# Personal AI Fluency Plan

**Автор:** Роман Курлыгин  
**Курс:** KFU-26-1 (BroJS)  
**Дата:** май 2026  
**Основа:** [AI Fluency Framework: Foundations](https://anthropic.skilljar.com/ai-fluency-framework-foundations) (Anthropic)

---

## 1. Цель и контекст

### Зачем мне AI fluency
Я учусь разрабатывать AI-агентов (LangChain, LangGraph, MCP, RAG). Мне нужна не «магия кнопки», а **осознанная** работа с моделями: когда доверять ответу, как формулировать задачи, как встраивать ИИ в учёбу и будущую разработку без потери качества и безопасности.

### Ожидаемый результат через 3 месяца
- Уверенно прохожу типовой цикл: **задача → промпт → проверка → итерация → сдача**.
- Использую ИИ для ускорения рутины (черновики кода, разбор ошибок, конспекты), но **финальное решение и ответственность — на мне**.
- Имею задокументированный набор правил (что можно/нельзя отправлять в модель).

---

## 2. Текущий уровень (self-assessment)

| Область | Уровень (1–5) | Комментарий |
|--------|---------------|-------------|
| Промптинг (ясность задачи) | 3 | Умею описывать ТЗ; иногда пропускаю ограничения и формат ответа |
| Критическая оценка ответов | 3 | Проверяю код запуском; тексты проверяю слабее |
| Инструменты (IDE, агенты, API) | 4 | Cursor, OpenRouter, Ollama, Gitea, журнал курса |
| Автоматизация / агенты | 3 | LangGraph, HITL, RAG — в процессе освоения |
| Этика и конфиденциальность | 4 | Не отправляю ключи и персональные данные в публичные API |

---

## 3. Сценарии использования (use cases)

### Учёба (приоритет: высокий)
1. **Разбор ДЗ** — объяснение концепции LangGraph/MCP после самостоятельной попытки.
2. **Ревью своего кода** — чеклист: граничные случаи, типы, соответствие ТЗ.
3. **Конспекты** — сжатие длинных статей курса в шпаргалку (с проверкой по первоисточнику).

### Разработка (приоритет: высокий)
4. **Черновик boilerplate** — структура проекта, `requirements.txt`, скелет `main.py`.
5. **Отладка** — анализ traceback + гипотезы; исправление вношу сам.
6. **Документация** — README, комментарии к публичным функциям.

### Повседневное (приоритет: средний)
7. **Планирование** — декомпозиция большой задачи на шаги.
8. **Язык** — правка формулировок в отчётах (не генерация «готовых работ» за меня).

### Не использую ИИ для
- Сдачи чужой работы как своей без понимания.
- Генерации ответов на экзаменах/тестах в реальном времени.
- Обработки чужих персональных данных.

---

## 4. Инструменты и workflow

| Инструмент | Роль | Когда |
|------------|------|--------|
| **Cursor + агент** | Код, рефакторинг, курс BroJS | Практические задания |
| **OpenRouter** (gpt-oss и др.) | Быстрые эксперименты | Когда нет локальной LLM |
| **Ollama** (llama3, nomic-embed-text) | Локальные LLM и эмбеддинги | RAG, приватность |
| **LangChain / LangGraph** | Продакшен-логика агентов | Все agent-задания курса |
| **Блокнот / Markdown** | Фиксация промптов и уроков | После каждого модуля |

### Стандартный workflow (5 шагов)
1. **Сформулировать** задачу: вход, выход, ограничения, критерии готовности.
2. **Запросить** черновик / объяснение (без секретов в промпте).
3. **Проверить** факты, запустить код, сравнить с документацией.
4. **Итерировать** 1–2 раза с уточнением ошибок.
5. **Зафиксировать** итог: что сработало, какой промпт сохранить.

---

## 5. План обучения (12 недель)

### Недели 1–2: Foundations
- [x] Пройти модуль AI Fluency Framework (Anthropic Skilljar).
- [ ] Вести журнал: 5 удачных и 5 неудачных промптов с разбором.

### Недели 3–4: Промптинг под код
- [ ] Шаблон промпта для заданий курса (роль, стек, формат, запреты).
- [ ] Практика: каждое ДЗ — минимум 10 минут без ИИ перед обращением к модели.

### Недели 5–6: Критическое мышление
- [ ] Для каждого ответа модели: «3 вещи, которые я проверил сам».
- [ ] Упражнение: намеренно сломать совет модели и понять почему.

### Недели 7–8: Агенты и инструменты
- [ ] Закрепить HITL, stream, middleware на своих мини-проектах.
- [ ] Один pet-project: агент с 2+ инструментами и памятью.

### Недели 9–10: RAG и данные
- [ ] Локальный RAG (Qdrant + Ollama) на своих конспектах курса.
- [ ] Политика: какие документы можно индексировать.

### Недели 11–12: Интеграция и ревью
- [ ] Обновить этот план по факту.
- [ ] Презентация: 1 слайд «как я использую ИИ этично и эффективно».

---

## 6. Правила безопасности и этики

1. **Секреты** — только в `.env`, никогда в чат и не в Gitea.
2. **Персональные данные** — не загружать в облачные модели без необходимости.
3. **Атрибуция** — если ИИ помог с кодом/текстом, понимаю решение и могу объяснить.
4. **Честность на курсе** — сдаю своё понимание; ссылка на репозиторий = моя работа с допустимой помощью ИИ.
5. **Ограничение доверия** — модель может галлюцинировать API; сверка с официальной документацией обязательна.

---

## 7. Метрики успеха

| Метрика | Цель |
|---------|------|
| ДЗ сдано с первого/второго раза | ≥ 80% |
| Время на отладку «слепого» кода от ИИ | −30% к концу периода |
| Записей в журнале промптов | ≥ 20 |
| Инциденты (утечка ключей, списание) | 0 |
| Уверенность объяснить свой код устно | 4/5 |

---

## 8. Риски и митигация

| Риск | Митигация |
|------|-----------|
| Переоценка ответа модели | Обязательный чеклист проверки |
| Прокрастинация («пусть ИИ сделает») | Правило 10 минут самому |
| Зависимость от одного провайдера | Ollama + OpenRouter |
| Выгорание | 2 дня в неделю без «агентских» экспериментов |

---

## 9. Краткое резюме

Я строю AI fluency как **навык инженера**: чёткие задачи, проверяемые результаты, локальные и облачные инструменты по ситуации, этичные границы. Курс KFU-26-1 даёт практику агентов; этот план связывает курс Anthropic с моей ежедневной учёбой и разработкой на ближайшие 3 месяца.

---

*План подготовлен в рамках задания «ai-fluency», курс KFU-26-1.*