Авторский менторский курс · 36 академических часов · 9 занятий
Постройте личное рабочее место на базе OpenAI Codex и Claude Code: от постановки задачи до лекций, обзоров, оценивания студенческих работ и передачи готовых процессов коллегам. Без программирования. На вашем реальном проекте.
Каждое занятие заканчивается работающим артефактом в вашем репозитории — от карточки задачи до передаваемого коллеге рабочего места.
Профессиональные задачи
Курс построен вокруг реальных задач тех, кто создаёт, проверяет и передаёт знания.
Лекция и практикум, которые обновляются за часы, а не дни; политика применения ИИ и агент предварительной проверки работ — окончательная оценка остается за вами.
Доказательный обзор с реестром источников и картой «утверждение — доказательство»; воспроизводимый исследовательский процесс, который выдерживает проверку.
Материалы с инструкциями, критериями и runbook передаются без недель устных объяснений; основа для стандартов кафедры.
Опыт программирования не требуется: каждое занятие имеет операторский уровень (по готовым шаблонам) и конструкторский (для технически уверенных).
От ответа к системе
Большинство преподавателей уже пробовали ChatGPT: быстрый черновик, гладкий текст — и выдуманная ссылка в списке литературы. Разовый диалог не дает главного: проверяемости, повторяемости и возможности передать результат. Курс учит другому способу работы.
Агент предлагает и исполняет. Проверка фактов, педагогические решения и ответственность — за человеком. Этому балансу и учит курс.
Первое занятие начинается с вашей реальной задачи
Оставить заявкуРезультат в репозитории
Не набор ответов из чата, а семь связанных рабочих артефактов, которые остаются в вашем репозитории.
Репозиторий с инструкциями, памятью проекта и журналом решений: агент работает по вашим правилам, а не наоборот.
AGENTS.mdМатрица делегирования, очередь агентских задач и контрольные точки: считаем реальный выигрыш времени, а не ощущение ускорения.
agent-queue.yamlРеестр источников и карта утверждений; скрипт ловит выдуманные ссылки до того, как их увидят студенты или рецензент.
check_sources.pyКаждый тезис прослеживается до источника; обновление под новую аудиторию — процедура, а не переписывание.
lecture-manifest.yamlУпакованная методика, которую можно повторять и передавать: рубрика, эталон, антипримеры.
SKILL.mdПолитика применения ИИ, пакет доказательств процесса и агент предварительной проверки; академическое решение принимает преподаватель.
AI_USE_POLICY.mdИтог курса: рабочее место, которое коллега воспроизводит без вас — проверяется «холодной передачей» на аттестации.
cold-handoff-report.mdВсе артефакты остаются у вас и работают после курса
Оставить заявкуВитрина артефактов
Четыре профессиональных сценария и настоящие файлы, с которыми вы будете работать.
Вместо переписывания — карточка задачи TASK.md с критериями приемки; агент читает ваши материалы, предлагает план и честно помечает недостающее меткой [ТРЕБУЕТ ИСТОЧНИКА].
TASK.mdРеестр sources.csv, карта утверждений claims.csv и скрипт проверки, который находит фантомную ссылку за секунды.
sources.csv · claims.csv
Студент сдает текст и пакет доказательств процесса; агент проверяет комплектность, находит противоречия и готовит вопросы к защите. Решение — за вами.
submission-manifest.yaml
Manifest, runbook и «холодная передача»: получатель воспроизводит результат, не задав ни одного устного вопроса.
manifest.yaml · RUNBOOK.mdСтоимость и ближайшие даты — в ответ на заявку
Оставить заявку3 модуля · 9 занятий
Разберём ограничения разового чата и переведём реальную задачу в проверяемый проект. Зафиксируем benchmark, критерии приёмки и риски делегирования.
Ключевой результат: Карточка реальной задачи, исходный benchmark и карта рисков
Соберём структуру рабочего места, постоянные инструкции для агентов и журнал решений. Настроим короткий цикл: одна задача — одна проверка — одна фиксация.
