13 лекций
Более 12 часов видео
Сквозной практический проект
Чат
для общения
для общения
Свободное расписание
Онлайн-курс: «Claude Code - потрошитель. Как написать Coding Agent с нуля на локальной модели»
Курс о том, как с нуля собрать собственный Coding Agent на Java и Spring AI и понять, как современные AI-агенты работают изнутри.
9 500
р.
15 000
р.
Да, это тот самый Евгений Борисов. Только теперь он взялся не просто за Spring, а за внутренности ИИ-агентов.
Новый курс разработан Евгением Борисовым для Java-разработчиков, которым уже мало просто пользоваться Claude Code, Cursor и Copilot. Вы разберетесь, как на самом деле устроены Coding Agents: почему они иногда делают почти магию, а иногда беспомощно ходят по кругу, а также как использовать это понимание, чтобы эффективнее работать с готовыми агентами или создавать собственных.
Вместе с Евгением вы с нуля соберете полноценный Coding Agent на Java и Spring AI. Он научится исследовать проект и искать нужный код, читать и изменять файлы, запускать команды и проверять результат, планировать многошаговые задачи и самостоятельно выбирать нужные инструменты. Вы реализуете управление контекстом и компрессию истории, подключите работу с большим набором tools, научите агента создавать субагентов и делегировать им отдельные задачи и соберете настоящий agent loop, который способен самостоятельно вести задачу от запроса до готового результата.
И все это на локальной модели, без API-ключей и платных подписок. Не очередное «ИИ-приложение за час», а настоящий инженерный проект, который к финалу превращается в работающий аналог Claude Code.
Новый курс разработан Евгением Борисовым для Java-разработчиков, которым уже мало просто пользоваться Claude Code, Cursor и Copilot. Вы разберетесь, как на самом деле устроены Coding Agents: почему они иногда делают почти магию, а иногда беспомощно ходят по кругу, а также как использовать это понимание, чтобы эффективнее работать с готовыми агентами или создавать собственных.
Вместе с Евгением вы с нуля соберете полноценный Coding Agent на Java и Spring AI. Он научится исследовать проект и искать нужный код, читать и изменять файлы, запускать команды и проверять результат, планировать многошаговые задачи и самостоятельно выбирать нужные инструменты. Вы реализуете управление контекстом и компрессию истории, подключите работу с большим набором tools, научите агента создавать субагентов и делегировать им отдельные задачи и соберете настоящий agent loop, который способен самостоятельно вести задачу от запроса до готового результата.
И все это на локальной модели, без API-ключей и платных подписок. Не очередное «ИИ-приложение за час», а настоящий инженерный проект, который к финалу превращается в работающий аналог Claude Code.
Евгений Борисов, автор курса
[О чем будет курс]
Онлайн-курс для разработчиков, знакомых с Java и Spring.
За 13 уроков мы с нуля соберем на Java coding-агента — программу, которая читает ваш репозиторий, ищет по нему, правит файлы, запускает команды и доводит задачу до результата. Не игрушку и не обертку над чужим API, а настоящее подобие Claude Code, со всеми подсистемами, которые делают агента агентом.
За 13 уроков мы с нуля соберем на Java coding-агента — программу, которая читает ваш репозиторий, ищет по нему, правит файлы, запускает команды и доводит задачу до результата. Не игрушку и не обертку над чужим API, а настоящее подобие Claude Code, со всеми подсистемами, которые делают агента агентом.
«Инструменты вроде Claude Code, Cursor и Copilot за два года стали частью работы, но для большинства разработчиков они остаются черным ящиком. Почему агент иногда уверенно выдумывает содержимое файла? Почему он „забывает” середину длинного разговора? Что именно происходит между „напиши тест” и появлением файла на диске? Что мешает ему выполнить rm -rf в вашем проекте?
Ответы на эти вопросы лежат не в области машинного обучения, а в области обычной инженерии. Этот курс их показывает: не пересказом, а сборкой».
Ответы на эти вопросы лежат не в области машинного обучения, а в области обычной инженерии. Этот курс их показывает: не пересказом, а сборкой».
Евгений Борисов
“
[Автор]
Евгений Борисов
Java-разработчик с 25-летним стажем работы, один из самых узнаваемых спикеров в сообществе. Его доклады про Spring смотрели и обсуждали тысячи разработчиков, а фразы из них давно стали мемами (Spring-потрошитель часть 1, Spring-построитель, Spring — глубоко и не очень). Сегодня Евгений занимается построением агентных систем и внедрением искусственного интеллекта в корпоративную среду.
[Трейлер курса]
[Особенности курса]
Сначала проблема, потом решение
Каждый урок начинается с кода, который «падает», или с агента, который делает что-то не так: выдумывает содержимое файла, путь или сообщает о выполненной команде, которую на самом деле не запускал. Сначала разберемся, почему система ломается, и только потом добавим нужную подсистему.
