AI w pracy programistów i inżynierów

Informacje podstawowe

Język szkolenia: angielski

Szkolenie pokazuje, jak praktycznie wykorzystać AI w codziennej pracy inżynierskiej. Uczestnicy poznają techniki prompt engineeringu, nauczą się korzystać z GitHub Copilot i Microsoft Copilot w praktyce (coding, code review, testowanie, dokumentacja) oraz zobaczą realne wdrożenia AI w firmach technologicznych. Format warsztatowy z ćwiczeniami hands-on.

Na szkoleniu uczestnicy dowiedzą się między innymi:

• Jak budować skuteczne prompty i unikać typowych błędów w komunikacji z AI
• Jak korzystać z GitHub Copilot do generowania kodu, testów i dokumentacji w edytorze
• Jak wykorzystać Microsoft Copilot do wsparcia produktywności i pracy z dokumentacją
• Jak przeprowadzać AI-assisted code review z krytyczną oceną wyników
• Jakie są realne wdrożenia AI w firmach technologicznych i jakie lekcje z nich płyną

Demo na żywo prowadzimy w stacku TypeScript/Node.js. Same techniki (prompt engineering, praca z Copilotem, integracja z edytorem) są uniwersalne: uczestnicy ćwiczą je równolegle na własnych repozytoriach w stacku swojego zespołu.

Cel

Celem szkolenia jest zapoznanie uczestników z praktycznym wykorzystaniem AI w codziennej pracy inżynierskiej. Szkolenie obejmuje techniki prompt engineeringu, praktyczną pracę z GitHub Copilot i Microsoft Copilot (generowanie kodu, testy, code review, dokumentacja) oraz realne przykłady wdrożeń AI w firmach technologicznych. Nacisk położony jest na warsztatową formę: każdy moduł zawiera ćwiczenia hands-on, które uczestnicy wykonują samodzielnie.

Program

Moduł 1: Prompt engineering dla inżynierów

• Jak działają duże modele językowe i dlaczego jakość prompta determinuje jakość wyniku
• Praktyczne wzorce promptowania: zero-shot, few-shot, chain-of-thought, role prompting
• Dobre i złe praktyki promptowania z realnymi przykładami inżynierskimi
• Iteracyjne budowanie i korygowanie promptów
• Warsztaty: uczestnicy budują prompty do zadań ze swojego obszaru na materiałach demo

Moduł 2: GitHub Copilot i Microsoft Copilot w praktyce

• GitHub Copilot w edytorze (VS Code): tab completion, inline chat, Copilot Chat
• Generowanie kodu: od opisu zadania do działającego rozwiązania
• AI-assisted code review i sugestie refaktoryzacji
• Generowanie i utrzymywanie testów z Copilotem
• Dokumentacja techniczna z AI: README, komentarze kodu, specyfikacje API
• Copilot for CLI i produktywność w terminalu
• Microsoft Copilot: wsparcie produktywności poza edytorem kodu
• Krytyczna ocena wyników AI: co AI robi dobrze, a co wymaga człowieka

Moduł 3: AI w testowaniu oprogramowania

• Agenty przeglądarkowe w testowaniu: Claude Computer Use, Playwright MCP
• Generowanie testów jednostkowych i integracyjnych z GitHub Copilot
• AI-assisted debugging: analiza stacktrace, reprodukcja błędów, sugestie poprawek
• Automatyzacja testów end-to-end z agentami AI
• Krytyczna ocena pokrycia testami: kiedy AI generuje testy pozornie poprawne, a faktycznie bezwartościowe

Moduł 4: Realne wdrożenia AI w firmach technologicznych

• Case studies: jak firmy technologiczne wdrażają AI w cyklu wytwarzania oprogramowania
• Mierzenie produktywności i ROI narzędzi AI w zespołach inżynierskich
• Strategie adopcji AI w zespole: top-down vs bottom-up
• Bezpieczeństwo i governance AI w organizacji
• Lekcje z porażek i anty-wzorce wdrożeń
• Sesja Q&A

