Module 1. The AI landscape: trends and horizons

Learn to navigate the model landscape and pick the right stack for the job.

• Systematic overview of models: OpenAI, Anthropic, and others. The difference between code-focused models and reasoning models.
• Tooling evolution: the trend toward agentic workflows and Small Local Models (SLMs) in everyday development.
• Choosing the stack and the model: when to pay for Opus on hard tasks, and when a cheaper model is enough for routine work.
• Practice: testing different models on the same tasks, comparing results, and building a checklist for picking models for typical work.

Module 2. Diving into AI-IDEs

Turn the IDE into a true digital partner that understands the entire project context.

• Cursor vs Windsurf vs Copilot: a comparison of the market leaders and basic environment setup.
• Setting up your digital partner: creating and tuning .cursorrules, system prompts for the IDE, and code standards.
• Core AI development skills: efficient code generation – from snippets to whole classes. Automated generation of unit and integration tests.
• AI in the terminal: Warp, Copilot CLI, and other tools for AI work right in the console. Solving everyday DevOps and Git tasks with AI assistants.
• Practice: writing .cursorrules for your own project, plus building a module with full test coverage through prompts.

Module 3. Using ready-made MCPs

Plug ready-made AI tools into your setup without writing your own integrations. And build a minimal MCP for feature flags.

• The MCP tooling ecosystem: what Model Context Protocol is and what it brings to daily development. An overview of popular public MCP servers.
• Connecting and using MCPs: integrating ready-made MCPs into Cursor or Windsurf without writing your own code.
• Your simplest MCP: building a minimal MCP server to manage a project through feature flags.
• Practice: connecting MCPs to work with the file system, GitHub, or a database directly from the AI chat in your IDE.

Module 4. Zero-coding UI: from design to code

Build interfaces without manual layout – from screenshots and prompts.

• Modern UI generators: an overview of v0.dev, Lovable, and Bolt.new. Generating UI from screenshots or text.
• The Figma + AI-IDE pairing: plugins for clean export, porting designs into React or Vue components in Cursor.
• Interfaces for automations: a control panel for your internal scripts and AI agents in minutes.
• Practice: creating a page from a reference screenshot, plus integrating a ready-made design into an existing frontend application.

Module 5. AI in development processes

Delegate code review, documentation, and tests to AI – embedding AI into your team's daily workflow.

• AI code review: tools for reviewing pull requests and merge requests, and setting up a basic AI reviewer for a repository.
• Living documentation: automating README files, JSDoc / Docstrings, and API descriptions – keeping docs current.
• Tests and test documentation: automating test plans, test cases, unit tests, and test documentation.
• Spec-Driven Development: pairing analyst work with AI – from requirements to specifications.
• Practice: setting up AI code review for your repo and generating documentation for the chosen project.

Module 6. Agents and n8n: building the orchestrator

Turn the project from a set of tools into an autonomous system that can make decisions.

• Anatomy of an agent: the difference between a simple LLM call and the agent loop (Planning – Memory – Action). A breakdown of ReAct and Plan-and-Execute architectures.
• Low-code orchestration in n8n: using n8n as a visual hub for agents. Connecting an LLM to MCPs and external services in the visual editor.
• State management: giving the agent memory of past actions, self-recovery, and error correction during task execution.
• UI + Agent + MCP pairing: designing an end-to-end flow where the user sets a high-level goal in the interface and the agent decides which tools to call to reach it.
• Practice: an autonomous n8n agent that reads logs and decides on toggling feature flags or rolling back a release.

Module 7. Strategy: legacy and rollout

Turn your new AI skills into a real competitive advantage on your team.

• A tactical approach to Legacy: safe AI-assisted refactoring, writing tests for legacy code before changes, and decoding undocumented logic.
• Security in the corporate environment: NDA compliance, what can be sent to the cloud, and an overview of subscriptions and limitations.
• The final rollout plan: how to embed AI into your routine in a week – a step-by-step checklist.
• Practice: refactoring a tangled piece of code with behavior-preservation guarantees, plus a personal plan for adopting AI tools in your workflow.

Модуль 1. Карта местности: Тренды и горизонты

Учимся ориентироваться в ландшафте моделей и выбирать стек под задачу.

• Системный обзор моделей: OpenAI, Anthropic и др. Разница между моделями для кода и для логики.
• Эволюция инструментов: тренд на Agentic Workflows и Small Local Models (SLM) в ежедневной разработке.
• Выбор стека и модели: когда платить за Opus для сложных задач, а когда хватит дешёвой модели для рутины.
• Практика: тестирование разных моделей на одинаковых задачах, сравнение результатов и чек-лист выбора модели под типовые рабочие задачи.