Ключевой результат: Структура рабочего места, постоянные инструкции и атомарный workflow
Разложим рабочую неделю по типам делегирования и создадим очередь агентских задач. Сравним затраты времени до и после на реальных данных.
Ключевой результат: Матрица делегирования и персональная агентская рабочая неделя
Свяжем протокол поиска, реестр источников и карту утверждений. Проверяющий скрипт обнаружит фантомные ссылки и разрывы между выводом и доказательством.
Ключевой результат: Доказательный обзор с реестром источников и картой утверждений
Переведём лекцию из единого документа в пакет связанных артефактов. Каждый тезис и слайд будет прослеживаться до источника и сценария занятия.
Ключевой результат: Лекция и презентация, связанные с доказательной базой
Спроектируем практикум, рубрику и эталон ответа, затем упакуем повторяемую методику в Skill. Проверим её на нормальном и проблемном кейсе.
Ключевой результат: Практикум, рубрика, карта мини-курса и протестированный Skill
Сформулируем правила использования ИИ и состав доказательств процесса. Агент предварительной проверки подготовит сигналы и вопросы, но не подменит оценку преподавателя.
Ключевой результат: Политика ИИ, пакет доказательств и агент предварительной проверки
Разделим роли производителя, критика и интегратора. Формализуем передачу через контракты, разрешения и измеримый отчёт приёмки.
Ключевой результат: Контракты передачи, роли и измеримый групповой workflow
Соберём итоговое рабочее место и передадим его коллеге без устных пояснений. Независимый прогон покажет, что действительно воспроизводится, а что требует доработки.
Ключевой результат: Передаваемое рабочее место и независимый отчет воспроизводимости
Как проходит обучение
Занятие строится как производственный цикл, а не как лекция о возможностях ИИ.
Один сквозной личный проект связывает все девять занятий: каждый новый артефакт продолжает предыдущий.
Итоговая аттестация — холодная передача: коллега воспроизводит ваше рабочее место без устных пояснений.
Операторский уровень — работа по готовым шаблонам. Конструкторский — изменение инструкций, скриптов и workflow под свою практику.
Вопрос о корпоративном формате для кафедры? Обсудим в заявке
Оставить заявкуFAQ
Нет. На каждом занятии есть операторский уровень с готовыми командами и шаблонами. Конструкторский уровень доступен тем, кто хочет менять скрипты и устройство workflow, но для завершения курса он не обязателен.
Понадобится ноутбук, Git и доступ к OpenAI Codex или Claude Code. Перед стартом вы получите короткий список подготовки; на первом занятии мы проверим рабочее место и исходный benchmark.
Возьмите одну реальную профессиональную задачу и материалы, которыми вы уже пользуетесь: план лекции, набор источников, практикум или пакет студенческой работы. Курс строится вокруг вашего проекта, а не учебной заготовки.
Промпт здесь — только один элемент процесса. Основной результат — репозиторий с контекстом, инструкциями, критериями, проверками и историей решений, который можно повторить через полгода и передать коллеге.
Да. Корпоративный формат можно связать с материалами кафедры и её политикой использования ИИ. В заявке укажите размер команды и задачу — автор предложит подходящий сценарий обсуждения.
На вашем сквозном проекте. При необходимости используются готовые демонстрационные пакеты курса, но итоговые инструкции, рубрики и workflow адаптируются под вашу профессиональную ситуацию.
Все созданные файлы остаются у вас: рабочее место, доказательный обзор, лекционный пакет, практикум, политика ИИ и handoff-набор. Они хранятся в вашем репозитории и обновляются обычным рабочим процессом.
Вы передаёте зеркальную копию рабочего места коллеге, который пытается воспроизвести результат без устных пояснений. Отчёт холодной передачи показывает разрывы и становится планом финальной доработки.
Стоимость и ближайшие даты — в ответ на заявку
Ответ — в течение 1–2 рабочих дней, без рассылок и спама.
$ course apply --project=my-work→ заявка без рассылок и спама