9.1 KiB
9.1 KiB
Personal AI Fluency Plan
Автор: Роман Курлыгин
Курс: KFU-26-1 (BroJS)
Дата: май 2026
Основа: 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)
- Разбор ДЗ — объяснение концепции LangGraph/MCP после самостоятельной попытки.
- Ревью своего кода — чеклист: граничные случаи, типы, соответствие ТЗ.
- Конспекты — сжатие длинных статей курса в шпаргалку (с проверкой по первоисточнику).
Разработка (приоритет: высокий)
- Черновик boilerplate — структура проекта,
requirements.txt, скелетmain.py. - Отладка — анализ traceback + гипотезы; исправление вношу сам.
- Документация — README, комментарии к публичным функциям.
Повседневное (приоритет: средний)
- Планирование — декомпозиция большой задачи на шаги.
- 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)
- Сформулировать задачу: вход, выход, ограничения, критерии готовности.
- Запросить черновик / объяснение (без секретов в промпте).
- Проверить факты, запустить код, сравнить с документацией.
- Итерировать 1–2 раза с уточнением ошибок.
- Зафиксировать итог: что сработало, какой промпт сохранить.
5. План обучения (12 недель)
Недели 1–2: Foundations
- 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
- Секреты — только в
.env, никогда в чат и не в Gitea. - Персональные данные — не загружать в облачные модели без необходимости.
- Атрибуция — если ИИ помог с кодом/текстом, понимаю решение и могу объяснить.
- Честность на курсе — сдаю своё понимание; ссылка на репозиторий = моя работа с допустимой помощью ИИ.
- 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.