Efekty szkolenia

Po ukończeniu szkolenia uczestnicy:

• Budują skuteczne prompty z wykorzystaniem sprawdzonych wzorców prompt engineeringu
• Korzystają z GitHub Copilot do generowania kodu, testów i dokumentacji w codziennej pracy
• Wykorzystują Microsoft Copilot do wsparcia produktywności
• Przeprowadzają AI-assisted code review z krytyczną oceną wyników
• Wykorzystują agenty AI i Playwright do automatyzacji testów
• Rozpoznają granice narzędzi AI i wiedzą, kiedy potrzebna jest decyzja człowieka
• Znają realne case studies wdrożeń AI w firmach technologicznych i potrafią zaplanować adopcję w swoim zespole

Wymagania organizacyjne po stronie klienta

• Każdy uczestnik ma aktywną licencję GitHub Copilot (Individual, Business lub Enterprise)
• Każdy uczestnik ma własny laptop z zainstalowanym VS Code z rozszerzeniem GitHub Copilot
• Konto GitHub (osobiste lub firmowe)
• Każdy uczestnik ma aktywną subskrypcję Claude Pro (sugerowana Claude Max dla pełnych możliwości agenta AI)
• Stabilne Wi-Fi w sali, wystarczające dla 20 osób pracujących równolegle z narzędziami AI w chmurze
• Rzutnik lub duży ekran do prezentacji prowadzącego
• Sala umożliwiająca pracę warsztatową (stoły, miejsce na notatki)

Informacje podstawowe

Szkolenie pokazuje, jak agenty AI typu Claude Code i Cline mogą realnie przyspieszyć pracę zespołu deweloperskiego. Skupiamy się na zadaniach, których programiści nie znoszą (opisy zadań, testy, logi, dokumentacja) oraz na włączeniu agenta w istniejące przepływy pracy zespołu (kontrola wersji, code review, integracje z narzędziami codziennej pracy). Uczestnicy poznają zaawansowane techniki agentowe (subagenci, MCP, przetwarzanie równoległe) i wychodzą z planem wdrożenia agentowego workflow w swoim zespole.

Na szkoleniu uczestnicy dowiedzą się między innymi:

• Jak skonfigurować Claude Code z subskrypcją Claude Max lub Pro i kiedy rozważyć alternatywy w architekturze chmurowej klienta
• Jak skutecznie zarządzać kontekstem agenta w pracy z istniejącą bazą kodu
• Jak wykorzystać agenta do opisów zadań, testów, logów i dokumentacji
• Jak włączyć Claude Code w workflow Git i GitHub (pull requesty, code review, GitHub Actions)
• Jak rozszerzać agenta o własne narzędzia i bazy wiedzy zespołu przez MCP
• Jak delegować zadania subagentom i wykorzystywać przetwarzanie równoległe

Demo na żywo prowadzimy w stacku TypeScript/Node.js (lub innym uzgodnionym z klientem przed szkoleniem, jeśli zespół pracuje wyłącznie w innym ekosystemie). Same techniki agentowe (zarządzanie kontekstem, subagenci, MCP, integracja z Git i edytorem) są uniwersalne: uczestnicy ćwiczą je równolegle na własnych repozytoriach w stacku swojego zespołu.

Cel

Celem szkolenia jest zapoznanie uczestników z praktyką pracy z agentami AI w codziennym workflow zespołu deweloperskiego. Szkolenie obejmuje wykorzystanie Claude Code do zadań takich jak opisy zadań, generowanie i utrzymywanie testów, analiza logów, tworzenie dokumentacji oraz pracę z kontrolą wersji wspieraną przez AI. Nacisk położony jest na rzeczywiste przepływy pracy w zespole i integrację agenta z codziennymi narzędziami (Git, GitHub, edytor kodu, dokumentacja zespołowa) oraz na zaawansowane techniki agentowe (subagenci, Model Context Protocol, przetwarzanie równoległe). Wszystkie techniki demonstrowane są w sposób niezależny od konkretnego stacku technologicznego.

