. -> Релизный контроль. -> L4.
9. Поддерживать несколько клиентских вариантов. -> Копии final_final множат хаос. -> Вариативность. -> L4.
10. Вернуть состояние после неудачных правок. -> Точечный откат почти невозможен. -> Обратимость. -> L4.

---

L4. Версии и совместная работа (Git + GitHub)

Итог уровня (для преподавателя)

Инструменты: Git и GitHub (система версий, ветки, сравнение, совместная работа). Что меняется/результат: студент получает историю изменений, откаты и безопасное совместное редактирование. Примеры задач: сравнить версии договора, вести альтернативные тексты, восстановить проект через GitHub.

Что показывать на уровне (преподавателю)

Что показать: как «сохранять версии» (commit), сравнивать изменения (diff), делать отдельную версию‑ветку, отправлять в GitHub и возвращать обратно. Инструменты: Git локально и GitHub как онлайн‑сейф и синхронизация. Навык: контроль версий, безопасные эксперименты, совместная работа без перезаписей. Концепция: история изменений и ветки — это порядок вместо «финал‑финал‑v7».

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Фиксировать ежедневный прогресс курса версиями. Ожидаемые результаты: понятная история решений и быстрый возврат.
2. Задача: Сравнить две версии договора перед отправкой. Ожидаемые результаты: четкое сравнение критичных правок.
3. Задача: Подготовить альтернативную редакцию рекламного текста в отдельной версии. Ожидаемые результаты: безопасное тестирование без риска для основного варианта.
4. Задача: Восстановить проект на новом ноутбуке. Ожидаемые результаты: полная рабочая копия без ручной пересылки.
5. Задача: Выпустить стабильную версию материалов по «тегу релиза». Ожидаемые результаты: фиксированный пакет и понятный список изменений.
6. Задача: Организовать совместную правку с редактором и аналитиком. Ожидаемые результаты: контролируемое объединение правок.
7. Задача: Откатить ошибочную массовую замену терминов. Ожидаемые результаты: быстрое восстановление корректного состояния.
8. Задача: Вести историю изменений политики качества. Ожидаемые результаты: прозрачная ответственность за правки.
9. Задача: Проверять входящие правки учебного контента. Ожидаемые результаты: стабильное качество перед публикацией.
10. Задача: Поддерживать архив версий исследовательского отчета. Ожидаемые результаты: понятная эволюция выводов.

Стек уровня

• Git (система версий).
• GitHub (онлайн‑сейф и синхронизация).
• Базовый workflow: сохранить версию, сравнить, отправить, вернуть.

Подходы уровня

1. Сохранять версии маленькими логическими порциями.
2. Любой рискованный эксперимент — в отдельной ветке.
3. Регулярно синхронизироваться и сравнивать изменения перед объединением.
4. Командная работа через проверку и согласование правок.

Параметры эскалации (триггеры перехода)

• Ручные изменения стали слишком медленными.
• Нужен исполнитель, а не только контроль версий.
• Нужны системные массовые правки и автономные циклы.

Миссии-препятствия (требуют следующий уровень)

1. Обновить 300 файлов под новый оффер. -> Ручной труд слишком большой. -> Объем исполнения. -> L5.
2. Работать только локально без GitHub. -> Риск потери и нет синхронизации. -> Надежность/координация. -> L4 (добавить GitHub).
3. Поддерживать контент на 2 языках. -> Синхронизация версий становится рутиной. -> Масштаб. -> L5.
4. Рефакторить большой текстовый проект. -> Человек медленно находит все связи. -> Связность артефактов. -> L5.
5. Делать регулярные аналитические дайджесты. -> Ручной пайплайн съедает часы. -> Рутинные операции. -> L5.
6. Поддерживать SOP в актуальном виде. -> Нужен исполнитель, который проходит все файлы. -> Объем и регулярность. -> L5.
7. Собирать персонализированные пакеты для 8 сегментов. -> Ручная сборка медленная и ошибочная. -> Масштаб вариативности. -> L5.
8. Проверять большие правки от подрядчика/чата. -> Нужен автоматический контроль. -> Качество. -> L5.
9. Вести научную статью с правками рецензентов. -> Ревизии занимают слишком много времени. -> Цикл правок. -> L5.
10. Собирать квартальный комплаенс‑отчет из разных подразделений. -> Ручное сведение ломает сроки. -> Координационная сложность. -> L5.

