-
Фаза 1. Кто такой продукт-инженер · 3 вопросов
Роль и цикл работы: от проблемы пользователя до бизнес-метрики, отличия от разработчика и продакта, карта навыков.
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 2. Как работает ИИ · 7 вопросов
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
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 3. Создание LLM-приложений · 6 вопросов
Как встроить AI в собственный продукт: из чего состоит LLM-фича, оркестрация через LangChain, RAG и эмбеддинги, векторные базы и агентные приложения.
- Из чего состоит LLM-фича
- LangChain: оркестрация LLM-приложений
- RAG и эмбеддинги: как дать модели ваши данные
- Векторные базы данных
- Агентные приложения: инструменты и автономные циклы
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 4. Работа с агентами · 8 вопросов
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
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 5. Начать с проблемы · 6 вопросов
Проблема вместо решения, контакт с пользователем, бизнес-метрика, наименьший ценный срез.
- Проблема, а не решение
- Контакт с пользователем
- Бизнес-метрика, а не метрика выпуска
- Приоритизация: наименьший ценный срез
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 6. Модель домена и онтологии · 6 вопросов
Система понятий до кода: онтология простыми словами, концептуальная модель против схемы БД, единый язык и границы контекстов, путь от модели к спеке для агента и графы знаний для LLM.
- Система понятий: онтология простыми словами
- Концептуальная модель — не схема базы данных
- Единый язык: словарь домена как контракт
- От модели понятий к спеке для AI
- Онтологии и графы знаний для LLM
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 7. Контракт и оснастка для AI · 5 вопросов
Как поставить агенту задачу: язык для AI и срез → контракт.
- Какой язык программирования выбрать для AI-кодинга
- От продуктового среза к контракту, который исполняет AI
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 8. Сборка и проверка · 6 вопросов
Ревью AI-кода, executable standard против линтеров, приёмка результата по критериям и тестам из спеки.
- Как ревьюить код, который написал AI
- Исполняемые правила vs SonarQube vs ESLint vs ревью тимлидом
- Приёмка результата AI: критерии и тесты из спеки
Пройти опрос фазы → самопроверка после чтения фазы
-
Фаза 9. Владение и бизнес-результат · 6 вопросов
Владение от идеи до пользователя, AI как рычаг, релиз и петля метрик в одиночку, и какая методология связывает весь путь.
- Владение от идеи до пользователя
- AI как рычаг продукт-инженера
- Релиз и петля метрик в одиночку
- Методология для AI: Use Case Pattern и другие способы
Пройти опрос фазы → самопроверка после чтения фазы
Программа обучения v1.2.0
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.
Всего в программе 53 вопросов для самопроверки.