Адаптируем универсальные LLM под корпоративные задачи с использованием стандарта Agent Skills (agentskills.io) Современные языковые модели хорошо справляются с универсальными задачами, однако для профессиональной работы аналитика и ИТ-архитектора этого недостаточно. В корпоративной среде AI-агенты должны понимать структуру проектной документации, работать с внутренними стандартами организации, использовать специализированные инструменты, создавать архитектурные и аналитические диаграммы в принятых нотациях, соблюдать архитектурные принципы. Стандарт Agent Skills — простой и эффективный способ формализовать процедурные знания в инструкции для AI-агентов. Но создать хороший навык сложно с первой попытки. Полезными становятся навыки, разрабатываемые итерационно, в ходе процесса, похожего на написание и отладку программ. Курс помогает освоить процесс создания корпоративных AI-агентов, построенных на универсальных моделях и использующих Agent Skills, MCP, Agent Plugins. Вместо разработки длинных промптов участники научатся создавать переиспользуемые агентские навыки, подключать внешние инструменты и адаптировать AI-агентов под конкретные задачи организации. Основное внимание уделяется практическим задачам. Участники обучения будут работать с реальными артефактами: требованиями, архитектурными диаграммами, записями архитектурных решений (ADR). Цели курса: Сформировать понимание возможностей и ограничений LLM в задачах анализа требований и проектирования архитектуры, показать переход от простых диалогов к агентной парадигме. Освоить стандарт Agent Skills, научиться проектировать, тестировать и дорабатывать агентские навыки и использовать внешние инструменты. Применить ключевые паттерны навыков (Tool Wrapper, Generator, Reviewer, Inversion, Pipeline) для автоматизации типовых проектных сценариев. Освоить подходы Architecture-as-Code и Diagram-as-Code, включить инструменты визуализации (Mermaid, PlantUML) в арсенал AI-агентов. Научиться описывать архитектурные решения с помощью ADR и применять принципы предметно‑ориентированного проектирования (DDD) в агентских навыках. Разработать полноценный агентский навык Domain Mapper, создающий из описания требований карту предметной области. Для кого: Системные и бизнес‑аналитики, желающие усилить свою работу с требованиями средствами AI‑агентов. ИТ‑архитекторы и технические лидеры, проектирующие сложные решения и стремящиеся автоматизировать разработку и обновление рутинных артефактов. Разработчики и инженеры, участвующие в анализе требований, проектировании решений и подготовке технической документации, заинтересованные в агентных подходах. Специалисты, уже использующие LLM в работе и желающие перейти от ad hoc-промптов к воспроизводимым агентским навыкам. Программа: Введение: возможности и ограничения языковых моделей при анализе требований и проектировании ИТ-решений. Переход от диалоговых моделей к AI-агентам. Расширение возможностей с помощью инструментов (Tools) и навыков (Agent Skills). Model Context Protocol (MCP) и стандарт Agent Plugins. Архитектура AI-агента и типовые сценарии применения. Практическое задание: устанавливаем VS Code и необходимые расширения, изучаем управление памятью, контекстом и инструкциями AI-агента. Разбираем назначение и структуру файла AGENTS.md. Структурирование постановки задачи и описание архитектуры ИТ-решения. Стандарты, практические реализации, основные структурные элементы: каталоги, таблицы, диаграммы. Подходы Architecture-as-Code, Diagram-as-Code. Описание взаимодействий и API. Глубокое погружение в стандарт Agent Skills. Классификация навыков, структура навыка, подход Progressive Disclosure («контекст по запросу»). Практическое задание: разработка, тестирование и доработка навыка, использующего внешний инструмент. Визуализация предметной области и архитектуры решения. Реализация подхода Diagram-as-Code с использованием инструментов Mermaid и PlantUML. Паттерны проектирования агентских навыков: Tool Wrapper, Generator, Reviewer, Inversion, Pipeline. Практическое задание: реализация одного из паттернов. Структура технической документации. Предметно-ориентированное проектирование (Domain-Driven Design) в современном процессе выявления требований и проектирования решений. Основные концепции DDD: bounded context, aggregate, value object, domain event. Использование агентскими навыками шаблонов, базирующихся на DDD. Записи архитектурных решений (Architecture Decision Records, ADRs) как инструмент проектирования. Способы визуализации решений при помощи диаграмм модели C4. Генерация ADR и архитектурных диаграмм с использованием AI-агентов и навыков. Практические аспекты реализации агентских навыков анализа и проектирования. Практическое задание: реализация навыка Domain Mapper (карта предметной области).
