ENG-101
Praca z asystentami kodowania w codziennym wytwarzaniu
Poziom: podstawowyCzas trwania: 2 dniForma: hybrydowo
Dla kogo: Programiści i tech leadzi, którzy używają asystenta kodowania albo właśnie zaczynają.
Z czym wychodzisz
- Skonfigurować asystenta na realnym repozytorium, razem z plikami kontekstowymi projektu i konwencjami, które asystent czyta.
- Rozbić zadanie tak, żeby asystent produkował zmiany możliwe do zrecenzowania, a nie duże i nieweryfikowalne.
- Rozpoznać typowe błędy w tym, co produkuje asystent, i wiedzieć, kiedy poprawić prompt, a kiedy przepisać kod.
- Stosować zasady zespołu: czego asystent może dotykać, czego nie i co trzeba ujawnić w pull requeście.
- Zmierzyć efekt na własnej pracy czasem cyklu i ilością poprawek, zamiast oceniać go wrażeniem.
Wymagania wstępne: Codzienna praca w co najmniej jednym języku programowania i swoboda w Git.
Dofinansowanie: Możliwe dofinansowanie BUR/KFS wg zasad operatora.
Zapytaj o to szkolenieENG-201
Przegląd kodu generowanego przez AI
Poziom: praktykCzas trwania: 1 dzieńForma: zdalnie
Dla kogo: Recenzenci, tech leadzi i inżynierowie QA, którzy akceptują zmiany napisane w całości lub częściowo przez AI.
Z czym wychodzisz
- Rozpoznać klasy defektów, które najczęściej produkuje kod generowany przez AI, na realnych przykładach.
- Zrecenzować dużą zmianę maszynowego autorstwa bez czytania każdej linii, celując w miejsca, w których faktycznie siedzi ryzyko.
- Ocenić, czy zestaw testów chroni wymaganie, czy tylko powtarza implementację.
- Skonfigurować automatyczne narzędzie do review tak, żeby jego znaleziska były warte reakcji, i ustalić, co blokuje merge.
- Napisać politykę review dla zespołu, która przetrwa gorący tydzień wydawniczy.
Wymagania wstępne: Regularne doświadczenie w recenzowaniu pull requestów. ENG-101 pomaga, ale nie jest wymagane.
Dofinansowanie: Możliwe dofinansowanie BUR/KFS wg zasad operatora.
Zapytaj o to szkolenieENG-301
Budowa i utrzymanie agentowych przepływów pracy
Poziom: zaawansowanyCzas trwania: 3 dniForma: stacjonarnie
Dla kogo: Doświadczeni inżynierowie i architekci projektujący systemy, w których model wywołuje narzędzia i działa na systemach firmy.
Z czym wychodzisz
- Zdecydować, które fragmenty procesu uzasadniają agenta, a które powinny zostać deterministycznym skryptem.
- Zaprojektować interfejsy narzędzi i zakresy uprawnień tak, żeby agent działający nieprawidłowo nie wyszedł poza swój mandat.
- Zbudować integracje oparte o MCP i traktować serwer MCP jak uprzywilejowaną granicę, którą jest.
- Wbudować w przepływ warunki zatrzymania, budżety, ponowienia i logowanie audytowe od początku.
- Doprowadzić agenta z pilota na produkcję z ewaluacją, monitoringiem i ścieżką wycofania.
Wymagania wstępne: Praktyczne doświadczenie w integracji API modeli oraz solidne umiejętności backendowe i projektowania API.
Dofinansowanie: Możliwe dofinansowanie BUR/KFS wg zasad operatora.
Zapytaj o to szkolenieSEC-201
Bezpieczne kodowanie z asystentami AI
Poziom: praktykCzas trwania: 2 dniForma: hybrydowo
Dla kogo: Inżynierowie i tech leadzi, których zespoły wdrażają kod tworzony z asystentami AI
Z czym wychodzisz
- Rozpoznawać błędy bezpieczeństwa, które asystenci kodowania popełniają najczęściej: niebezpieczne ustawienia domyślne, brak kontroli uprawnień, sekrety zostawione w kodzie, zbyt szerokie zależności
- Przejrzeć ścieżkę budowania promptu w aplikacji i wskazać miejsca, w których dane od użytkownika trafiają do modelu bez filtrowania
- Ustawić granice uprawnień agenta w aplikacji tak, żeby nie sięgał tam, gdzie nigdy nie miał sięgać
- Napisać reguły review, które zespół stosuje do pull requestów tworzonych z AI, i wpiąć w CI te kontrole, które da się zautomatyzować
- Bezpiecznie obsłużyć wyjście modelu, zanim trafi do użytkownika, bazy danych albo innego systemu
Wymagania wstępne: Znajomość podstaw bezpieczeństwa aplikacji webowych i praktyczne doświadczenie z API modelu.
Dofinansowanie: Możliwe dofinansowanie BUR/KFS wg zasad operatora.
Zapytaj o to szkolenieOPS-201
Observability, ewaluacja i kontrola kosztów systemów LLM
Poziom: praktykCzas trwania: 2 dniForma: zdalnie
Dla kogo: Inżynierowie platformy, SRE i backendowcy utrzymujący funkcje LLM, od których zależą prawdziwi użytkownicy.
Z czym wychodzisz
- Zinstrumentować aplikację LLM od końca do końca: ślady, prompty, wywołania narzędzi, tokeny, latencję i koszt na żądanie.
- Zbudować pipeline ewaluacyjny na wyselekcjonowanym zbiorze i uruchamiać go przy każdej zmianie promptu, modelu lub wyszukiwania.
- Wykrywać dryf jakości wobec stabilnego punktu odniesienia i alarmować, zanim zgłoszą to użytkownicy.
- Obniżyć wydatek na modele przez cache, routing i kompresję promptów, i udowodnić oszczędność liczbami.
- Zdefiniować dashboard i zestaw alertów, na które dyżurny inżynier realnie zareaguje o trzeciej w nocy.
Wymagania wstępne: Doświadczenie w utrzymaniu usługi produkcyjnej i znajomość własnego stacku obserwowalności.
Dofinansowanie: Możliwe dofinansowanie BUR/KFS wg zasad operatora.
Zapytaj o to szkolenie