---

L5. Исполнительный режим (умный помощник делает сам)

Помощники есть и раньше, но здесь мы учимся давать им большие задачи целиком, а не вести диалог шаг за шагом.

Итог уровня (для преподавателя)

Инструменты: рабочая среда с файлами + GitHub + ИИ‑помощник, правила постановки задач (четкое задание, критерии приемки, чеклисты). Что меняется/результат: студент переходит от микроменеджмента к автономному выполнению с контролем качества. Примеры задач: массово обновить оффер, привести стиль 40 уроков к одному стандарту, классифицировать входящую почту.

Что показывать на уровне (преподавателю)

Что показать: как сформулировать автономное задание, как поручить пакетную работу, как проверить результат через сравнение изменений и чеклисты. Инструменты: рабочая программа для файлов, GitHub, ИИ‑помощник (Cline/Claude Code и аналоги). Навык: делегирование с контролем качества вместо пошагового диалога. Концепция: автономия = четкая постановка задачи + прозрачная проверка результата.

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Поручить помощнику обновить оффер во всех материалах кампании. Ожидаемые результаты: правки в десятках файлов за минуты и понятное сравнение изменений.
2. Задача: Привести стиль 40 уроков к единому стандарту. Ожидаемые результаты: единый тон и структура по всему курсу.
3. Задача: Проанализировать 40‑страничный договор и выделить риски. Ожидаемые результаты: структурный список рисков и приоритетов.
4. Задача: Сгруппировать 200 отзывов клиентов по повторяющимся болям. Ожидаемые результаты: карта болей и список приоритетов.
5. Задача: Сверить 30 научных статей на противоречия. Ожидаемые результаты: таблица расхождений и гипотезы.
6. Задача: Сформировать пакет клиентских документов из шаблонов. Ожидаемые результаты: готовый комплект без ручной склейки.
7. Задача: Классифицировать входящую почту по срочности и типу ответа. Ожидаемые результаты: очередь обработки и черновики ответов.
8. Задача: Нормализовать 20 таблиц с разными форматами метрик. Ожидаемые результаты: единая структура данных.
9. Задача: Подготовить персонализированные письма для 8 сегментов. Ожидаемые результаты: адаптированные версии с единым позиционированием.
10. Задача: Собирать еженедельный дайджест для руководителя из 15 источников. Ожидаемые результаты: короткий отчет с фактами, рисками и рекомендациями.

Стек уровня

• Рабочая среда с файлами + GitHub.
• ИИ‑помощник, который может работать прямо в файлах.
• Контроль через сравнение изменений и чеклисты.

Подходы уровня

1. Формулировать задачу как «сделай», а не «посоветуй».
2. Описывать результат через критерии приемки и контрольные точки.
3. Меньше микрошагов, больше автономного исполнения.
4. Проверять результат через сравнение изменений и правила.

Параметры эскалации (триггеры перехода)

• Нужен интерактивный интерфейс, а не только документы/таблицы.
• Появились пользовательские сценарии (форма, личный кабинет, калькулятор).
• Нужно быстро собрать рабочий прототип без глубокой инженерии.

