Struttura del corso
Lo Stack di Personalizzazione a Quattro Livelli
Livello 1 | Conosce – Regole e AGENTS.md
Argomenti trattati:
• Definizione delle convenzioni di progetto e degli standard di codifica
• Documentazione dell'architettura e dei vincoli tecnici
• Creazione di linee guida per il progetto indipendenti dagli strumenti
• Mantenimento della coerenza tra team di sviluppo e strumenti AI
Livello 2 | Può – Skills
Argomenti trattati:
• Creazione di unità riutilizzabili di conoscenza specializzata
• Caricamento delle informazioni contestuali solo quando necessario
• Riduzione della dimensione del contesto migliorando l'esecuzione dei compiti
• Costruzione di librerie di flussi di lavoro e competenze riutilizzabili
Livello 3 | Si Estende – MCP
Argomenti trattati:
• Connessione degli strumenti AI a sistemi e servizi esterni
• Accesso a repository, database e fonti documentali
• Estensione delle capacità degli assistenti di codifica AI
• Implementazione di integrazioni sicure e controlli di governance
Livello 4 | Agisce – Agenti
Argomenti trattati:
• Comprensione degli agenti AI autonomi e delle loro capacità
• Lettura, scrittura, testing e revisione autonoma del codice
• Gestione di flussi di lavoro orientati agli obiettivi e compiti delegati
• Istaurazione di meccanismi di supervisione e revisione umana per i sistemi agentic
Giorno 1 | Delega ed Estensione degli Strumenti
Modulo 1 | Dall'Assistente all'Agente
Argomenti trattati:
• Comprensione della differenza tra assistenti AI e agenti autonomi
• Completamento del codice in linea rispetto alla delega agentic
• Come i flussi di lavoro agentic modificano la struttura dei compiti di sviluppo
• Identificazione dei compiti adatti alla delega agli agenti
• Best practice per la collaborazione con sistemi AI autonomi
Modulo 2 | Deleghe Efficaci Senza Supervisione Costante & Cicli (Loops)
Argomenti trattati:
• Redazione di istruzioni efficaci per gli agenti AI
• Fornire un contesto sufficiente e i requisiti aziendali
• Definizione di vincoli e limiti per l'esecuzione
• Stabilizione chiari criteri di accettazione e misure di successo
• Minimizzazione dell'intervento umano mantenendo la qualità
• Come costruire i cicli (Loops)
Modulo 3 | Stack di Personalizzazione e Applicazione nei Diversi Contesti
Argomenti trattati:
• Comprensione dello stack di personalizzazione a quattro livelli
• Utilizzo di Regole e AGENTS.md per definire le convenzioni di progetto
• Determinazione dei meccanismi di personalizzazione applicabili in diversi scenari
• Gestione efficiente del contesto tra strumenti e progetti
• Creazione di ambienti di sviluppo assistiti da AI coerenti
Modulo 4 | Skills e Sub-Agenti
Argomenti trattati:
• Creazione di Skills riutilizzabili per flussi di lavoro e compiti comuni
• Incapsulamento della conoscenza specializzata per un uso ripetuto
• Comprensione del ruolo dei sub-agenti e dei contesti isolati
• Delega di compiti circoscritti ad agenti specializzati
• Miglioramento dell'efficienza attraverso flussi di lavoro AI modulari
Giorno 2 | Connessione degli Strumenti, Parallelismo e Governance
Modulo 5 | MCP: Connetti e Crea
Argomenti trattati:
• Comprensione dei principi del Model Context Protocol (MCP)
• Connessione degli strumenti AI a sistemi e servizi esterni
• Integrazione di browser, database, repository e fonti documentali
• Creazione di un server MCP personalizzato
• Gestione del controllo degli accessi e delle considerazioni sulla sicurezza
Modulo 6 | Il Flusso di Lavoro Agetic Disciplinato
Argomenti trattati:
• Istaurazione di un processo di sviluppo assistito da AI ripetibile
• Brainstorming e pianificazione con agenti AI
• Costruzione e implementazione collaborativa delle soluzioni
• Testing e validazione degli output generati
• Revisione e finalizzazione dei deliverables con appropriati passaggi di verifica
• Come impostare gli obiettivi
Modulo 7 | Sviluppo in Parallelismo
Argomenti trattati:
• Esecuzione simultanea di più agenti AI
• Lavoro con branch isolati e Git worktrees
• Coordinamento delle attività di sviluppo tra flussi di lavoro paralleli
• Fusione e validazione degli output da più agenti
• Miglioramento della produttività attraverso strategie di esecuzione in parallelo
Modulo 8 | Rischi, Revisione e Governance
Argomenti trattati:
• Valutazione e verifica di Skills e server MCP esterni
• Comprensione dei rischi per la sicurezza e la governance
• Gestione dei permessi e dei diritti di accesso
• Protezione dei dati sensibili e della proprietà intellettuale
• Istaurazione di processi di revisione e pratiche di assicurazione della qualità
Modulo 9 | Adozione dell'AI nello Sviluppo Software: Casi d'Uso e Prossimi Passi
Argomenti trattati:
• Come le organizzazioni integrano l'AI nel Ciclo di Vita dello Sviluppo Software (SDLC)
• Casi d'uso reali ed esempi di implementazione da diversi settori
• Approcci comuni all'adozione dell'AI: adozione individuale, adozione a livello di team e abilitazione organizzativa su larga scala
• Tipici casi d'uso attraverso l'SDLC:
• Raccolta dei requisiti e documentazione
• Generazione del codice e prototipazione
• Testing e assicurazione della qualità
• Code review e refactoring
• Documentazione e gestione della conoscenza
• DevOps e gestione degli incidenti
• Modelli di governance, politiche e considerazioni sulla sicurezza
• Misurazione della produttività e del ROI dello sviluppo assistito da AI
• Creazione di una roadmap interna per l'adozione dell'AI
• Definizione dei prossimi passi pratici per i partecipanti e i loro team
Workshop Interattivo di Discussione
• Sfide attuali all'interno dei team di sviluppo dei partecipanti
• Identificazione di casi d'uso ad alto valore per un'adozione immediata
• Rischi, ostacoli e considerazioni organizzative
• Creazione di un piano d'azione iniziale per l'integrazione dell'AI.
Requisiti
Esperienza professionale nello sviluppo, familiarità con il terminale e conoscenza operativa di Git. Utilizzo regolare di uno strumento di codifica AI oppure completamento del corso "Foundations".
Pubblico
Sviluppatori che utilizzano già strumenti AI, lead tecnici responsabili dell'adozione da parte del team e ingegneri della piattaforma o DevOps che creano Skills e server MCP.
Recensioni (2)
Imparare a creare prompt efficaci per Claude e a utilizzarlo per elaborare tutti i dati disponibili.
Mike Hartleroad - Furniture Row
Corso - Claude AI for Data Analysis and Business Intelligence
Traduzione automatica
come interagire con l'ambiente Office e configurare attività ripetitive
Matthew Wallace - Group CBS
Corso - Claude AI for Workflow Automation and Productivity
Traduzione automatica
