Codex в команде · курс 8
Codex для тимлидов
Курс для тимлидов и техлидов, чья команда работает с Codex. Как внедрять агента: пилот, правила, масштаб. Командные AGENTS.md, навыки и конфигурация, какие задачи отдавать агенту и как их формулировать, ревью при росте потока merge request, ворота качества, Codex как ревьюер в GitLab и GitHub, рост джуниоров, метрики эффекта, риски и провалы, планирование и обмен практиками внутри команды.
Начать курс
0 из 13 пройдено
- Для кого
- Тимлиды, техлиды, руководители разработки и QA.
- Что нужно
- Курс «Codex с нуля»; желательно «Codex в ежедневной разработке».
- Объём
- 13 уроков, 4 модуля, ≈ 4,5 ч с практикой
Программа курса
Модуль 1
Внедрение
- 01 Тимлид в эпоху агентов Что меняется в работе тимлида, когда команда пишет код вместе с Codex: где появляется узкое место, что остаётся за человеком и как устроен курс для техлидов.
- 02 Внедрение в команде: пилот, правила, масштаб Как запустить Codex в команде без хаоса — цели и границы пилота, базовая линия до старта, минимальные правила безопасности и ревью, критерии перехода к масштабу и чек-лист пилота.
- 03 Командные стандарты: AGENTS.md, навыки, конфигурация Как превратить договорённости команды в файлы, которые читает агент — шаблон командного AGENTS.md с правилами ревью, общие навыки и правила команд в репозитории, проектный config.toml и что настраивает администратор.
- 04 Какие задачи отдавать агенту и как их ставить Как решить, подходит ли задача агенту — по риску и проверяемости, и как оформить карточку в трекере так, чтобы её мог взять агент — цель, контекст, ограничения и критерий готовности, с примером до и после.
Модуль 2
Качество
- 05 Ревью при росте потока MR Что делать, когда агент удваивает поток merge request, а ревьюеров не прибавилось — ответственность автора, размер MR, шаблон описания, уровни ревью по риску и разделение обязанностей между агентом и людьми.
- 06 Ворота качества: машина и человек Какие проверки перенести в GitLab CI, чтобы человек на ревью тратил внимание только на то, что машина не оценит — детерминированные и вероятностные проверки, лимит размера MR, ревью-агент как совещательный этап и рабочий пример .gitlab-ci.yml.
- 07 Codex как ревьюер в GitLab и GitHub Как подключить ревью-агента Codex к merge request в GitLab (бета, включая self-managed) и к pull request в GitHub — триггеры, команды, правила ревью в AGENTS.md, требования к версии GitLab и как понять, приносит ли он пользу.
- 08 Джуниоры и рост навыков Как агент влияет на обучение начинающих разработчиков — что показало рандомизированное исследование Anthropic о формировании навыков, какие способы работы с ИИ связаны с лучшим усвоением и какие практики наставничества ввести в команде.
Модуль 3
Управление
- 09 Метрики: как понять, что стало лучше Как измерить эффект агента в команде и не обмануться — что на самом деле показали исследования METR 2025 и 2026 годов и отчёт DORA 2025, рамки SPACE и DX, набор метрик для агентства и метрики, которые вредят.
- 10 Риски и типичные провалы Какие риски несёт работа команды с агентом — от перегруза ревью и уязвимостей в сгенерированном коде до prompt injection и потери навыков, по каким признакам их замечать рано и какие провалы внедрения встречаются чаще всего.
- 11 Оценка и планирование с агентом Как оценивать и планировать работу, когда часть кода пишет агент — агент как помощник в исследовании и декомпозиции ТЗ, почему ёмкость команды теперь определяет проверка, как собирать собственные данные для оценок и что не обещать клиенту.
- 12 Обмен практиками в команде Как сделать так, чтобы находки одного разработчика в работе с агентом становились практикой всей команды и других проектов — что хранить в репозитории, как делиться навыками между проектами, формат разбора и карточка практики.
Amiga · заказная разработка с ИИ
Учимся сами — и делаем продукты с ИИ на заказ
Эти курсы написала команда, которая каждый день проектирует и разрабатывает цифровые продукты: от аналитики и дизайна до веб‑сервисов, мобильных приложений и внедрения ИИ. Если вам нужен не курс, а продукт, — это к нам.
- реализованных проектов
- 200+
- человек в команде
- 75+
5 место в рейтинге AI‑разработки, Ruward 2025
Направления
- ИИ и ML-разработка
- Системная аналитика
- Дизайн
- Веб-разработка
- Мобильная разработка
- Тестирование
- Поддержка и развитие
Проекты с ИИ и ML
- Маркетплейс Stock: ML‑система ускорила добавление товаров в 10 раз и определяет категорию с точностью 85%
- MVP приложения «Магазин на диване» с распознаванием товаров в видео — за 2 месяца
- Приложение с ML‑распознаванием деталей конструктора на Flutter — с нуля за 4 месяца
Обсудим ваш проект с ИИ
Расскажите о задаче — вернёмся с оценкой и предложим, с чего начать
Спасибо! Ваш запрос будет обработан в ближайшее время
на главную
