Szkolenie: Python i AI dla zaawansowanych - od asystentów do agentów
Szkolenie Python i AI dla zaawansowanych to praktyczny kurs software engineering z wykorzystaniem AI coding assistants i agentów, obejmujący prompt engineering, context engineering, skills, tool calling, MCP, automatyzację workflow oraz użycie AI do implementacji, refaktoryzacji, testowania, debugowania, code review i dokumentowania aplikacji Python
Trenerzy praktycy
Kameralne grupy
Czas trwania szkolenia:5 dni (40h)
Poziom zaawansowania:
Kod kursu:Python/AI
ai-codingpython-aiai-agentsmodel-context-protocol
Dostępne terminy szkolenia
Termin
Trener
Cena
Lokalizacja
Zapis
Termin:
19 października - 23 października
Trwają zapisy na szkolenie
Oferta specjalna
online_payments
Trener:
Matt Harasymczuk
Cena:
3950 PLN netto
Dowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT
Lokalizacja:
Zdalne
Zdalne
Zapytaj o inne lokalizacje - w tym celu skorzystaj z chatu
Python i AI dla zaawansowanych - od asystentów do agentów
Cele szkolenia
Szkolenie uczy wykorzystywania AI coding assistants i AI coding agents do realizacji zadań związanych z analizą, implementacją, refaktoryzacją, testowaniem i dokumentowaniem oprogramowania w Pythonie
Szkolenie przygotowuje do projektowania skutecznych promptów, instrukcji, reusable workflows i agent skills, wspierających powtarzalną oraz kontrolowaną pracę z narzędziami AI w projektach programistycznych
Szkolenie pokazuje sposoby wykorzystania context engineering i zarządzania kontekstem projektu, repozytorium oraz standardami kodowania w celu podnoszenia jakości wyników generowanych przez modele AI i agentów
Szkolenie uczy projektowania agentów AI, narzędzi i procesów tool calling oraz pokazuje integrację z zewnętrznymi systemami, API i bazami danych z wykorzystaniem Model Context Protocol (MCP)
Szkolenie rozwija umiejętność krytycznej oceny wyników pracy modeli AI, identyfikowania halucynacji, regresji, błędnych założeń i ryzyk autonomicznego programowania oraz kontrolowania jakości i bezpieczeństwa pracy agentów
Szkolenie przygotowuje do samodzielnego projektowania kompletnego agentic workflow dla projektu Python, obejmującego implementację, testy, code review i dokumentację, z uwzględnieniem jakości, bezpieczeństwa i udziału człowieka w procesie decyzyjnym
Dla kogo?
Programiści Python z praktycznym doświadczeniem w tworzeniu i utrzymaniu oprogramowania
Software engineerowie wykorzystujący AI lub planujący wdrożenie AI coding agents w pracy
Tech leadzi i liderzy zespołów projektujący procesy programistyczne wspierane przez AI
Developerzy pracujący z Git, IDE, testami i terminalem w codziennym środowisku pracy
Osoby zainteresowane agentic software engineering, automatyzacją workflow i integracją narzędzi AI
Efekty kształcenia
Uczestnik szkolenia projektuje prompty, instrukcje, reusable prompts i agent skills dla powtarzalnych zadań programistycznych
Uczestnik szkolenia analizuje kod, repozytorium i wymagania oraz planuje zmiany z użyciem AI coding assistants i agentów AI
Uczestnik szkolenia organizuje agentic workflow dla implementacji, testów, debugowania i code review z wykorzystaniem odpowiednich poziomów autonomii agentów
Uczestnik szkolenia integruje agentów z narzędziami i systemami przez tool calling oraz Model Context Protocol (MCP)
Uczestnik szkolenia ocenia jakość kodu generowanego przez AI i identyfikuje halucynacje, regresje, błędne założenia oraz ryzyka autonomicznego programowania
Uczestnik szkolenia dokumentuje, refaktoryzuje i testuje aplikacje Python z użyciem AI oraz automatyzuje wybrane elementy procesu wytwarzania oprogramowania
Wymagania
Wymagana dobra znajomość języka Python
Wymagane praktyczne doświadczenie w tworzeniu oprogramowania
Możliwości i ograniczenia dużych modeli językowych w programowaniu
Różnice pomiędzy klasycznym chatbotem, asystentem programistycznym i agentem
Przegląd współczesnych narzędzi AI coding agents
Praca z narzędziami działającymi w IDE, terminalu i środowiskach autonomicznych
Generowanie i modyfikowanie kodu
Analiza istniejącego kodu i repozytorium
Planowanie zmian przed implementacją
Refaktoryzacja kodu z wykorzystaniem AI
Tryby pracy i poziomy autonomii agentów
Dobór sposobu pracy do rodzaju zadania
Praktyczne techniki prompt engineering dla programistów
Ćwiczenia: analiza, implementacja i refaktoryzacja kodu z wykorzystaniem różnych sposobów pracy z agentem
Pojęcie Context Window
Znaczenie kontekstu dla jakości generowanego kodu
Repozytorium jako źródło kontekstu dla AI
Instrukcje projektowe i standardy kodowania
Zarządzanie kontekstem projektu
Instrukcje globalne i projektowe
