RomanKurlygin
1d76529c51
Add a minimal Python CLI implementation with source code and dependency configuration so the repository can be validated by autograder requirements. Co-authored-by: Cursor <cursoragent@cursor.com>
166 lines
9.7 KiB
Markdown
166 lines
9.7 KiB
Markdown
# 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)
|
||
|
||
---
|
||
|
||
## Project implementation
|
||
|
||
This repository contains not only the plan text, but also a small Python project that implements a basic progress tracker for this plan.
|
||
|
||
### Source files
|
||
|
||
- `main.py` — CLI entrypoint.
|
||
- `src/fluency_tracker/tracker.py` — parser of markdown checklist and report builder.
|
||
- `src/fluency_tracker/cli.py` — command-line interface.
|
||
- `requirements.txt` / `pyproject.toml` — dependency and project configuration files.
|
||
|
||
### Run locally
|
||
|
||
```bash
|
||
python -m pip install -r requirements.txt
|
||
python main.py --plan-file README.md
|
||
```
|
||
|
||
The command prints current progress and pending items from checklist tasks (`- [ ]` / `- [x]`).
|
||
|
||
---
|
||
|
||
## 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.*
|