Коротко напомню, что внутри. На первом воркшопе мы разобрались как работать с LLM и сделали важную вещь - собрали правильный процесс разработки с AI руками: research → постановка задачи → декомпозиция → план → реализация → проверка и главное — сохраняли артефакты и использовали их в последующей работе в качестве контекста Это был фундамент. Но когда задача становится сложнее, то время на сам процесс управления теряется куча времени. Каждую новую сессию нужно заново вводить в контекст следить, чтобы ничего не сломалось напоминать, что уже пробовали проверять каждый шаг По сути, становишься нянькой для агента. И в этот момент становится понятно: проблема не в том, что AI плохо пишет код проблема в том, что у тебя нет системы, в которой он работает под твоим контролем. Воркшоп #2 — это следующий шаг. Не про “лучшие секретные промпты”, а про инженерный процесс: MCP, workflow, роли, субагенты и quality gates Мы уже научились делать процесс разработки руками, теперь пора масштабироваться и построить систему, которая будет делать задачи с предсказуемым результатом по workflow, который настраиваете вы! На практике разберем как создать свой таск-менеджер: 1 часть: — workflow и разделение ролей — субагентов (планирование, реализация, проверка) — артефакты как источник правды — quality gates и контроль качества — backend на Go + Postgres + HTTP API — свой MCP-сервер поверх backend 2 часть: — AI Workspace как точка объединения всех проектов — проверка созданного MCP через MCP Unit — создание frontend поверх готовых контрактов — сборку всего пайплайна через AI Factory