Модуль 2. Погружение в AI-IDE

Превращаем IDE в полноценного цифрового напарника, который понимает контекст всего проекта.

• Cursor vs Windsurf vs Copilot: сравнение лидеров рынка и базовая настройка рабочего окружения.
• Настройка цифрового напарника: создание и оптимизация .cursorrules, системные промпты для IDE, стандарты кода.
• Базовые скиллы разработки с AI: эффективная генерация кода – от сниппетов до целых классов. Автоматическая генерация Unit и Integration тестов.
• AI в терминале: Warp, Copilot CLI и другие инструменты для работы с AI прямо в консоли. Решение типовых задач DevOps и Git через AI-ассистентов.
• Практика: написание .cursorrules для своего проекта + разработка модуля с полным покрытием тестами через промпты.

Модуль 3. Использование готовых MCP

Подключаем готовые AI-инструменты без написания собственных интеграций. И собираем простейший свой MCP под фиче-флаги.

• Экосистема MCP-тулов: что такое Model Context Protocol и какую пользу он несёт в повседневной разработке. Обзор популярных публичных MCP-серверов.
• Подключение и использование: интеграция готовых MCP в Cursor / Windsurf без написания собственного кода.
• Свой простейший MCP: сборка минимального MCP-сервера для управления проектом по фиче-флагам.
• Практика: подключение MCP для работы с файловой системой, GitHub или БД напрямую из AI-чата IDE.

Модуль 4. Zero-coding UI: От дизайна до кода

Собираем интерфейсы без ручной верстки из скриншотов и промптов.

• Современные генераторы UI: обзор v0.dev, Lovable, Bolt.new. Генерация UI через скриншоты или текст.
• Связка Figma + AI-IDE: плагины для экспорта без мусора, перенос дизайна в React/Vue компоненты в Cursor.
• Интерфейс для автоматизаций: панель управления для своих внутренних скриптов и AI-агентов за минуты.
• Практика: создание страницы по скриншоту референса + интеграция готового макета в существующее фронтенд-приложение.

Модуль 5. AI в процессах разработки

Делегируем AI ревью кода, документацию и тесты – встраиваем AI в ежедневный процесс команды.

• AI Code Review: инструменты для проверки Pull / Merge Requests, настройка базового AI-ревьюера для репозитория.
• Живая документация: автоматизация README, JSDoc / Docstrings, описаний API – поддержание документации в актуальном состоянии.
• Тесты и тестовая документация: автоматизация тест-планов, тест-кейсов, юнит-тестов и тестовой документации.
• Spec-Driven Development: связка работы аналитика и AI – от требований до спецификаций.
• Практика: настройка AI Code Review для своего репозитория и генерация документации к выбранному проекту.

Модуль 6. Агенты и n8n: собираем оркестратор

Превращаем проект из набора инструментов в автономную систему, способную принимать решения.

• Анатомия агента: отличие простого вызова LLM от агентского цикла (Planning – Memory – Action). Разбор архитектур ReAct и Plan-and-Execute.
• Low-code оркестрация в n8n: использование n8n как визуального хаба для агентов. Подключение LLM к MCP и внешним сервисам в визуальном редакторе.
• Управление состоянием: память агента о прошлых действиях, самовосстановление и исправление ошибок в процессе выполнения задачи.
• Связка UI + Агент + MCP: проектирование сквозного процесса, где пользователь ставит цель в интерфейсе, а агент сам решает, какие инструменты вызвать для её достижения.
• Практика: автономный агент в n8n, который читает логи и сам принимает решения о переключении фиче-флагов или откате релиза.

Модуль 7. Стратегия: Legacy и внедрение

Превращаем AI-навыки в реальное конкурентное преимущество внутри команды.

• Спецназ для Legacy: безопасный рефакторинг с AI, написание тестов для legacy-кода перед изменениями, расшифровка недокументированной логики.
• Безопасность в корпоративной среде: соблюдение NDA, что можно отправлять в облако, обзор подписок и ограничений.
• Итоговый план внедрения: как внедрить AI в свою рутину за неделю – пошаговый чек-лист.
• Практика: рефакторинг запутанного куска кода с гарантией сохранения поведения + индивидуальный план адаптации AI-инструментов в рабочем процессе.