AI leverage kurs

Przestań zgadywać, jak używać AI — zbuduj z tego warsztat

Agentic LLM potrafi realnie przyspieszyć pracę programisty albo narobić szkód, które sprzątasz przez tydzień. Różnica nie leży w narzędziu, tylko w warsztacie: jak ustawiasz agenta, jak go prowadzisz krok po kroku, gdzie mu ufasz, a gdzie sprawdzasz każdy diff.

Ten kurs to 13,5 godziny budowania takiego warsztatu — na dwóch narzędziach naraz: Claude Code CLI i GitHub Copilot. Uczymy podejścia, nie produktu: koncepty (agentic loop, prompt engineering, skille, subagenty, hooks, MCP) żyją ponad narzędziem i zostają z Tobą, nawet jeśli za rok liderem rynku będzie coś innego.

Co otrzymujesz

• 51 lekcji wideo w 3 częściach (13,5 godziny) — konkretnych, po 10–22 minuty, bez lania wody.
• Materiały PDF do każdej lekcji (12–20 stron, łącznie blisko 870): utrwalenie treści, pogłębienia, których nie było w wideo, dodatkowe przykłady i ściągi komend.
• Własny toolkit AI, złożony Twoimi rękami — komendy, skill, subagent-recenzent i hooki-bezpieczniki, spięte na koniec w jedno wersjonowane repo, które stawiasz na nowej maszynie w dwie minuty.
• Przykłady kodu w Javie 21 (Spring Boot 3.5, Maven, JUnit 5) — realne i uruchamialne, nie pseudokod.

Program

Część I — Fundamenty (8 lekcji, prawie 2 h). Jak naprawdę działa LLM: tokeny, okno kontekstu, knowledge cutoff, agentic loop. Czemu agenty czasem zawodzą i mapa miejsc, gdzie AI faktycznie pomaga, a gdzie szkodzi.

Część II — Agentic LLM w codziennej pracy (32 lekcje, ponad 8 h). Claude Code i Copilot równolegle — w terminalu i w IDE: workflow od promptu do diffa, prompt engineering bez sloganów z LinkedIna, własne komendy, permissions i plan mode, skille i subagenty, hooks, MCP, ADR. Na koniec mapa przenoszenia konceptów między narzędziami — zmierzona, z datą i numerami wersji, żebyś umiał ją powtórzyć u siebie, gdy narzędzia się zmienią.

Część III — Praktyka: realne workflowy i własny toolkit (11 lekcji, ponad 3 h). Jedno repo w Javie przez całą część: wejście w nieznany projekt, bug od zgłoszenia do PR-a, incydent i szukanie przyczyny w ośmiu megabajtach logów, feature od ticketu do PR-a. Do tego sesja, która przeżyje pad terminala, praca na dwóch frontach naraz przez git worktree i toolkit rosnący z odczutej powtarzalności: własne komendy, skill raportu dla klienta, subagent-reviewer, hooki-bezpieczniki.

Dla kogo

Dla praktykujących programistów, którzy chcą z agentic LLM pracować szybciej i lepiej szczególnie backendowych (przykłady w Javie). Nie jest to wprowadzenie do programowania ani kurs „AI bez kodu”.

FAQ

Claude Code czy Copilot — którego uczy kurs? Obu, uczciwie: pokazujemy, gdzie jest odpowiednik 1:1, gdzie działający workaround, a gdzie dane narzędzie czegoś nie umie. Wystarczy, że masz dostęp do jednego z nich.

Nie piszę w Javie — czy skorzystam? Przykłady kodu są w Javie, ale koncepty, workflowy i toolkit są uniwersalne. Jeśli na co dzień czytasz kod backendowy, przełożysz wszystko na swój stack.

Używam AI od dawna — czy Część I nie będzie za prosta? Fundamenty tłumaczą, dlaczego agent zachowuje się tak, a nie inaczej (tokeny, kontekst, pętla agentowa) — to na nich stoją wszystkie techniki z Części II i III. Większość problemów z agentami bierze się z pominięcia właśnie tego poziomu.

Narzędzia zmieniają się co miesiąc — czy kurs się nie zestarzeje? Dlatego uczymy konceptów, a każdy twardy fakt podajemy z datą pomiaru i numerem wersji narzędzia. Dostajesz też komendy, którymi sam sprawdzisz aktualny stan — mapa narzędzi z końca Części II jest pomiarem do powtórzenia, nie cudzą opinią.

Co mi zostaje po kursie? Warsztat. PDF-ściągi do każdej lekcji i umiejętność ustawienia agenta w każdym nowym projekcie.