Szkolenie AI dla programistów

Asystent AI w edytorze potrafi w kilka minut napisać moduł, testy i dokumentację. Potrafi też z pełnym przekonaniem wygenerować kod, który wygląda dobrze, a nie działa. Różnicę robi sposób pracy: kontekst, jaki dajesz modelowi, zadania, które mu zlecasz, i to, jak sprawdzasz wynik.

Na szkoleniu pracujesz na prawdziwym repozytorium: przygotowanym projekcie albo, jeśli firma na to pozwala, na Twoim. Zobaczysz, w czym narzędzia AI realnie oszczędzają czas, a gdzie trzeba trzymać je krótko. Wszystkie ćwiczenia są wyłącznie w Claude Code. Szkolenie nie ma wariantu na GitHub Copilot ani Copilot CLI - te narzędzia omawiasz tylko w porównaniu, bez ćwiczeń.

Program

3 dni

• Jak działają asystenci AI do kodu
  • Model językowy, okno kontekstu i tokeny w praktyce
  • Czym różni się podpowiadanie kodu od pracy z agentem
  • Przegląd narzędzi (omówienie bez ćwiczeń): Claude Code, GitHub Copilot, Copilot CLI, Cursor
  • Koszty i limity: plany Claude, kredyty AI w Copilot i tokeny
  • Co zużywa kredyty (czat, agent), a co nie (podpowiedzi w edytorze)
• Prompty do kodu
  • Opis zadania: cel, ograniczenia, kryteria akceptacji
  • Dzielenie dużego zadania na małe kroki
  • Praca iteracyjna: plan, specyfikacja, implementacja, poprawki
• Kontekst projektu
  • Pliki CLAUDE.md i AGENTS.md: konwencje, komendy, pułapki
  • Jeden plik AGENTS.md dla różnych narzędzi AI w zespole
  • Co wkładać do kontekstu, a czego unikać
• Claude Code w terminalu
  • Tryby pracy i uprawnienia do komend
  • Czytanie kodu, refaktoryzacja i zmiany w wielu plikach
  • Skille, hooki i pluginy, które je pakują
• Testy jako siatka bezpieczeństwa
  • Najpierw test, potem kod od AI
  • Hook, który uruchamia testy i linter po każdej zmianie agenta
  • Testy, które AI napisało pod swój kod: na co uważać
• Bezpieczeństwo i prywatność
  • Jaki kod i jakie dane trafiają do modelu
  • Sekrety, pliki .env i dane klientów
  • Polityka firmy wobec narzędzi AI
• Agenci AI
  • Agent a asystent: kiedy dać narzędziu więcej swobody
  • Równoległe zadania, subagenci i sesje na git worktrees
  • Praca z Git: gałęzie, commity, pull requesty
  • Claude Code w GitHub Actions i trybie headless: od issue do pull requesta
• Serwery MCP
  • Model Context Protocol: po co i jak działa
  • Podłączenie przeglądarki, bazy danych i dokumentacji
  • Konfiguracja serwerów MCP dla całego zespołu w repozytorium
  • Ryzyka: uprawnienia i dane, do których agent ma dostęp
• Przegląd kodu wygenerowanego przez AI
  • Typowe błędy: zmyślone API, stare wersje bibliotek, martwy kod
  • Halucynacje i jak je wyłapywać
  • Przegląd pull requestów przez AI i przez człowieka
  • Kiedy odrzucić zmianę i zacząć od nowa
• Produktywność na co dzień
  • Zadania, które warto oddać AI, i te, których nie warto
  • Dokumentacja, migracje i praca z nieznanym kodem
  • Mierzenie efektu: czas do pull requesta, liczba poprawek po review, koszt tokenów

Dla kogo?

• Dla programistów z komercyjnym doświadczeniem, którzy chcą przejść z podpowiadania kodu do pracy z agentami AI.
• Dla osób, które znają podpowiadanie kodu (np. w Copilot) i chcą pracować z agentem w Claude Code.
• Dla zespołów, które ustalają zasady pracy z AI w projekcie.

Testy przed kodem poćwiczysz szerzej na szkoleniu Test-driven development, przegląd kodu na Code review, a własny serwer MCP napiszesz na szkoleniu LLM w Twojej aplikacji.

Co musisz umieć?

• Programować w dowolnym języku na poziomie komercyjnym.
• Pracować z Gitem i terminalem.
• Mieć dostęp do Claude Code (np. plan Claude Pro lub konto API) - sama licencja GitHub Copilot nie wystarczy do ćwiczeń.

Czego się nauczysz?

• Napiszesz prompt, po którym AI odda kod zgodny z Twoimi wymaganiami.
• Przygotujesz plik CLAUDE.md lub AGENTS.md dla swojego projektu.
• Skonfigurujesz hook, który uruchamia testy i linter po każdej zmianie agenta.
• Ustalisz, jakie dane wolno wysłać do modelu, a jakie nie.
• Zlecisz agentowi zadanie, które kończy się gotowym pull requestem do przeglądu.
• Podłączysz serwer MCP i ocenisz, jakie daje mu uprawnienia.
• Wyłapiesz halucynacje i błędy w kodzie wygenerowanym przez AI.
• Zmierzysz, ile AI realnie wnosi do pracy zespołu i ile kosztuje.

Trener

Piotr Kowalski

W branży IT od 2008 roku. Od 2014 jest mentorem dla wielu developerów. Jako trener spędził na sali szkoleniowej kilka tysięcy godzin, a na LinkedIn ma 52 rekomendacje. Każde jego szkolenie to dawka solidnej wiedzy oraz humoru.

Więcej na stronie "O mnie"