Это не базовый курс по ChatGPT. Здесь мы не учимся просто писать промпты. Мы собираем рабочую среду аналитика в Cursor: с репозиторием, контекстом проекта, AI-агентами, документацией в Markdown + Git и конвейером от хаотичных вводных до готовой спецификации Что вы сможете делать после курса Использовать Cursor и ИИ-агентов как полноценную рабочую среду аналитика Генерировать User Stories, Use Cases, ФТ и НФТ из хаотичных входных данных Создавать BPMN, UML и Sequence-диаграммы с помощью ИИ Проектировать API-контракты и Swagger-документацию Поддерживать документацию и диаграммы в актуальном состоянии Настраивать ИИ-агентов под свои процессы и задачи Работать с Markdown, Git и Docs-as-Code подходом Использовать ИИ для анализа кода и обновления артефактов проекта Формировать backlog, анализировать коммиты и готовиться к дейликам Создать собственного ИИ-ассистента для аналитических задач Вам подойдёт этот курс, если: Вы аналитик и уже пробовали ChatGPT, но хотите перейти от отдельных промптов к полноценной рабочей среде в Cursor Вы хотите хранить требования и документацию не в хаотичных файлах, а в Markdown + Git и Docs-as-Code Вы работаете с большим объёмом проектной документации и хотите быстрее обновлять требования, диаграммы и API-контракты Вы хотите научиться быстро превращать хаотичные вводные заказчика в User Stories, Use Cases, ФТ, НФТ, BPMN, UML, API Вы хотите подключать ИИ-агента к контексту проекта: глоссарию, старым ТЗ, правилам и предметной области Вы хотите собрать своего ИИ-ассистента, который помогает с аналитическими задачами прямо из чата или голосового сообщения Программа курса Мы заботимся о качестве и актуальности курса, поэтому программа может незначительно измениться Модуль 1. Docs-as-Code: Cursor как аналитическая среда Почему Word и Confluence уступают Markdown + Git Что такое Docs-as-Code и как этот подход применяет аналитик Возможности Cursor для аналитика в реальном проекте Настройка безопасной среды для NDA-проектов Структура аналитического Markdown-репозитория Практика: создаём репозиторий, настраиваем среду для NDA и переносим хаотичную Word-документацию в Markdown с оглавлением, кросс-ссылками и единым стилем Модуль 2. Правила поведения агента и предметная область Agent mode: когда использовать и какие есть ограничения Как задавать правила поведения агента Управление контекстом через @files и @codebase Подключение глоссариев, старых ТЗ и нормативных документов Базовые принципы промпт-инжиниринга Практика: создаём файл Agent.md, задаём правила работы агента и учимся подключать разные контексты под конкретные задачи Модуль 3. Генерация User Story, Use case, ФТ и НФТ с ИИ-агентом Анализ входящих требований и поиск логических дыр Генерация User Stories и Acceptance Criteria по INVEST Проектирование Use Cases и edge cases Формирование функциональных и нефункциональных требований Подготовка уточняющих вопросов к заказчику Практика: из хаотичного описания системы генерируем User Stories, Use Cases, ФТ и НФТ, а затем проверяем требования на полноту и противоречия Модуль 4. Генерация UML и BPMN с ИИ-агентом Mermaid и PlantUML для версионируемых диаграмм BPMN для описания бизнес-процессов UML Use Case Diagram UML Class Diagram DFD и другие аналитические схемы Практика: создаём комплект диаграмм по требованиям из предыдущего модуля: Use Case, Class Diagram, BPMN и другие артефакты в кодовом формате Модуль 5. Генерация API-документации "под ключ" Структура API-контрактов: эндпоинты, методы, запросы и ответы Генерация API на основе требований Валидация полей и обработка ошибок Sequence-диаграммы Swagger / OpenAPI-документация Практика: проектируем API-контракты, проверяем их на ошибки и пропущенные поля, создаём sequence-диаграмму и Swagger-документацию Модуль 6. Обновление документации и анализ кода Обновление требований при изменениях в проекте Поддержание консистентности артефактов внутри репозитория Анализ кода: как понять, как работает система Генерация документации на основе исходного кода Архитектура системы и C4-модель Практика: обновляем документацию по изменённым требованиям, анализируем кодовую базу и строим архитектурное описание системы, включая C4-диаграммы Модуль 7. Управление проектом: беклог оценка задач, транскрибация ИИ-агент как помощник в управлении проектом Постановка и декомпозиция задач Интеграция с Jira и Confluence Анализ коммитов и изменений Расширение агента под проектные задачи Практика: настраиваем PM-расширение агента, работаем с Jira и Confluence и используем ИИ для сопровождения проектной работы Модуль 8. Мультиагенты и конвейеры документации Как строить процессы из нескольких ИИ-агентов Специализация ролей: бизнес-аналитик, архитектор, технический писатель Оркестрация агентов и передача контекста Автоматическое ревью результатов другим агентом Конвейер генерации проектной документации Практика: собираем мультиагентный конвейер для подготовки полной спецификации: от идеи и User Stories до API, диаграмм и итогового SRS Модуль 9. Удаленный доступ к ИИ-агенту: бот и n8n Создание Telegram-бота с ИИ-ассистентом Подключение агента к удалённому интерфейсу Настройка skills для генерации требований и диаграмм Работа с агентом через чат Сценарии быстрого доступа к аналитическим функциям Практика: собираем Telegram-бота, который по сообщению или голосовой заметке с митинга возвращает готовый аналитический артефакт, например sequence-диаграмму Автор курса: Ксения Теселкина старший менеджер продукта VK ID Более 15 лет опыта в IT: включая 8 лет аналитиком и 4 года разработчиком на C#