Миссии-препятствия (требуют следующий уровень)

1. Сделать интерактивный калькулятор для клиентов. -> Документы не дают удобного пользовательского опыта. -> Формат результата. -> L6.
2. Запустить мини‑сервис с формой и выдачей результата. -> Нужен экранный сценарий. -> Тип интерфейса. -> L6.
3. Собрать простой личный кабинет для обучающихся. -> Контентные инструменты не закрывают потоки пользователей. -> Сценарная сложность. -> L6.
4. Протестировать 2–3 варианта интерфейса продукта. -> В документах это медленно и не наглядно. -> Скорость прототипирования. -> L6.
5. Сделать демо‑приложение для инвестора. -> Нужен кликабельный прототип с логикой экранов. -> Ожидания стейкхолдеров. -> L6.
6. Собрать простой клиентский портал под процесс. -> Требуется связка интерфейса и данных. -> Уровень цифрового продукта. -> L6.
7. Запустить пилотный self-service сценарий. -> Без переходных платформ слишком долго делать демо. -> Скорость вывода. -> L6.
8. Подключить внешнюю форму к базе и уведомлениям. -> Нужна быстрая сборка приложения без глубокого кода. -> Интеграционный порог. -> L6.
9. Сделать MVP цифровой услуги за 1–2 недели. -> Только контентный стек не дает продукт «в использовании». -> Режим владения. -> L6.
10. Перейти от материалов к работающему цифровому объекту. -> Нужен переходный слой между контентом и инженерией. -> Класс результата. -> L6.

Создание приложений, программ, кода, программирование

15 выгод, связанных с созданием приложений и автоматизаций (Преимущества перед No-code инструментами типа Make/n8n)

Представьте, что создание приложений и автоматизаций — это строительство дома. Раньше вам нужно было быть профессиональным инженером, чтобы заложить фундамент. Теперь же связка IDE + Агент дает вам «умную строительную бригаду», которая понимает ваши слова, сама держит в руках инструменты и знает чертежи всего здания целиком.