Program

Dzień 1: Fundamenty pracy z agentami AI w zespole

Moduł 1: Wprowadzenie do agentowego programowania z Claude Code

• Czym Claude Code i Cline różnią się od asystentów typu Copilot i Cursor
• Konfiguracja Claude Code lokalnie z subskrypcją Claude Max lub Pro i kiedy zamiast tego AWS Bedrock lub GCP Vertex AI
• Modele i koszty: Haiku vs Sonnet vs Opus, kiedy używać którego, jak nie spalić budżetu
• Mindset agentowego programowania (delegowanie vs. nadzór, granica zaufania)
• Niedeterminizm wyników i jak sobie z nim radzić w zespole
• Najczęstsze pułapki pierwszych dni z agentem AI

Moduł 2: Zarządzanie kontekstem i pamięcią agenta

• Jak agent AI rozumie strukturę projektu
• Plik pamięci Claude (CLAUDE.md) jako kontrakt z agentem i ze zespołem
• Style guide, decision records i konwencje zespołu jako sterowniki wyniku AI
• Integracja Claude Code z edytorem kodu
• Wzorce promptów do pracy z nieznanym repozytorium

Moduł 3: AI dla zadań, których programiści nie znoszą

• Opisy zadań, tickety i kryteria akceptacji: agent jako pomoc w precyzowaniu wymagań
• Dokumentacja techniczna: README, ADR (Architecture Decision Records), komentarze kodu, specyfikacje API
• Praca z logami: analiza, sumaryzacja, reprodukcja błędów na podstawie stacktrace
• Generowanie i utrzymywanie testów: poziom testów (jednostkowe, integracyjne, end-to-end) i metoda dobierany pod stack zespołu uczestnika
• Krytyczna ocena wyników AI: co AI robi dobrze, a co kategorycznie wymaga człowieka

Dzień 2: Workflow zespołu i zaawansowane techniki

Moduł 4: Kontrola wersji z agentem AI

• Integracja Claude Code z Git i GitHub
• Agent w procesie pull requestów: auto-review, sugestie zmian, opisy commitów
• Konfiguracja Claude Code z GitHub Actions
• Automatyczne odpowiadanie i wstępna analiza zgłoszonych issue
• Praca równoległa nad gałęziami i jak agent może to wspierać

Moduł 5: Integracja AI z codziennymi narzędziami zespołu (MCP)

• Model Context Protocol (MCP): koncept i zastosowania
• Podłączanie własnych narzędzi i baz wiedzy zespołu do agenta
• Praca z dokumentacją wewnętrzną, backlogiem i bazą zgłoszeń przez MCP
• Realne przepływy pracy: backlog → ticket → kod → review → merge z udziałem agenta
• Higiena bezpieczeństwa przy podpinaniu agenta do narzędzi firmowych

Moduł 6: Zaawansowane techniki agentowe i adopcja w zespole

• Subagenci: delegowanie zadań i specjalizacja
• Przetwarzanie równoległe i orkiestracja wielu agentów
• Custom slash commands i automatyzacje powtarzalnych zadań
• Strategie adopcji AI w zespole deweloperskim: top-down vs bottom-up
• Industry insights: jak duże zespoły inżynierskie skalują pracę z agentami AI

Efekty szkolenia

Po ukończeniu szkolenia uczestnicy:

