-
Фаза 1. Кто такой продукт-инженер
Роль и цикл работы: от проблемы пользователя до бизнес-метрики, отличия от разработчика и продакта, карта навыков.
-
Фаза 2. Как работает ИИ
Фундамент: как модели предсказывают текст, галлюцинации, токены и стоимость, контекст, вызов инструментов и агенты.
- Как работают модели ИИ: предсказание следующего токена
- Галлюцинации ИИ: почему модель уверенно выдумывает
- Токены и стоимость: за что вы платите в работе с ИИ
- Контекст: что модель держит в голове за один раз
- Вызов инструментов: как модель выходит за пределы текста
- Агенты: модель в цикле с инструментами и целью
-
Фаза 3. Работа с агентами
Практика: цикл сессии, понимание кодовой базы, разработка через планы, отладка, ревью и тестирование, настройка агента — скиллы, MCP, память.
- Работа с агентами: базовый цикл продуктивной сессии
- Понимание кодовой базы с агентом
- Разработка функциональности: брейншторминг и планы с агентом
- Поиск и исправление ошибок с агентом
- Ревью и тестирование кода с агентом
- Настройка агентов: как дать агенту знать ваш проект
- Скиллы: как упаковать методологию в навык AI-агента
- MCP: как дать AI-агенту доступ к инструментам и данным
- Memory Bank: постоянная память AI-агента на проект
-
Фаза 4. Начать с проблемы
Проблема вместо решения, контакт с пользователем, бизнес-метрика, наименьший ценный срез.
-
Фаза 5. Контракт и оснастка для AI
Как поставить агенту задачу: язык для AI и срез → контракт.
-
Фаза 6. Сборка и проверка
Ревью AI-кода, executable standard против линтеров, приёмка результата по критериям и тестам из спеки.
-
Фаза 7. Владение и бизнес-результат
Владение от идеи до пользователя, AI как рычаг, релиз и петля метрик в одиночку, и какая методология связывает весь путь.
Программа обучения v1.0.2
Продукт-инженер
Как один человек с AI везёт продукт целиком — от проблемы до бизнес-метрик. Не про крафт (его AI знает по backend/frontend), а про продукт-инженерный слой: продуктовое мышление, контракт для AI, проверка результата и владение бизнес-результатом.