• 1. Понимание «всего здания» целиком (Архитектура). В простых чатах ИИ видит только одну комнату. В IDE Агент видит весь проект целиком. Он понимает: если мы изменим тип анкеты для клиентов, то нужно автоматически обновить и страницу на сайте, и таблицу в базе. Он видит связи, которые человек может упустить.
• 2. Самостоятельное исправление ошибок (Дебаггинг). Если ваша автоматизация сломалась, вам не нужно гадать, в чем причина. Агент сам видит отчет об ошибке, анализирует его, пробует разные варианты починки и запускает проверку снова и снова, пока всё не заработает идеально. Это как если бы машина сама чинила себя прямо на ходу.
• 3. Порядок в «цифровых запчастях» (Зависимости). Любое приложение состоит из множества внешних сервисов и библиотек («коннекторов»). IDE следит, чтобы все они были нужной версии и не конфликтовали друг с другом. Вам больше не нужно переживать, что «обновление одной детали сломает всё остальное».
• 4. Железная логика без «визуальной лапши» (Алгоритмы). В конструкторах типа Make (No-code) сложные схемы превращаются в запутанный лабиринт из линий и кубиков, в котором невозможно разобраться. В коде Агент пишет четкую, чистую логику: «если наступило событие А — сделай Б, повтори это 10 раз, пока не получишь результат В». Это гораздо надежнее и проще в управлении.
• 5. Принцип «сделал один раз — используй везде» (DRY). В обычных автоматизациях вам часто приходится копировать одни и те же блоки действий в разные сценарии. В среде разработки вы создаете одну «мастер-функцию» (например, «расчет скидки») и просто вызываете её имя в любых других местах. Изменили формулу в одном месте — она мгновенно обновилась везде.
• 6. Автоматическая проверка на прочность (Тестирование). Вы можете попросить Агента: «Напиши робота-проверяльщика для этой задачи». Перед тем как запустить процесс в реальную работу, этот робот прогонит через систему сотни вымышленных ситуаций, чтобы убедиться, что ничего не «глюканет» в самый ответственный момент.
• 7. Работа с любым сервисом без ограничений (API). В сервисах типа Zapier вы ограничены только теми «кубиками», которые они вам дали. Если нужного сервиса нет в списке — вы бессильны. Но Агент в IDE может написать код для прямого общения с любым сайтом или программой в мире, даже если для них еще не придумали готовых кнопок.
• 8. Мгновенная реакция (Скорость). No-code платформы тратят время на пересылку ваших данных между своими серверами. Код, написанный Агентом, работает напрямую на вашем компьютере или сервере. Это в десятки и сотни раз быстрее — данные обрабатываются мгновенно, без задержек.
• 9. Легкий переезд на «большую сцену» (Масштабируемость). Вашу автоматизацию, собранную на личном ПК, можно упаковать в «цифровой контейнер» (Docker) и одной кнопкой перенести на мощный сервер. При этом сохранятся абсолютно все настройки, история изменений и правила работы.
• 10. Перевод на другие «цифровые языки» (Рефакторинг). Представьте, что вы построили систему на одном языке программирования, но потом решили перейти на другой, более современный. Агент может взять всю логику вашего проекта и «пересказать» её на другом языке, сохранив при этом все ваши функции и смысл работы.
• 11. Прямое управление данными (Базы данных). Вам больше не нужны посредники в виде Excel или Airtable. Агент работает напрямую с профессиональными базами данных. Он может мгновенно находить, сортировать и анализировать миллионы записей, не «подвешивая» ваш компьютер.
• 12. Агент как ваш персональный учитель (Интроспекция). Вы можете выделить любую часть кода и спросить Агента: «Объясни мне по-человечески, что тут происходит?». Он подробно расскажет о каждой строчке, превращая процесс создания приложения в ваше личное обучение.
• 13. Сверхчуткие триггеры (Событийная модель). Обычные системы часто «просыпаются» раз в 15 минут, чтобы проверить почту. С помощью кода Агент может настроить систему так, чтобы она реагировала на мельчайшие события в реальном времени. Например, мгновенно срабатывать, как только клиент просто навел курсор на кнопку, а не только когда он на неё нажал.
• 14. Тотальная экономия на подписках. В No-code платформах вы платите за каждое действие («шаг») вашего робота. Если у вас 10 000 клиентов, это разорит вас. В своей IDE вы платите только за использование нейросети в момент создания кода. Сама работа готового приложения для вас практически бесплатна.
• 15. Вы — единственный хозяин своей системы (Ownership). Ваша автоматизация — это не аккаунт на чужом сайте, который могут заблокировать или закрыть. Это папка с файлами (репозиторий), которая лежит у вас. Вы владеете каждой строчкой кода, всей логикой и историей правок. Вы полностью независимы от причуд сторонних компаний.

L6. Переходный уровень: быстрые прототипы (Bolt, Lovable, v0)

Итог уровня (для преподавателя)

Инструменты: Bolt/Lovable/v0 и простые интеграции (Sheets/Airtable/Supabase). Что меняется/результат: студент быстро делает интерактивные прототипы и проверяет пользовательский сценарий до перехода в профессиональную среду. Примеры задач: прототип сервиса в Bolt, лендинг с формой в Lovable, quiz‑калькулятор для сегментации лидов.

Что показывать на уровне (преподавателю)

Что показать: быстрый прототип, форма захвата, запись в таблицу, базовый пользовательский сценарий. Инструменты: Bolt/Lovable/v0, Sheets/Airtable/Supabase, Make/Zapier/n8n. Навык: быстрое «time‑to‑demo» и проверка гипотез без глубокого кода. Концепция: переходные платформы = скорость и проверка UX, а не финальная архитектура.

