170 lines
12 KiB
Markdown
170 lines
12 KiB
Markdown
# Персональный план AI Fluency
|
||
|
||
**Автор:** Эмиль Амиров
|
||
**Контекст:** студент КФУ, курс BroJS (KFU-26-1), разработка LangChain/LangGraph-агентов, подготовка к защите проектов
|
||
**Основа:** [AI Fluency: Framework & Foundations](https://anthropic.skilljar.com/ai-fluency-framework-foundations) (модель 4D: Delegation, Description, Discernment, Diligence)
|
||
|
||
---
|
||
|
||
## 1. Цели и контекст
|
||
|
||
### Зачем мне AI fluency
|
||
- Ускорять учёбу и домашние задания **без потери понимания** кода и архитектуры.
|
||
- Строить надёжных агентов (память, RAG, HITL, MCP), а не «магические» демо.
|
||
- Готовиться к защите: уметь **объяснить** решение, ограничения модели и свою роль в работе.
|
||
|
||
### Текущий уровень (честная самооценка)
|
||
| Компетенция | Сильные стороны | Зоны роста |
|
||
|-------------|-----------------|------------|
|
||
| **Delegation** | Разделяю задачи: LLM — черновик/объяснение, я — интеграция, тесты, сдача | Иногда делегирую слишком крупные куски («сделай всё ДЗ») |
|
||
| **Description** | Умею задавать структуру (файлы, API, LangGraph), использовать `.env` и контекст репо | Слабее в *performance description* (тон, границы, «остановись и спроси») |
|
||
| **Discernment** | Проверяю код запуском, линтером, MCP/Gitea | Редко фиксирую «галлюцинации» в теоретических ответах |
|
||
| **Diligence** | Не коммичу секреты, знаю про rework в журнале | Нужны явные правила для данных курса и личных проектов |
|
||
|
||
### Измеримые цели на 8 недель
|
||
1. **Недели 1–2:** для каждого ДЗ — чеклист 4D до начала работы (5 мин).
|
||
2. **Недели 3–4:** один «эталонный» system prompt для учебного агента + шаблон итерации (3 раунда минимум).
|
||
3. **Недели 5–6:** журнал ошибок модели (5 записей: что сказала / что проверил / итог).
|
||
4. **Недели 7–8:** защита: 10-минутный рассказ без слайдов с ИИ — только с демо и своими словами.
|
||
|
||
---
|
||
|
||
## 2. Delegation — что кому делегировать
|
||
|
||
### Режимы взаимодействия (по курсу)
|
||
| Режим | Когда использую | Пример в моей учёбе |
|
||
|-------|-----------------|---------------------|
|
||
| **Automation** | Повторяемые, чётко описанные шаги | Генерация `requirements.txt`, boilerplate README, форматирование |
|
||
| **Augmentation** | Нужно моё суждение + скорость ИИ | Разбор traceback, рефакторинг графа, идеи тест-кейсов |
|
||
| **Agency** | Долгий цикл с guardrails | BroJS-агент с MCP (журнал, Gitea) — только с лимитами и review |
|
||
|
||
### Матрица «человек / ИИ»
|
||
| Задача | Решение | Почему |
|
||
|--------|---------|--------|
|
||
| Архитектура графа (узлы, interrupt, checkpoint) | **Человек** | Ошибка = неверная модель выполнения |
|
||
| Черновик кода по ТЗ | **ИИ + человек** | ИИ ускоряет, я правлю и запускаю |
|
||
| Сдача в журнал, секреты, `.env` | **Только человек** | Ответственность и безопасность |
|
||
| Поиск по документации LangChain | **ИИ + официальные docs** | ИИ может устареть; сверяю с docs |
|
||
| Этика, цитирование, «чья работа» | **Человек** | Diligence |
|
||
|
||
### Правило «стоп-делегирования»
|
||
Не отдаю ИИ целиком, если не могу ответить на три вопроса:
|
||
1. Что должно быть на выходе (артефакт)?
|
||
2. Как я проверю результат за < 15 минут?
|
||
3. Что будет, если модель ошибётся?
|
||
|
||
---
|
||
|
||
## 3. Description — как описывать задачи ИИ
|
||
|
||
### Шаблон запроса (Product + Process + Performance)
|
||
|
||
```
|
||
Контекст: [курс/репо/файл]
|
||
Цель: [одно предложение]
|
||
Продукт: [файлы, формат, критерии готовности]
|
||
Процесс: [шаги: сначала X, потом Y; не трогать Z]
|
||
Поведение: [кратко/подробно; задавать вопросы; не выдумывать API]
|
||
Ограничения: [версии langchain, без pass/TODO, Windows/PowerShell]
|
||
```
|
||
|
||
### Performance description (как должен вести себя ассистент)
|
||
- «Если требования неясны — задай до 3 уточняющих вопросов, не пиши код.»
|
||
- «Перед финалом перечисли допущения и риски.»
|
||
- «Не предлагай commit/push без явной просьбы.»
|
||
- «Для BroJS: owner Gitea = Emil, ответ в журнал — link или text по типу задания.»
|
||
|
||
### Контекст-блок (обновляю раз в неделю)
|
||
- Проект: `brojs-agent-main`, Python 3.11+, venv, OpenRouter.
