Az AI Software Engineering alapjai
avagy szoftverfejlesztés AI segítségével
Hogyan dolgozz hatékonyan és tudatosan coding agentekkel: Claude Code és Codex valódi projekteken, projekt-kontextus, skillek, MCP-integrációk, multi-agent workflow-k és CI-ba kötött, önállóan futó rendszerek.
Az agentic coding területe nem lassul: az új frontier modellek (Claude, GPT), a több órán át önállóan dolgozó coding agentek, az MCP ökoszisztéma kiforrása, a skillek terjedése és a headless agentek megjelenése fél év alatt is érezhetően átrajzolta a képet.
Az AI Software Engineering alapjai éppen ezért tér vissza: az első kiadás időtálló alapjaira építve, de frissített modellkörképpel, újragondolt tooling-fejezettel és a legújabb multi-agent, illetve autonóm workflow-mintákkal. A tematikát folyamatosan frissítjük, így a legújabb eszközök és minták is mindig benne vannak az anyagban.
A modellek ma már nem csak segítenek, hanem irányítanak: terveznek, eszközöket használnak, órákon át önállóan dolgoznak, és egyre komplexebb szoftverfejlesztési feladatokat oldanak meg emberi beavatkozás nélkül. Aki ezt megtanulja, nagyságrendekkel hatékonyabb tud lenni. De ehhez érteni kell, mit csinálsz és miért: a kód megírása egyre kevésbé a feladat, a mérnöki gondolkodás viszont soha nem volt ennyire értékes.
Ez a gyakorlatorientált képzés azt mutatja meg, hogyan dolgozz ezekkel az eszközökkel hatékonyan és tudatosan. Végigmegyünk a modern agentic workflow-k felépítésén, megmutatjuk, hogyan lehet Claude Code-dal és Codex-szel valódi projekteket vinni, hogyan tervezz projekt-kontextust, skilleket és MCP-integrációkat, és hogyan épülnek fel a több ügynökből álló, illetve a CI-ba kötött, önállóan futó rendszerek.
Ha úgy érzed, a világ gyorsabban változik körülötted, mint ahogy fel tudsz zárkózni, ez a képzés neked szól!
8 modul
Tematika
-
Az LLM-től az agentic gondolkodásig
- LLM működés mérnöki szemmel: tokenizáció, context window, system prompt, reasoning modellek
- Prompt engineering vs. context engineering
- Modell-ökoszisztéma
- Árazási alapok
-
Agent architektúra
- Mi különbözteti meg a chatbotot az agenttől?
- Tool calling és strukturált output sémák
- Az agentic loop alapjai: Reason → Plan → Act → Observe
- A planning és az execution szétválasztása
- Részfeladat-bontás és hibakezelési stratégiák
-
Agentic tooling landscape (IDE vs. CLI)
- Claude Code vs. Codex vs. OpenCode
- IDE-native agentek: Cursor, Antigravity, Zed, VS Code extensionök
- CLI-native agentek és a terminál-alapú workflow előnyei
- A plan quality és a context kezelés különbségei
- Agentválasztási szempontok: projektméret, kontrollszint, auditálhatóság
-
Context engineering és projektmemória-tervezés
- Projektszintű memória: az instruction fájlok szerepe
- Instruction layering és szabályrendszerek kialakítása
- A kontextus sűrűségének (context density) optimalizálása
- Determinisztikus viselkedés kialakítása emergens modellből
-
Agent skillek: strukturált domain-intelligencia
- Mi a skill, és miben más, mint egy tool vagy az MCP?
- A skill mint viselkedési modul: workflow, megkötések, aktiválási feltételek
- Progressive disclosure és a kontextusterhelés csökkentése
- Coding skill típusok: refactor, TDD, migration, security review
-
MCP: capability layer és külső integráció
- Mi az a Model Context Protocol, és miért fontos?
- Host–Client–Server architektúra
- Eszközök bekötése: adatbázis, GitHub, kommunikációs csatornák
- Capability sandboxing és jogosultságkezelés
-
Multi-agent architektúra és skill-kompozíció
- Subagentek és delegálási minták
- Szerepalapú agentek (Planner, Builder, Reviewer)
- Quality gate mechanizmusok és automatizált ellenőrzés
- Reviewer loop és önjavító agent rendszerek
-
Autonóm kódoló rendszerek és production governance
- Headless agent-futtatás és CI/CD integráció (GitHub Actions)
- Continuous agent loopok
- Agent sandboxing
- Biztonsági kockázatok (prompt injection, tool misuse, over-permission)
Érdekel a képzés?
Írj nekünk, és megbeszéljük, hogyan szabjuk a képzést a csapatod igényeire.