Kursplan
Den fyrstegs anpassningsstapel
Nivå 1 | Vet – Regler och AGENTS.md
Teman som tas upp:
• Definiering av projektens konventioner och kodningsstandarder
• Dokumentering av arkitektur och tekniska begränsningar
• Skapande av verktygsneutral projektguidering
• Upprätthållande av konsekvens över utvecklingsteam och AI-verktyg
Nivå 2 | Kan – Färdigheter
Teman som tas upp:
• Skapande av återanvändbara enheter för specialistkunskap
• Laddning av kontextuell information endast när det behövs
• Minimering av kontextstorlek samtidigt som prestationsförmågan ökar
• Byggande av bibliotek med återanvändbara arbetsflöden och expertis
Nivå 3 | När – MCP
Teman som tas upp:
• Koppling av AI-verktyg till externa system och tjänster
• Åtkomst till arkiv, databaser och dokumentationskällor
• Utökning av AI-kodassistenters funktionalitet
• Implementering av säkra integrationer och styrningskontroller
Nivå 4 | Agerar – Agenter
Teman som tas upp:
• Förståelse för autonoma AI-agenter och deras funktioner
• Självständig läsning, skrivning, testning och revidering av kod
• Hantering av målstyrda arbetsflöden och delegerade uppgifter
• Upprättande av översyns- och mänskliga granskingsmekanismer för agentic system
Dag 1 | Delegering och utökning av verktygen
Modul 1 | Från assistent till agent
Teman som tas upp:
• Förståelse för skillnaden mellan AI-assistenter och autonoma agenter
• Inline-kodkomplettering jämfört med agentic delegering
• Hur agentic arbetsflöden förändrar strukturen på utvecklingsuppgifter
• Identifiering av uppgifter som lämpar sig för delegering till agenter
• Bästa praxis för samarbete med autonoma AI-system
Modul 2 | Delegeringar som fungerar utan ständig övervakning
Teman som tas upp:
• Skrivande av effektiva instruktioner för AI-agenter
• Tillräcklig tillhandahållande av kontext och affärsbehov
• Definition av exekutiva begränsningar och gränser
• Upprättande av tydliga acceptanskriterier och succémått
• Minimera mänsklig intervention samtidigt som kvaliteten upprätthålls
Modul 3 | Anpassningsstapel och vad som gäller var
Teman som tas upp:
• Förståelse för den fyrstegs anpassningsstapeln
• Användning av Regler och AGENTS.md för att definiera projektens konventioner
• Bestämmande av vilka anpassningsmekanismer som gäller i olika scenarier
• Effektiv hantering av kontext över verktyg och projekt
• Skapande av konsistenta AI-assisterade utvecklingsmiljöer
Modul 4 | Färdigheter och subagenter
Teman som tas upp:
• Skapande av återanvändbara Färdigheter för vanliga arbetsflöden och uppgifter
• Förpackning av specialistkunskap för upprepade användningar
• Förståelse för subagenter och isolerade kontexter
• Delegering av begränsade uppgifter till specialiserade agenter
• Förbättrad effektivitet genom modulerad AI-arbetsflöden
Dag 2 | Koppling av verktyg, parallellism och styrning
Modul 5 | MCP: Anslut och bygg
Teman som tas upp:
• Förståelse för principerna bakom Model Context Protocol (MCP)
• Anslutning av AI-verktyg till externa system och tjänster
• Integration av webbläsare, databaser, arkiv och dokumentationskällor
• Byggande av en anpassad MCP-server
• Hantering av åtkomstkontroll och säkerhetsaspekter
Modul 6 | Det disciplinerade agentic arbetsflödet
Teman som tas upp:
• Upprättande av ett upprepbar AI-assisterat utvecklingsprocess
• Brainstorming och planering med AI-agenter
• Byggande och implementering av lösningar i samarbete
• Testning och validering av genererade output
• Granskning och finalisering av leveranser med lämpliga verifieringssteg
Modul 7 | Parallell utveckling
Teman som tas upp:
• Köra flera AI-agenter samtidigt
• Arbete med isolerade grenar och Git-worktrees
• Koordinering av utvecklingsaktiviteter över parallella arbetsflöden
• Sammanfogning och validering av output från flera agenter
‡ Förbättrad produktivitet genom strategier för parallell körning
Modul 8 | Risker, granskning och styrning
Teman som tas upp:
• Utvärdering och verifiering av externa Färdigheter och MCP-servrar
• Förståelse för säkerhets- och styrningsrisker
• Hantering av behörigheter och åtkomsträttigheter
• Skydd av känslig data och immateriell egendom
• Upprättande av granskningsprocesser och kvalitetskontrollrutiner
Modul 9 | AI-adoption inom mjukvaruutveckling: Användningsfall och nästa steg
Teman som tas upp:
• Hur organisationer integrerar AI i mjukvaruutvecklingslivscykeln (SDLC)
• Verkliga användningsfall och implementeringsexempel från olika branscher
• Vanliga tillvägagångssätt för AI-adoption: individuell adoption, teambaserad adoption och organisationsbreddad funktionalitet
• Typiska användningsfall över SDLC:
• Insamling av krav och dokumentation
• Kodgenerering och prototypning
• Testning och kvalitetsgaranti
• Kodegranskning och refaktorering
• Dokumentation och kunskapsförvaltning
• DevOps och incidenthantering
• Styrningsmodeller, policyer och säkerhetsaspekter
• Mätning av produktivitet och ROI för AI-assisterad utveckling
• Skapande av en intern roadmap för AI-adoption
• Definition av praktiska nästa steg för deltagarna och deras team
Interaktiv diskussionsworkshop
• Aktuella utmaningar inom deltagarnas utvecklingsteam
• Identifiering av högintressanta användningsfall för omedelbar adoption
• Risker, hinder och organisatoriska överväganden
• Skapande av en initial handlingsplan för AI-integration.
Krav
Professionell erfarenhet inom utveckling, bekvämlighet i terminalmiljön och kunskaper i Git. Regelbunden användning av ett AI-kodningsverktyg eller genomförd kurs i Grundläggande AI-utveckling.
Målgrupp
Utvecklare som redan använder AI-verktyg, tekniska ledare ansvariga för adoption i team och plattformsingenjörer eller DevOps-engineers som bygger Färdigheter och MCP-servrar.
Vittnesmål (2)
Använda Claude Code på ett mer effektivt sätt
Virgil Trif - Frequentis
Kurs - Claude Code: Agentic AI Development · 1-Day
Maskintolkat
"Jag lärde mig verktygets potential och fick tillräckliga färdigheter för att börja använda det i mitt arbete omedelbart"
Angelo Moro
Kurs - Claude AI for Developers: Building AI-Powered Applications
Maskintolkat
