Εξέλιξη Κομματιού
Από αυτόσυμπλήρωση σε πράκτες: γιατί οι πράκτες αποτυγχάνουν
• Ανατομία ενός πρακτα κωδικοποίησης: μοντέλο, καστράκι, επιφάνεια εργαλείων, περιβάλλον, δικαιώματα
• Πού καθόσον το κάθε εργαλείο: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• Taxonomy της αποτυχίας: λάθος περιβάλλον, λάθος εργαλεία, κανένας κύκλος ανατροφοδότησης, ανεξέλεγκτη αυτονομία
Demonstration: Το ίδιο καθήκον, εκτελεσμένο καλά και badly, side by side
Μηχανισμός Περιβάλλοντος
• Το παράθυρο περιβάλλον ως προϋπολογισμός: τι κερδίζει θέση μέσα
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — μία έννοια, πολλά ονόματα αρχείων, μία πηγή αλήθειας
• Συνήθειες, εντολές κατασκευής και δοκιμής, αρχιτεκτονικά όρια
• Ανάκτηση έναντι ρητού περιβάλλοντος; αποσύνθεση καθήκοντος και υπο-πράκτες
Lab: Γράψτε το περιβάλλον αποθετηρίου για μια αγνώστη υπηρεσία Python, μετά επαναλάβετε ένα αποτυχημένο καθήκον και συγκρίνετε την έξοδο
Επαναχρησιμοποιήσιμες διαδικασίες και Δεξιότητες Πρακτών
• Επιλογή της απόσπασης: αρχείο οδηγιών, δεξιότητα, προσαρμοσμένη εντολή ή απλό script
• Ανατομία μιας δεξιότητας: ενεργοποίηση, οδηγίες, συγκεντρωμένα scripts, προοδευτική αποκάλυψη
• Φορητότητα μέσω εργαλείων, και πού αρχίζει η δέσμευση
• Έκδοση, έλεγχος και διανομή σε μια ομάδα; κοινά anti-patterns
Lab: Κατασκευάστε και δοκιμάστε μια επαναχρησιμοποιήσιμη διαδικασία που επιβάλλει ένα πρότυπο κωδικοποίησης σπιτιού
MCP: Σύνδεση πρακτών με πραγματικά συστήματα
• Αρχιτεκτονική: πελάτες, servers, tools, resources και prompts; stdio και μεταφορές HTTP
• Servers που κερδίζουν τη θέση τους: hostings Git, trackers ζητημάτων, βάσεις δεδομένων, browsers, εσωτερικά APIs
• Όταν ένα CLI ή script νικάει έναν server MCP
• Υγιεινή επιφάνειας εργαλείων: γιατί περισσότερα εργαλεία σημαίνουν λιγότερη αξιοπιστία
Lab: Συνδέστε servers MCP και πάρτε ένα ticket από άκρη σε άκρη — ζήτημα, branch, patch, tests, pull request
Κύκλοι ανατροφοδότησης και αξιολόγηση
• Tests, τύποι και linters ως η αληθινή βάση του πρακτα; εργασία test-first ως μηχανισμός ελέγχου
• CI ως ο εξωτερικός κύκλος, και πειθαρχία επανεξέτασης για diffs γραμμένα από πράκτες
• Σετ αξιολόγησης χρυσών καθηκόντων: τι να μετρήσετε και πώς ναcaught regressions
• Κόστος και καθυστέρηση ως δείκτες πρώτης τάξης
Lab: Κατασκευάστε ένα μικρό σετ αξιολόγησης και βαθμολογήστε δύο διαμορφώσεις πρακτών εναντίον αυτού
Ασφάλεια και φράγματα
• Πληκτρολόγηση εντολών μέσω ζητημάτων, pull requests, READMEs, εξαρτήσεων και φετσεδ σελίδων
• Μοντέλα δικαιωμάτων: allowlists, εγκρίσεις, εργαλεία μόνο-ανάγνωσης, έλεγχος network egress
• Υγιεινή μυστικών και sandboxing: containers, ephemeral credentials, περιορισμός εκτίμησης blast radius
• Κίνδυνος supply-chain σε servers MCP τρίτων και κοινές δεξιότητες
Lab: Παρακολουθήστε έναν πράκτη να αρπάχθει από ένα δηλητηριασμένο αποθετήριο, μετά Hardenite τη ρύθμιση ώστε να μην το κάνει
Εγκατάσταση σε μια ομάδα
• Μια διαβαθμισμένη διαδρομή υιοθέτησης; τι να standardize και τι να αφήσετε στους individuals
• Μετρικές που υποδεικνύουν πραγματική αξία, και αυτές που δεν το κάνουν
Απαιτήσεις
• Γνωριμία με Python, Git και την γραμμή εντολών
• Προηγούμενη έκθεση σε έναν βοηθό κωδικοποίησης AI
• Η NobleProg θα ρυθμίσει VMs Dadesktop για τους συμμετέχοντες με Docker, VS Code και Python 3.11 ή νεότερο
• Ένας λειτουργικός βοηθός κωδικοποίησης AI της επιλογής του συμμετέχοντος: Claude Code, GitHub Copilot, Cursor, Codex CLI ή Gemini CLI. Τα εργαστήρια είναι ανεξάρτητα από εργαλεία και παρέχονται οδηγίες για κάθε ένα
Κοινό Στόχος
• Μηχανικοί λογισμικού, τεχνικοί ηγέτες και αρχιτέκτονες που χρησιμοποιούν βοηθούς κωδικοποίησης AI χωρίς να λαμβάνουν αξιόπιστα αποτελέσματα
• Μηχανικοί πλατφόρμας και εμπειρίας developer που εγκαθιστούν εργαλεία AI σε όλες τις ομάδες
• Διοικητές μηχανικής που θέτουν πρότυπα, φράγματα και δείκτες επιτυχίας
Σχόλια (3)
Ο εκπαιδευτικός είναι υπομονετικός και πολύ βοηθητικός. Γνώριζε πολύ καλά το θέμα.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Κομμάτι - Agentic AI for Business Automation: Use Cases & Integration
Μηχανική Μετάφραση
Καλό μείγμα γνώσης και πράξης
Ion Mironescu - Facultatea S.A.I.A.P.M.
Κομμάτι - Agentic AI for Enterprise Applications
Μηχανική Μετάφραση
Η μίξη θεωρίας και πράξης καθώς και των υψηλόβαθμων και των χαμηλόβαθμων προοπτικών
Ion Mironescu - Facultatea S.A.I.A.P.M.
Κομμάτι - Autonomous Decision-Making with Agentic AI
Μηχανική Μετάφραση