Чему вы научитесь

Примерное время: 45 минут

К концу этого урока вы сможете:

• Сформулировать, за что вы отвечаете, когда выпускаете то, что помог построить ИИ

• Определять технические реалии, всплывающие в момент выпуска, и строить обратные связи, которые их ловят

• Принимать решение: выпустить, исправить или остановить

Добросовестность и публикация своей работы

(3 минуты)

Добросовестность в модели разработчика — это полная ответственность: вы отвечаете за продукт от вопроса, должен ли он существовать, до вопроса, служит ли он пользователям после запуска. Этот урок охватывает, что значит выпускать, технические реалии, о которых ИИ не предупредит, если не спросить, почему тесты становятся вашей страховкой в момент, когда что-то в проде, и недооценённый навык — выводить из эксплуатации собственные работы.

Ключевые выводы

• Вы владеете исходом, а не выводом. «Это написал ИИ» ничего не объясняет и ничего не извиняет.

• У выпуска есть собственный технический словарь (миграции, версионирование, rate limits, feature flags), который ИИ не поднимет, если не спросить.

• Тесты делают пост-релизные итерации безопасными. Привычка «сначала тесты» — причина, по которой вы можете уверенно продолжать менять вещи.

• Прототипируйте свободно, выпускайте избирательно. Дешёвый код создаёт ценность только в паре с честной оценкой.

• Доступ — это дизайн-решение. Проверьте, кого ваши допущения исключают, прежде чем назвать что-то выпущенным.

Упражнение

Выпустите приложение клиники

Выпуск — место, где добросовестность становится реальной: прежде чем деплоить, честно ответьте на каждый из этих вопросов.

Проработав их, задеплойте приложение или разместите как прототип, поделитесь с тремя реальными пользователями и сделайте одну итерацию на основе изученного, с тестами, проверяющими изменение.

• Понимание — можете ли вы объяснить, что делает ваш код, а не только что он должен делать?

• Тестирование — ваши приёмочные тесты всё ещё проходят? Проверили ли edge-кейсы — закрытая клиника, отсутствующие данные, нулевое время ожидания?

• Доступ — кому ваша сборка плохо служит?

• Ответственность — может ли этот вывод быть неверно прочитан или misused? Были ли вы прозрачны о роли ИИ?

• Обратная связь — как вы узнаете, работает ли это после выпуска?

Рефлексия по уроку

• Как изменилось ваше мышление об интеграции ИИ с начала курса?

• Что одно вы будете делать иначе в работе с ИИ на основе изученного?

Что дальше

Вы построили, оценили и выпустили проверку времени ожидания клиники. На финальном уроке вы соберёте полный фреймворк 4D вместе и уйдёте с реальной задачей, уже находящейся в движении.

Обратная связь

По мере прохождения курса нам будет очень интересно узнать, как вы используете концепции курса в своей работе, а также любые ваши отзывы. Поделитесь отзывом здесь.

Благодарности и лицензия

Copyright 2026 Anthropic. Курс разработан в партнёрстве с CodePath на основе фреймворка ИИ-грамотности, созданного проф. Риком Даканом (Ringling College of Art and Design) и проф. Джозефом Феллером (University College Cork). Выпущено под лицензией CC BY-NC-SA 4.0.