Собираем настоящее подобие Claude Code
Те же подсистемы, в том же порядке, с теми же названиями: реестр инструментов, кеш прочитанных файлов, модель разрешений, сжатие контекста, субагенты, слеш-команды. К концу курса студент поймет не как написать что-то похожее, а как устроены инструменты, которыми он пользуется каждый день.
Все работает офлайн и бесплатно
Модель локальная — qwen3.5:4b в Docker-контейнере. Ни API-ключей, ни счетов, ни утечки вашего кода наружу. Маленькая модель — это еще и методический выбор: она ломается там, где большая скроет проблему, и вы увидите, зачем на самом деле нужно сжатие контекста, напоминания в истории и защита от зацикливания.
Один проект развивается весь курс
Вы не выполняете набор отдельных упражнений, а от урока к уроку собираете одного Coding Agent, постепенно добавляя ему новые возможности.
Как Терминатор
Агент собирается как T-800, урок за уроком: урок 1 — нейропроцессор, урок 3 — оптические сенсоры, урок 5 — манипуляторы, урок 7 — вооружение. При запуске проект рапортует о том, какие подсистемы уже собраны.
Технологический стек
Курс построен на Java 25, Spring Boot 4 и Spring AI 2.0. Курс снят на версиях, про которые еще не написаны статьи, и это отдельная ценность: вы увидите, как разобраться в новом API.
Проект собирается по git-тегам
У каждого урока свои start и end. Можно писать код вместе с автором курса, забрать готовое состояние и разбираться в нем или вернуться к любому уроку позже.
[Программа курса]
13 уроков: от первого вызова модели до полноценного Coding Agent.
Начнем с практически пустого проекта Spring Boot, а дальше, урок за уроком, будем добавлять агенту новые подсистемы.
Подключим локальную модель, разберем базовые механики Spring AI 2.0 и напишем первые Agent и Conversation.
Пока получится всего лишь чат-бот, это еще не агент.
Пока получится всего лишь чат-бот, это еще не агент.
Научим систему рассказывать, что с ней происходит. Разделим логику агента и интерфейс, введем доменные события и заложим архитектуру, которая не развалится по мере роста проекта.
Агент уверенно рассказывает о файле, которого никогда не читал. Исправляем это. Разбираемся, как работают tools, почему описание инструмента — это тоже часть промпта. Добавляем чтение файлов и собираем настоящий agent loop. Именно здесь чат-бот становится агентом.
Добавим поиск по имени и содержимому, научим агента ориентироваться в структуре проекта и перестанем позволять ему выдумывать несуществующие пути.
Теперь агент умеет «смотреть» на репозиторий. Пора научить его действовать: покажем ему, как создавать и изменять файлы, разберем точечное редактирование и введем принцип «не редактируй то, чего не читал».
Агент уже умеет работать с файлами, но все еще почти ничего не знает о самом проекте. Научим его учитывать git-статус, структуру репозитория, память и другие части контекста. Системный промпт перестанет быть одной огромной строкой.
Дадим агенту возможность запускать команды, а значит потенциально делать с вашей машиной почти все, что угодно. Поэтому сразу строим систему разрешений: режимы, правила, классификацию опасных действий и точки, где агент обязан остановиться и спросить человека.
Добавим агенту список задач и механизм контроля собственного плана. Разберемся, почему одного инструмента планирования недостаточно и как напоминать агенту о том, что он начал и бросил на полпути.
Контекст заканчивается, причем обычно в самый неподходящий момент. Научимся считать расход контекста, ограничивать результаты инструментов, удалять устаревшую информацию и сжимать историю разговора в компактное резюме.
Научим агента отличать «я сделал» от «я сделал и проверил, что все работает». Добавим стоп-условия, обработку ошибок, повторные попытки и защиту от зацикливания.
Что делать, если исследование большого проекта съедает весь контекст? Запустить другого агента. Соберем субагента с собственным контекстом, который изучает задачу отдельно и возвращает главному агенту вывод.
До этого момента агент жил на стенде разработчика. Теперь дадим ему интерфейс. Сделаем живой диалог в терминале, стриминг ответа, прерывание работы, учет токенов и набор слеш-команд.
Агент получает реальную задачу в реальном репозитории и проходит весь путь самостоятельно: находит нужный код → анализирует → меняет файлы → запускает команды → исправляет ошибки → доводит задачу до результата.
А человек остается там, где действительно нужен: ставит задачу и делает ревью.
В финале разберем, как развивать агента дальше: собственные инструменты, внешние системы и новые точки расширения.
А человек остается там, где действительно нужен: ставит задачу и делает ревью.