Prompt files i reusable prompts
Projektowanie promptów dla powtarzalnych zadań programistycznych
Czym są agent skills i kiedy warto ich używać
Różnica pomiędzy instructions, prompts, skills i agents
Projektowanie struktury własnego skill
Łączenie skills z dokumentacją, przykładami i narzędziami
Projektowanie reusable workflows dla zespołu programistycznego
Ćwiczenie: przygotowanie zestawu instrukcji, promptów i skills dla projektu Python
Czym jest agent i czym różni się od klasycznego asystenta AI
Agentic workflow i wieloetapowe wykonywanie zadań
Planowanie, wykonywanie, obserwacja i iteracja
Tworzenie własnego Agenta
Tworzenie własnego Multi-Agent workflow
Dostęp agenta do narzędzi i danych
Projektowanie narzędzi dla agentów
Tool calling: opis narzędzia, parametry, walidacja i wynik
Obsługa błędów i kontrolowanie skutków ubocznych
Permissions i human-in-the-loop
Specjalizacja agentów
Delegowanie zadań pomiędzy agentami
Sub-agents i równoległe wykonywanie zadań
Model Context Protocol (MCP)
Integracja agenta z zewnętrznymi API, bazami danych i systemami
Tworzenie własnego serwera MCP za pomocą FastMCP
Ćwiczenie: stworzenie narzędzi i agenta wykonującego wieloetapowe zadanie
AI-assisted software development lifecycle
Analiza wymagań i tworzenie planu implementacji
Generowanie i modyfikacja kodu produkcyjnego
Refaktoryzacja istniejącego i legacy code
Generowanie testów jednostkowych i integracyjnych
Analiza jakości wygenerowanych testów
Identyfikacja edge cases i brakujących scenariuszy
AI-assisted debugging i analiza błędów
Automatyzacja dokumentacji technicznej
Generowanie docstrings, README i dokumentacji API
AI-assisted code review
Analiza poprawności, bezpieczeństwa, wydajności i maintainability kodu
Ćwiczenie: przeprowadzenie kompletnego workflow od wymagania do przetestowanej i zreviewowanej implementacji
Architektura kompletnego workflow opartego na agentach
Podział zadań pomiędzy wyspecjalizowanych agentów
Wykorzystanie skills i narzędzi w workflow agentowym
Automatyzacja analizy repozytorium i planowania zmian
Automatyczna implementacja i refaktoryzacja
Automatyczne tworzenie i uruchamianie testów
Automatyczne code review
Generowanie i aktualizacja dokumentacji
Kontrola jakości wyników pracy agentów
Identyfikacja halucynacji, błędnych założeń i regresji
Bezpieczeństwo i kontrola dostępu do narzędzi
Ograniczenia i ryzyka autonomicznego programowania
Projekt końcowy: zaprojektowanie i uruchomienie kompletnego agentic workflow dla projektu Python
Autorem szkolenia jest Matt Harasymczuk
Trener Sages od 2015 roku, z ponad 10 tys. godzin doświadczenia w prowadzeniu warsztatów, szkoleń i przemówień publicznych dla 31,5 tys. słuchaczy. Specjalizuje się w Pythonie, inżynierii oprogramowania, jakości, automatyzacji procesów, a także TDD, DevOps, CI/CD i analizie oraz wizualizacji danych. Pracował m.in. w Allegro, COI, PAŻP i Europejskiej Agencji Kosmicznej. Prowadzi stronę www.python3.info i jest założycielem i prezesem dwóch firm Astrotech i AATC. W wolnym czasie rozwija własny system…
Szkolenie poprowadzi jego autor Matt Harasymczuk
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
Szkolenie bardzo dobrze pokazuje dzisiejsze możliwości AI.
8.10.2026
Uczestnik szkolenia “ISTQB® Certified Tester Foundation Level”
Piotr Nocuń
Prowadzący - trener był bardzo dobrzy zaznajomiony z tematem; posiadał wiedzę z zakresu szkolenia i wykraczającą po za ramy szkolenia. Potrafił doskonale przekazać informacje, odpowiedzieć na pytania słuchaczy, wyjaśnić problemy nurtujące odbiorców. Prezentowane materiały (prezentacja z przykładami) bardzo dobrze korelowały z omawianymi tematami.
7.10.2026
Uczestnik szkolenia “AI w pracy Analityka Danych”
Urszula Jagoda
Przydatna wiedza w obszarze mojej pracy, na pewno będę używać tej wiedzy
7.10.2026
Uczestnik szkolenia “Apache Kafka - wprowadzenie do architektury sterowanej zdarzeniami”
Piotr Szustak
Bez zbędnego lania wody, bardzo konkretnie przekazywania wiedza
7.10.2026
Uczestnik szkolenia “Apache Kafka - wprowadzenie do architektury sterowanej zdarzeniami”
Kamil Figarski
dużo praktycznej wiedzy
7.10.2026
Uczestnik szkolenia “ISTQB® Certified Tester Foundation Level”
Kamil Nizioł
Dużo informacji, podwaliny pod egzamin i przejście przez sylabu, materiały udostępnione, zabrakło może stworzenia przykładowego projektu.
Duże doświadczenie trenera. Wiedza praktyczna. Imponujące projekty trenera. Trener zna odpowiedź na każde tematy. Spełniony zakres szkolenia. Bardzo dobrze przygotowane środowisko pracy. Dużo pracy na przykładach. Świetna pomoc w rozwiązywaniu problemów