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Собрать в Bolt прототип сервиса подбора программы обучения. Ожидаемые результаты: рабочий сценарий экранов и демонстрация.
2. Задача: Сделать в Lovable посадочную страницу с формой заявки. Ожидаемые результаты: опубликованный MVP и первые заявки.
3. Задача: Создать в v0 мини‑кабинет участника курса. Ожидаемые результаты: базовая навигация и проверка сценария.
4. Задача: Подключить форму и результаты к Google Sheets/Supabase. Ожидаемые результаты: автоматический сбор данных.
5. Задача: Реализовать quiz‑калькулятор для сегментации лидов. Ожидаемые результаты: интерактивный сценарий и первичная квалификация.
6. Задача: Подготовить демо‑app для презентации партнеру. Ожидаемые результаты: кликабельный прототип с логикой.
7. Задача: Сравнить один сценарий в Bolt, Lovable и v0. Ожидаемые результаты: таблица «скорость/качество/ограничения».
8. Задача: Запустить недельный пилот цифровой услуги. Ожидаемые результаты: обратная связь и список доработок.
9. Задача: Перевести контентный продукт в формат простого веб‑сервиса. Ожидаемые результаты: первый цифровой объект «в использовании».
10. Задача: Подготовить требования для глубокой разработки после пилота. Ожидаемые результаты: границы MVP и бэклог.

Стек уровня

• Bolt.new, Lovable, v0.
• Простые интеграции: Google Sheets/Airtable/Supabase, Make/Zapier/n8n.
• GitHub для фиксации версий и передачи проекта дальше.

Подходы уровня

1. Сначала пользовательский сценарий и ценность, потом технические детали.
2. Короткий цикл: собрать -> показать -> получить обратную связь -> доработать.
3. Явно фиксировать ограничения платформ и момент перехода к инженерии.

Параметры эскалации (триггеры перехода)

• Нужна сложная логика, которую «визуальные» платформы не держат.
• Требуются реальные production‑требования: безопасность, роли, тесты.
• Нужна устойчивая архитектура и кодовая база для роста.

Миссии-препятствия (требуют следующий уровень)

1. Добавить сложные бизнес‑правила и исключения. -> Визуальные платформы становятся хрупкими. -> Сложность логики. -> L7.
2. Подключить нестандартный API или интеграцию. -> Нужен контроль кода и ошибок. -> Интеграционная сложность. -> L7.
3. Сделать кастомный интерфейс под сценарий пользователя. -> Платформы ограничивают UX. -> Контроль UI. -> L7.
4. Ввести роли и доступы. -> Нужны структурированные проверки. -> Контроль доступа. -> L7.
5. Поддерживать сложные данные и валидацию. -> Таблицы становятся узким местом. -> Структура данных. -> L7.
6. Обеспечить стабильность и тестируемость. -> Нужны тесты и контроль качества. -> Качество исполнения. -> L7.
7. Внести массовые правки в логику продукта. -> Визуальные платформы плохо подходят для рефакторинга. -> Управляемость изменений. -> L7.
8. Перенести прототип в поддерживаемую кодовую базу. -> Нужна профессиональная среда и агент. -> Переход к коду. -> L7.
9. Опубликовать продукт с полноценным деплоем. -> Нужен процесс разворачивания. -> Производственный контур. -> L7.
10. Зафиксировать архитектуру и подготовить развитие. -> Нужна кодовая база и документация. -> Долговечность. -> L7.

---

L7. Простые приложения в профессиональной среде

Этот уровень продолжает переходный: переносим прототипы из Bolt/Lovable в рабочую среду и учимся делать простые приложения с помощью ИИ‑помощника.

Итог уровня (для преподавателя)

Инструменты: рабочая среда с файлами + GitHub + ИИ‑помощники (Claude Code/Codex), базовые элементы приложения и база данных, простой деплой. Что меняется/результат: студент переносит прототип в поддерживаемую основу и собирает приложение, которое можно развивать. Примеры задач: перенос лендинга из Bolt, форма заявок с записью в базу, роль «админ».