В финале разберем, как развивать агента дальше: собственные инструменты, внешние системы и новые точки расширения.
[Кому будет интересен этот курс?]
- Java-разработчикам уровня middle и выше, чтобы перестать пользоваться ИИ-агентом наугад и получить работающий шаблон для сборки агента под свою инфраструктуру с доступом к своей базе, своей «Вики», своему CI
- Разработчикам на других языках, готовым читать Java. Код в курсе написан так, что все главное (цикл, инструменты, контекст, разрешения) от языка не зависит и спокойно переносится на Python, Kotlin, Go
- Тимлидам и архитекторам, чтобы принять осмысленное решение о внедрении ИИ-инструментов в команде
- Специалистам по безопасности и DevOps, чтобы понять, как агенту дают доступ к shell и как этот доступ ограничивают
[Что нужно для прохождения курса]
Что понадобится
Чтобы проходить курс, достаточно уметь читать Java-код и понимать базовые принципы Spring Boot. Глубокого знания фреймворка или конкретной версии Java не требуется. Если вы хотите не только посмотреть курс, но и повторить все шаги самостоятельно, а также собрать собственного Coding Agent, понадобятся:
- JDK 25
- Docker
- Базовое знакомство с Git — проект курса разбит на теги, соответствующие отдельным урокам
- Отдельно устанавливать Maven и языковую модель не нужно. Maven Wrapper уже входит в проект, а локальная модель qwen3.5:4b запускается через Docker Compose одной командой
- Видеокарта желательна, но не обязательна: модель маленькая и на процессоре тоже работает, просто медленнее
- Общее представление о том, что такое языковая модель и токен
- Опыт использования любого ИИ-ассистента для кода
Машинное обучение, математика, свой API-ключ, платная подписка на любые сервисы.
Не требуется
Базовые механики Spring AI мы объясним по ходу курса, но, чтобы сосредоточиться на архитектуре агента, а не на знакомстве с фреймворком, рекомендуем заранее пройти курс «Spring AI: как надо, а не как все».
Зачем
Что у вас останется после обучения
- Чтобы не гадать, почему агент вдруг выдумал содержимое файла, потерял контекст, зациклился или стал выполнять ненужную команду
- Чтобы принимать инженерные решения, а не просто доверять очередному инструменту
- Чтобы не зависеть только от готовых Claude Code, Cursor или Copilot, а понимать их архитектуру настолько хорошо, чтобы при необходимости собрать агента под свою инфраструктуру и задачи
- Чтобы перейти от уровня «я умею пользоваться ИИ-инструментами» к уровню «я понимаю, как они устроены и почему работают именно так»
Не только понимание того, как работают ИИ-агенты, но и собственный Coding Agent, собранный с нуля:
- 8 инструментов агента, 70 классов
- Репозиторий со всеми этапами сборки агента; к любому уроку можно вернуться через git-теги
- Понятная архитектура, которую можно адаптировать под свои задачи
- Основа для подключения собственных инструментов, базы, внутренней «Вики», CI и других сервисов
- Понимание, какие решения стоят за контекстом, permissions, планированием, субагентами и автономной работой
- А главное — ИИ-агенты перестанут быть для вас магией. У вас останется система, которую вы не просто скачали или скопировали, а собрали сами и понимаете изнутри
[Результаты обучения]
-
Вы узнаете:
- Что на самом деле скрывается за словом «агент» и как перестать воспринимать его как черный ящик
- Почему модель выдумывает содержимое файлов и как дать ей реальный доступ к данным
- Почему описание инструмента важнее его реализации и напрямую влияет на выбор агента
- Почему ошибки — часть рабочего цикла агента, а не просто сбои
- Куда уходит контекст и почему запросы агента быстро становятся огромными
- Как устроены разрешения и где агент должен остановиться и спросить человека
- Зачем агенту нужен план и какую роль он играет в работе
- Что такое субагенты и зачем они нужны для управления контекстом
-
Вы научитесь:
- Писать агентский цикл с инструментами и переносить эту механику на любой язык. В курсе — Java и Spring AI, но архитектура универсальна
- Подключать агента к своей инфраструктуре: базе, «Вики», CI и другим системам через новые инструменты
- Собирать системный промпт из независимых частей: состояние репозитория, структура проекта, память, стиль ответа
- Управлять контекстным окном: считать расход, ограничивать результаты инструментов, удалять устаревшее и сжимать историю
- Строить разрешения с человеком в цикле: правила, режимы и точки обязательного подтверждения
- Отделять логику агента от интерфейса, чтобы менять представление без переписывания ядра
- Объяснять коллеге, почему ИИ-ассистент «отупел к вечеру», и это будет объяснение архитектуры, а не настроения модели
Стоимость Курса — 9 500 ₽ 15 000 ₽