Я створив два ШІ-інструменти. Другий підказав мені, як саме мені варто вивчати ШІ.
Я пробував традиційний шлях вивчення ШІ. Відкрив офіційний курс. Кинув після кількох уроків. Матеріал був хорошим, але не було жодної ставки. Нічого не ламалося. Нічого не запам'ятовувалося.
Я зрозумів, що найкраще вчуся тоді, коли щось ламається.
Розробка TeachSim навчила мене LangGraph, тому що бот мав працювати. Створення GitHub Digest навчило мене розуміти приховані помилки (silent failures), тому що код ламався непомітно. Я засвоював концепції, бо вони були мені необхідні для роботи.
Я хочу вивчати AI engineering. Я не хочу просто використовувати API. Я хочу розуміти інструменти, якими користуюся щодня.
Наразі мої знання поверхневі. Я використовую слеш-команди та певні конвенції, щоб усе запрацювало. Я не розумію MCP, subagents, hooks чи checkpoints. Я просто використовую той інструмент, який працює саме сьогодні.
Я змінюю свій підхід. Я створюю власну навчальну програму на основі реальних проєктів. Етап не вважається завершеним лише тому, що я прочитав про нього. Етап завершено лише тоді, коли він вирішує реальну проблему в моєму проєкті.
Ось моя нова послідовність навчання:
• Phase 1: MCP (Розширити можливості доступу агента) • Phase 2: Skills (Формалізувати використання інструментів) • Phase 3: Subagents (Розподілити роботу між кількома агентами) • Phase 4: Hooks (Додати guardrails) • Phase 5: Plugins (Упакувати все в плагіни) • Phase 6: Checkpoints (Скасувати невдалі сесії) • Phase 7: Final Results (Фінальні результати)
Я застосую це у своїх живих проєктах. Наприклад, я підключу MCP-сервер GitHub до GitHub Digest замість використання REST API.
Зараз цей метод потребує більше часу. Я міняю миттєвий темп на довгострокову швидкість. Я хочу опанувати інструменти, перш ніж братися за складну математику машинного навчання. Якщо я не розумітиму своїх інструментів, я буду боротися з ними, намагаючись вивчити складні концепції.
Я будую це крок за кроком.
Optional learning community: https://t.me/GyaanSetuAi