• Konfigurują Claude Code z subskrypcją Claude Max lub Pro i świadomie zarządzają kosztami pracy z agentem AI
• Wykorzystują agenta AI do opisów zadań, testów, logów i dokumentacji w codziennej pracy
• Zarządzają kontekstem agenta przez plik pamięci, style guide i konwencje zespołu
• Integrują Claude Code z Git, GitHub Actions i procesem pull requestów zespołu
• Podłączają własne narzędzia i bazy wiedzy do agenta przez MCP
• Wykorzystują subagentów i przetwarzanie równoległe do realnych zadań w swoim repozytorium
• Rozpoznają granice agenta AI i wiedzą, w którym miejscu workflow potrzebna jest decyzja człowieka

Wymagania organizacyjne po stronie klienta

• Każdy uczestnik ma aktywną subskrypcję Claude Max lub Pro (stała miesięczna opłata, brak ryzyka kosztowego per token). W zespołach, którym polityka bezpieczeństwa firmy zabrania korzystania z publicznych usług AI, alternatywą jest Claude przez AWS Bedrock lub GCP Vertex AI w infrastrukturze własnej chmury klienta (rozliczenie per token, wymaga budżetu po stronie klienta)
• Każdy uczestnik ma własny laptop z zainstalowanym Git, edytorem kodu oraz uprawnieniami administratora pozwalającymi na instalację Claude Code
• Konto GitHub (osobiste lub firmowe) z możliwością tworzenia repozytoriów i Actions
• Stabilne Wi-Fi w sali, wystarczające dla 12 osób pracujących równolegle z agentem AI w chmurze
• Rzutnik lub duży ekran do prezentacji prowadzącego
• Sala umożliwiająca pracę warsztatową w parach i małych grupach (stoły, miejsce na notatki)

Demo na żywo prowadzone jest w stacku TypeScript/Node.js. Jeśli zespół klienta pracuje wyłącznie w innym ekosystemie (Python, Java, .NET itd.) i chce, żeby demo było w jego stacku: ustalamy to z klientem przed szkoleniem. Niezależnie od stacku demo, każdy uczestnik ćwiczy techniki na własnym repozytorium w języku swojego zespołu.

Informacje podstawowe

Dzień 1 - Podstawy AI i agentów

Cel: zdobyć bazę wiedzy, która umożliwia tworzenie agentów. Zrozumieć podstawy działania AI oraz nauczyć się tworzyć wysokiej jakości prompty i bezpiecznie korzystać z Microsoft Copilot w codziennej pracy, w tym w narzędziach Microsoft 365 (zgodnie z potrzebami uczestników: Word, Excel, PowerPoint, Teams, Outlook).

Sekcja 1: Microsoft Copilot i inżynieria promptów

Kluczowe pojęcia: prompt, kontekst, okno kontekstowe, persona AI

Okno kontekstowe i tokeny: strategie zwiększania jakości odpowiedzi

Halucynacje AI: jak je rozpoznawać i weryfikować

Microsoft Copilot: omówienie interfejsu i możliwości w pracy

Anatomia dobrego prompta: zadanie, kontekst, przykłady, format, ton

Najbardziej przydatne prompty

Warsztat praktyczny - praca na przykładach uczestników

Dyskusja

Sekcja 2: Microsoft Copilot i narzędzia Office (wybór 2-3 narzędzi zgodnie z potrzebami uczestników)

Microsoft Word

Microsoft Excel

Microsoft PowerPoint

Microsoft Teams

Microsoft Outlook

Sekcja 3: Wstęp do agentów AI

3 elementy asystenta: wiedza, system prompt, user prompt

Asystent vs agent: różnice i zastosowania

Przykłady zastosowań w firmie - case studies

Warsztaty praktyczne

Dyskusja

Po tym module uczestnicy będą potrafili:

tworzyć wysokojakościowe prompty

zastosować strategie unikania halucynacji AI

wykorzystać Microsoft Copilot w pracy z narzędziami Office, w tym m.in.