Что показывать на уровне (преподавателю)

Что показать: перенос прототипа, создание каркаса приложения, базовые операции с данными (добавить/изменить/удалить), публикация результата. Инструменты: рабочая среда, GitHub, Claude Code/Codex, Supabase, Vercel/Render. Навык: превращать прототип в устойчивую основу. Концепция: кодовая база = управляемость изменений и масштаб.

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Перенести лендинг из Bolt в рабочую среду. Ожидаемые результаты: проект в репозитории и рабочая версия.
2. Задача: Собрать приложение для заявок. Ожидаемые результаты: форма + запись в базу + подтверждение.
3. Задача: Добавить роль «админ» и страницу управления. Ожидаемые результаты: базовое разграничение доступа.
4. Задача: Подключить внешний сервис (платежи/уведомления). Ожидаемые результаты: рабочая интеграция и обработка ошибок.
5. Задача: Сделать MVP с простым личным кабинетом. Ожидаемые результаты: минимальный набор экранов и сценарий пользователя.
6. Задача: Навести порядок в структуре проекта с помощником. Ожидаемые результаты: чистая архитектура и понятные папки.
7. Задача: Опубликовать приложение. Ожидаемые результаты: доступная онлайн‑версия.
8. Задача: Добавить базовые проверки качества. Ожидаемые результаты: меньше ошибок при правках.
9. Задача: Перенести логику из no‑code в рабочую основу. Ожидаемые результаты: управляемая логика в проекте.
10. Задача: Подготовить техническое описание для следующего этапа. Ожидаемые результаты: понятный handoff.

Стек уровня

• Рабочая среда + GitHub.
• ИИ‑помощники: Claude Code, Codex и аналоги.
• Базовый стек приложения и база данных (Supabase или аналог).
• Простой деплой (Vercel/Render или аналоги).

Подходы уровня

1. Разбивать задачу на понятные части для помощника.
2. Короткий цикл: создать -> проверить -> исправить.
3. Проверять через сравнение изменений, запуск и простые тесты.
4. Документировать ключевые решения по ходу работы.

Параметры эскалации (триггеры перехода)

• Нужна устойчивость памяти и знаний (память на базе ваших документов).
• Требуются много помощников с распределением ролей.
• Нужны production‑контуры, безопасность и масштаб.

Миссии-препятствия (требуют следующий уровень)

1. Сделать помощника, который сам ведет процессы и проверяет себя. -> Нужна архитектура агентных систем. -> L8.
2. Построить команду из нескольких помощников. -> Нужна оркестрация и координация. -> L8.
3. Создать память и знания для помощника. -> Нужны специальные системы памяти. -> L8.

---

L8. Финальный уровень: агентные системы и следующий курс

Это уровень «что дальше»: объясняем, почему простого ассистента становится мало и почему нужны агентные системы.

Итог уровня (для преподавателя)

Инструменты: автоматизации + агентные фреймворки + память проекта (на уровне концепции). Что меняется/результат: студент понимает логику агентных систем и готов к следующему курсу. Примеры задач: агент отправляет результат в CRM, агент выбирает источник ответа, агент координирует выпуск книги.

Что показывать на уровне (преподавателю)

Что показать: разницу «ассистент vs агент», роль процесса, роли агентов и цепочки действий. Инструменты: Make/Zapier/n8n, базовые идеи агентных фреймворков и памяти. Навык: проектировать процесс так, чтобы его можно было отдать агенту. Концепция: агент = процесс + роли + память, а не просто «умный чат».

