Školení vývoje softwaru s AI
Část 1 – Základy harness inženýrství
Naučíte se:
- Proč hlídání AI editoru neškáluje
- Harness inženýrství: lidé řídí, agenti vykonávají
- Bootstrapování repozitáře pomocí CodeFactory CLI
- Detekce stacku, rizikových tierů a architektonických hranic
- Psaní CLAUDE.md jako řídicí roviny agenta
- Verzování promptů a guardů jako kódu
- Pre-commit hooky, rizikové politiky a chráněné soubory
Část 2 – Automatizovaný vývoj v GitHub Actions
Naučíte se:
- Agenti pro triage, plánování a implementaci issue
- Review agenti v režimu read-only se strukturovanými verdikty
- Opravné smyčky a automatický revert chráněných souborů
- Rizikově řízené CI pipeliny s disciplínou SHA
- Doc gardening a týdenní metriky harness
- Naživo spuštěná kompletní smyčka issue → PR → merge
- Přizpůsobení harness vaší vlastní kódové základně
Ukažte svou expertízuS naším certifikátem!
Přestaňte hlídat AI editor
Většina vývojářů dnes používá AI špatně. Sedí v Cursoru nebo Copilot Chatu, přijmou návrh, scrollují, přijmou další, vrátí, zkusí znovu, vloží chybu zpátky do chatu a považují den za odvedený. Vypadá to produktivně, ale je to ruční práce v kostýmu AI. Úzkým místem je stále člověk. Agent stále hádá. Nic se nedá opakovat, nic recenzovat a nic to neškáluje za hranici jednoho vývojáře a jedné větve.
Toto školení model obrací. Váš tým se naučí přesunout AI kódování z editoru do GitHub Actions, kde agenti běží v efemérních runnerech, hlídáni verzovanými prompty a automatickými kvalitativními branami. Vývojář otevře issue, zkontroluje pull request a klikne na merge. Vše mezi tím — triage, plánování, implementace, review kódu, náprava — se děje automaticky na běžné CI infrastruktuře.
Sada nástrojů CodeFactory harness
Učíme na platformě CodeFactory
, open-source CLI, které do libovolného existujícího repozitáře bootstrapuje kompletní bezpečnostní harness pro agenty. Jediný příkaz — codefactory init — a váš repozitář získá 16 harness systémů a 14+ GitHub Actions workflow přizpůsobených vašemu stacku:
- Rizikový kontrakt (
harness.config.json), který klasifikuje každý soubor do Tier 1, 2 nebo 3 a vynucuje odpovídající úroveň kontroly - Instrukce pro agenta (
CLAUDE.md) popisující konvence, pravidla závislostí a chráněné soubory - Agent pro triage issues, který vyhodnocuje srozumitelnost, reprodukovatelnost a rozsah dříve, než se napíše jakýkoli kód
- Planner issues, který čte kódovou základnu v režimu read-only a postuje strukturovaný implementační plán
- Implementer issues, který vytvoří větev, implementuje změnu, spustí základní validaci a otevře PR
- Review agent, který běží s nástroji jen pro čtení a vydává verdikt APPROVE / REQUEST_CHANGES / COMMENT klasifikovaný druhým lehkým modelem
- Opravná smyčka, která posílá review verdikty zpět implementerovi až ve třech auto-opravných cyklech, než eskaluje na člověka
- Workflows pro doc gardening, strukturální testy, harness smoke testy a týdenní metriky, které udržují samotný harness v kondici
Vše žije v repozitáři. Žádné externí dashboardy, žádný vendor lock-in, žádný skrytý stav. Úprava promptu je obyčejný pull request.
Reálný produkční příklad: sport-affiliate
Projdeme si QualityUnit/sport-affiliate , reálný produkční monorepo (tři Next.js weby, sdílený engine a Python datová pipeline), který běží na kompletním CodeFactory harness. Budete číst skutečné workflow soubory, prompty a guard skripty, které to pohánějí:
- 15 GitHub Actions workflow orchestrujících kompletní smyčku issue → PR → merge
- Čtyři upravené prompty v
.codefactory/prompts/(issue-triage.md,issue-planner.md,issue-implementer.md,review-agent.md) - TypeScript guard skripty (
scripts/*-guard.ts), které předem prověřují každý běh agenta a rozhodují, zda vůbec má startovat - Čtyřfázová fail-fast CI pipeline, která přeskakuje kompletní Next.js buildy (25 minut každý) ve prospěch type-check + lint + strukturálních testů
- SHA disciplína: každá následná úloha checkoutuje přesně ten SHA, který reportovala riziková brána, aby agent nemohl uprostřed pipeline přepsat push
- Chráněné soubory (
.github/workflows/*,harness.config.json,CLAUDE.md, lock soubory, deployment konfigurace), které se automaticky vrátí, pokud se jich agent dotkne - Review prompt načítaný z
origin/main— ne z PR větve — takže PR napsané agentem nemohou manipulovat se svým vlastním reviewerem
Kompletní vývojářská zkušenost vypadá takto: člověk otevře issue. Triage agent jej oštítkuje, v případě potřeby položí upřesňující dotazy a předá plannerovi. Planner postne implementační plán jako komentář. Implementer vytvoří issue-N, implementuje změnu, spustí kvalitativní brány a otevře PR. Review agent zreviewuje. Pokud jsou požadovány změny, implementer je opět dispatchnut v režimu review-fix — až ve třech cyklech — než eskaluje na člověka. Jediné lidské dotykové body jsou otevření issue a schválení finálního merge.
Co si váš tým odnese
Na konci školení budou vaši vývojáři schopni bootstrapovat přesně tento setup ve svých vlastních repozitářích, psát a ladit vlastní prompty agentů, definovat rizikové tiery odpovídající jejich architektuře a měřit, zda harness skutečně funguje, pomocí metrik Mean-Time-To-Harness a SLO. Odejdou s běžícím harnessem na jednom z vašich reálných repozitářů — ne s hračkovým příkladem.
Přidejte se k další kohortě
Zarezervujte si místo ještě dnes!
Budoucnost nepočká — kontaktujte nás nyní a zarezervujte si školení vývoje softwaru s AI, abyste začali automatizovat svůj inženýrský workflow.