edytować i streszczać tekst, zmieniać ton wypowiedzi, tworzyć tabele w Microsoft Word

formatować zawartość arkuszy, tworzyć formuły i wykresy w Microsoft Excel

tworzyć prezentacje, formatować obrazy, korzystać z sugestii dotyczących stylu prezentacji w Microsoft PowerPoint

sprawdzać dostępność uczestników, wyszukiwać spotkania, podsumowywać spotkania w Microsoft Teams

generować treść emaili, wyszukiwać je, podsumowywać wątki w Microsoft Outlook

odróżnić asystenta od agenta AI

utworzyć asystenta AI

Dzień 2 - Budowa agentów w Microsoft Copilot

Blok A: Agent RAG w Copilot Studio

Cel: zbudować agenta opartego o wiedzę (RAG), który odpowiada na bazie dokumentów i linków oraz umie prowadzić rozmowę dzięki zastosowaniu tematów i triggerów.

Sekcja 1: Start i konfiguracja agenta

Wprowadzenie do modułu: budowa agenta RAG w Copilot Studio (Knowledge Only)

Budowa, opis i konfiguracja agenta RAG w Copilot Studio

Uruchomienie agenta RAG

Warsztaty praktyczne

Sekcja 2: Zasilanie wiedzą

Dodanie wiedzy do agenta (1): dokumenty Microsoft Word

Dodanie wiedzy do agenta (2): zewnętrzne linki www

Warsztaty praktyczne

Sekcja 3: Testowanie i ocena

Testowanie i ocena agenta opartego o RAG

Warsztaty praktyczne

Sekcja 4: Konwersacja i orkiestracja

Tematy, triggery i orkiestracja konwersacji

Dostosowanie tematu startowego rozmowy

Utworzenie i konfiguracja nowego tematu

Warsztaty praktyczne

Po tym module uczestnicy będą potrafili:

utworzyć działającego agenta RAG

dodawać wiedzę ze źródeł zewnętrznych oraz wewnętrznych

zaprojektować konwersację przez tematy i triggery

testować jakość agenta

Blok B: Autonomiczni Agenci AI z narzędziami

Cel: zbudować autonomicznego agenta, który wykonuje zadanie wieloetapowe (formularz → Excel → Outlook → e-mail), z triggerem i automatyzacją.

Sekcja 1: Wstęp

Wprowadzenie do modułu: budowa pierwszego autonomicznego agenta AI w Copilot Studio

Uruchomienie autonomicznego agenta: demo na żywo + testy

Budowa, opis i konfiguracja instrukcji agenta AI

Sekcja 2: Formularz i uruchomienie procesu

Utworzenie formularza Microsoft Forms przy użyciu Microsoft Copilot

Budowa narzędzia (1): Microsoft Forms i konfiguracja triggera

Sekcja 3: Narzędzia: Excel i Outlook

Budowa narzędzia (2): pobieranie wierszy w Microsoft Excel

Budowa narzędzia (3): szkic e-maila w Microsoft 365 Outlook

Budowa narzędzia (4): wysłanie e-maila w Microsoft 365 Outlook

Budowa narzędzia (5): dodawanie wierszy w Microsoft Excel

Sekcja 4: Testy i ćwiczenie Teams

Testowanie i ocena agentowego workflow automatyzacji

Ćwiczenie praktyczne: narzędzie agenta do publikacji wiadomości w Teams

Po tym module uczestnicy będą potrafili:

utworzyć formularz Microsoft Forms przy użyciu Microsoft Copilot

zbudować i skonfigurować instrukcje autonomicznego agenta AI w Copilot Studio

zbudować narzędzie z triggerem na bazie Microsoft Forms

pobierać wiersze z Microsoft Excel w ramach działania agenta

tworzyć szkic wiadomości e-mail w Microsoft 365 Outlook w ramach działania agenta

wysyłać wiadomości e-mail w Microsoft 365 Outlook w ramach działania agenta

dodawać wiersze do Microsoft Excel w ramach działania agenta

testować i oceniać agentowy workflow automatyzacji

zbudować narzędzie agenta do publikacji wiadomości w Microsoft Teams