Что будем делать

• Познакомимся, расскажете про свои цели и проекты
• Обзор рынка AI: чем отличаются OpenAI, Anthropic, Google и почему мы выбираем Claude
• Лестница освоения AI: от «использую как поисковик» до «агенты работают за меня»
• Практические кейсы: что делают люди без навыков программирования с помощью AI
• Выберем ваш проект: лендинг, портфолио, внутренний инструмент или что-то своё

После этого созвона вы понимаете ландшафт AI-инструментов, выбрали свой проект и видите, куда расти дальше

• Среды работы: Web, Desktop, Terminal — в чём разница и когда что использовать
• Какие файлы создать в проекте, чтобы AI понимал контекст
• Живая демо: из одного CSV-файла за 40 минут создаём 4 продукта
• Как оркестрировать модели и не сливать дорогие лимиты на простые задачи
• Разрешения и безопасность: что агенту можно делать, а что нельзя

После этого созвона начнёте работать в терминале, структурировать проект для AI и экономить лимиты

• Разбор проектов участников: фидбек, лайфхаки, общие ошибки
• Git: как откатить изменения, если AI что-то сломал
• Хостинг и деплой: учимся выкладывать проект в интернет
• Лайфхаки работы с моделями разных провайдеров: Claude, ChatGPT, Gemini
• Основные команды в Claude Code: стили ответов, сжатие контекста, откат диалога
• Как работает Claude Code изнутри: что происходит между вводом команды и ответом

К концу этого созвона ваш проект живёт в интернете и доступен по ссылке. Умеете «сохранять игру» и откатывать изменения, если AI что-то сломал

• Скиллы: учим Claude повторяющимся задачам
• Субагенты: запускаем задачи в отдельном контексте, чтобы не засорять основной чат
• Хуки: автоматические действия, которые невозможно «забыть»
• MCP: подключаем Notion, Figma, Google Analytics напрямую к AI
• Экономика агентов: почему скиллы и субагенты — это новый формат продукта

После этого урока научитесь делегировать Claude основную рутину и научите его работать в любых ваших сервисах

• Разбор проектов участников: фидбек и лайфхаки
• Context Engineering: как промпт превратился в инженерию всей системы
• Слои контекста: системный промпт, память, файлы, Skills, MCP, история — у каждого своя роль
• Поверхность внимания: почему миллион токенов не делает модель умнее, а часто наоборот
• Экономика кэша: почему один и тот же запрос может стоить в 10 раз дешевле или дороже

Понимаете, как устроен контекст агента изнутри: где живёт информация, что попадает в окно внимания, как платится цена и где экономится

• Демо-день: показываете проекты, получаете обратную связь от группы
• Чем современный AI-агент отличается от чата: цикл, автономность, инструменты
• Анатомия агента: мозг, душа, память, руки, глаза — что внутри проактивного помощника
• 5 слоёв памяти агента: от рабочей до векторной — почему это сложнее, чем кажется
• Проактивность через Heartbeat и Cron: как агент сам инициирует действия
• Основные сложности и что делать, если хочется сделать своего проактивного агента

Показали проект и получили фидбек от группы. Понимаете, как устроен современный AI-агент изнутри — из каких блоков он собирается, как работает память и проактивность. Уходите с картой следующего шага после курса

• Как работают LLM: токены, контекстное окно, вероятностная модель
• Почему английский дешевле русского на 30% и зачем держать одну тему в одном чате
• Экономика моделей: Opus, Sonnet, Haiku — когда какую использовать
• Управление лимитами: 5-часовые окна и лайфхаки
• Искусство промптинга: контекст, задача, формат, ограничения

• 10 уровней освоения AI: от чата-поисковика до агентной экономики
• Анатомия агента: мозг (LLM), душа (правила), память, инструменты, проактивность
• Кейсы: автоматический календарь, мониторинг концертов, финансы через Apple Watch
• Подводные камни: контекст, безопасность, тиры доступов, риск банов

• NotebookLM: анализ видео, документов, аудио и генерация контента
• Как проверить спрос на продукт, прежде чем вкладывать время
• Маркетинг и личный бренд: как продвигать то, что сделал
• Каналы продвижения: Telegram, Хабр, LinkedIn