Штатные задачи и ожидаемые результаты (миссии развития)

1. Задача: Агент сам получает текст и отправляет его клиенту/в CRM. Ожидаемые результаты: цепочка «получил -> сделал -> отправил» без ручного шага.
2. Задача: Агент превращает таблицу в отчет и публикует его. Ожидаемые результаты: готовый отчет без копипаста.
3. Задача: Агент сам выбирает, где искать ответ: интернет, ваши документы или база знаний. Ожидаемые результаты: корректный выбор источника и объяснение.
4. Задача: Агент ведет подготовку к событию: материалы, люди, план. Ожидаемые результаты: чек‑лист и пакет документов.
5. Задача: Агент помнит ваш стиль и готовит презентации «как вы любите». Ожидаемые результаты: согласованная структура и тон.
6. Задача: Агент учится на вашей обратной связи. Ожидаемые результаты: заметное улучшение качества.
7. Задача: Агент исследует проблему и предлагает варианты решения. Ожидаемые результаты: анализ причин и список действий.
8. Задача: Агент координирует выпуск книги (редактор, верстка, обложка). Ожидаемые результаты: управляемый проект с дедлайнами.
9. Задача: Агент ведет архив через «команду» под‑агентов. Ожидаемые результаты: системная поддержка без ручной рутины.
10. Задача: Агент‑помощник по развитию карьеры предлагает план перехода. Ожидаемые результаты: план обучения, шаги, варианты.

Стек уровня

• Инструменты автоматизации процессов (Make/Zapier/n8n).
• Агентные фреймворки и логика маршрутизации задач.
• Память на базе ваших документов (RAG/knowledge graph на уровне концепции).
• Связки «агент -> агент» и роль человека как менеджера.

Подходы уровня

1. Сначала процесс и критерии результата, потом агент.
2. Разделять «что можно автоматизировать без ИИ» и «где нужен ИИ».
3. Двигаться от простых ролей к адаптивным агентам.
4. Постоянный цикл: запуск -> обратная связь -> корректировка.

Параметры эскалации (триггеры перехода)

• Агентная система должна работать в production с требованиями безопасности.
• Нужны сложные бизнес‑правила, тестируемость и мониторинг.
• Требуется масштабирование на большое число клиентов/процессов.

Миссии-препятствия (требуют следующий уровень)

1. Запустить агентную систему в production под регуляторные требования. -> Нужна инженерная инфраструктура и комплаенс. -> L9+.
2. Сделать глубокую интеграцию с корпоративными системами. -> Нужна архитектура и надежные API‑контуры. -> L9+.
3. Построить многоуровневую агентную организацию. -> Нужна оркестрация и правила управления. -> L9+.

---

Словарик терминов (простыми словами)

• VS Code — популярная программа для работы с файлами проекта.
• IDE — рабочая программа, где удобно управлять проектом как системой файлов (например, VS Code).
• Git — система, которая запоминает историю изменений в файлах.
• GitHub — онлайн‑хранилище проекта и его версий.
• Commit — зафиксированная версия изменений.
• PR (Pull Request) — запрос на проверку и объединение изменений в основную версию.
• Diff — сравнение: что именно изменилось между версиями.
• Review — проверка изменений перед объединением.
• Workspace — рабочее пространство проекта: папки, файлы и их структура.
• Workflow — рабочий процесс из повторяющихся шагов.
• SaaS — онлайн‑сервис «по подписке», где инструмент и данные живут у провайдера.
• SOP — пошаговый рабочий регламент.
• Комплаенс — соблюдение правил, законов и внутренних политик.
• Eval — регулярная проверка качества результата по заранее заданным критериям.
• Governance — правила управления: кто принимает решения, кто за что отвечает, как контролируется качество.
• Self-service — сценарий, где клиент делает действие сам, без менеджера.
• MVP — минимально рабочая версия продукта для проверки на реальных пользователях.
• UX — удобство пользовательского опыта.
• Production — рабочий «боевой» режим, где сервис уже используется людьми.
• API — способ, которым одна система подключается к другой.
• UI — внешний интерфейс: экраны, кнопки, формы.
• No-code — сборка решений без ручного программирования.
• Handoff — передача работы другому человеку или роли.
• CRM — система для ведения клиентов, сделок и коммуникаций.
• RAG/knowledge graph — способы, которыми ИИ ищет знания в ваших документах.
• Бэклог — список задач, запланированных на следующие шаги.