|
||
- Стек ДЗ: LangGraph, MCP journal, Gitea, Qdrant/Ollama где нужно.
|
||
- Слабые места: PowerShell (`;` не `&&`), кодировка UTF-8, лимиты free-моделей (429).
|
||
|
||
---
|
||
|
||
## 4. Discernment — как оценивать ответы ИИ
|
||
|
||
### Цикл Description ↔ Discernment (минимум 3 итерации на нетривиальную задачу)
|
||
1. **Черновик** — получить структуру/код.
|
||
2. **Критика** — «найди 3 бага и 1 лишнюю зависимость».
|
||
3. **Синтез** — внести правки, запустить локально.
|
||
4. **Финал** — сравнить с ТЗ построчно.
|
||
|
||
### Чеклист проверки вывода
|
||
- [ ] Код запускается в моём окружении?
|
||
- [ ] Все пункты ТЗ закрыты (в т.ч. `langchain>1.0.0`, interrupt, stream)?
|
||
- [ ] Нет выдуманных импортов/API (сверка с docs)?
|
||
- [ ] Нет секретов в репозитории?
|
||
- [ ] Могу объяснить каждый нетривиальный фрагмент на защите?
|
||
|
||
### Красные флаги
|
||
- Слишком гладкий ответ без trade-offs → **остановка и ручная проверка**.
|
||
- «Уже готово к сдаче» без логов запуска → **не верю до теста**.
|
||
- Один огромный diff → **разбить на шаги**.
|
||
|
||
### Инструменты верификации
|
||
- `python main.py`, pytest где есть.
|
||
- `scripts/health_check.py` для окружения.
|
||
- Gitea + журнал MCP для сдачи.
|
||
- Для RAG: spot-check источников в Qdrant, не только ответ модели.
|
||
|
||
---
|
||
|
||
## 5. Diligence — ответственное использование
|
||
|
||
### Принципы
|
||
1. **Прозрачность:** на защите говорю, где использовал ИИ (черновик, рефакторинг, документация).
|
||
2. **Конфиденциальность:** API-ключи только в `.env`, не в чатах и не в Gitea.
|
||
3. **Академическая честность:** сдаю **свою** понятую работу; ИИ — инструмент, не соавтор без ревью.
|
||
4. **Ограничение вреда:** не генерирую вредоносный код, не обхожу ограничения платформ курса.
|
||
|
||
### Действия при ошибке ИИ в продакшене учебного смысла
|
||
- Откатить коммит / не сдавать до исправления.
|
||
- Зафиксировать в комментарии к себе: промпт → ошибка → исправление.
|
||
|
||
---
|
||
|
||
## 6. План действий по неделям
|
||
|
||
| Неделя | Фокус 4D | Действие | Критерий успеха |
|
||
|--------|----------|----------|-----------------|
|
||
| 1 | Delegation | Матрица задач для текущего ДЗ | Заполнена таблица «человек/ИИ» |
|
||
| 2 | Description | Один system prompt в `AGENTS.md` агента | 3 успешных запроса подряд без переделки ТЗ |
|
||
| 3 | Discernment | Журнал 5 проверок выводов | 5 записей с итогом pass/fail |
|
||
| 4 | Diligence | Правила `.env` + pre-submit checklist | 0 утечек ключей, сдача с непустым answer |
|
||
| 5 | Delegation | Режим agency только с HITL | Демо interrupt на защите |
|
||
| 6 | Description | Шаблон prompt в README репо | Коллега может повторить workflow |
|
||
| 7 | Discernment | Mock-защита без слайдов | 10 мин объяснения + вопросы |
|
||
| 8 | Все 4D | Ретроспектива плана | Обновлённая версия плана v2 |
|
||
|
||
---
|
||
|
||
## 7. Инструменты и среда
|
||
|
||
| Инструмент | Роль в плане |
|
||
|------------|--------------|
|
||
| Cursor + агент | Augmentation при разработке |
|
||
| OpenRouter / Claude | LLM с переключением модели при 429 |
|
||
| LangGraph | Agency с checkpoint и interrupt |
|
||
| BroJS Journal MCP | Сдача; всегда `task_update_answer` перед submit |
|
||
| Gitea (Emil) | Хранение кода ДЗ |
|
||
| Anthropic AI Fluency course | Референс терминологии 4D |
|
||
|
||
---
|
||
|
||
## 8. Риски и митигация
|
||
|
||
| Риск | Митигация |
|
||
|------|-----------|
|
||
| Переоценка ИИ на защите | Еженедельная mock-защита без подсказок |
|
||
| Пустая сдача в журнал | Чеклист: answer не пустой (text или link) |
|
||
| Устаревшие API в коде | Сверка с официальной документацией |
|
||
| Выгорание от 429/ретраев | Запасная модель в `OPENROUTER_MODEL` |
|
||
|
||
---
|
||
|
||
## 9. Краткое резюме
|
||
|
||
Мой план AI fluency — **не «больше промптов»**, а дисциплина 4D: осознанно делегировать (automation/augmentation/agency), чётко описывать задачи (product/process/performance), критически проверять вывод (итерации + тесты), ответственно сдавать и защищать работу (diligence). Фокус на курсе BroJS: агенты с памятью, RAG, HITL и MCP — с человеком в контуре принятия решений.
|
||
|
||
*Версия плана: 1.0 — май 2026*
|