В первой части я разобрала программу «ИИ-инженер за 90 дней» и честно отметила, что уже умею. Во второй превратила пробелы в задачи из своих продуктов. В третьей собрала RAG-помощника по своему блогу.

А потом посмотрела на программу ещё раз. RAG в ней — восьмая тема, а первая — Python и Git. Я перепрыгнула через фундамент сразу к самому интересному. В четвёртой части рассказываю, почему так вышло, почему это не ошибка и как я возвращаюсь к началу.

Моя карта: 12 тем и галочки

Чтобы видеть путь целиком, я завела карту из 12 тем программы. Во второй колонке — самооценка из первой части, её я не переписываю. В третьей — галочка. Ставлю её, когда тема пройдена на задаче из моего продукта и я могу объяснить, как всё устроено.

ТемаСамооценка на стартеПрогресс
1. Python и Gitчастичносейчас
2. Работа с даннымичастично
3. Основы MLне делала
4. Основы глубокого обученияне делала
5. Как работают LLMчастично
6. LLM через APIделаю
7. Эмбеддинги и поискглавный пробел
8. RAG-системыглавный пробел✓
9. MCP и агентычастично
10. Мультиагентычастично
11. Оценка качестване делала
12. Публикация проектаделаю

Пока галочка одна — у RAG. Сейчас я на первой теме.

Почему я начала с RAG

Причина простая: RAG был самым понятным результатом. Помощника, который отвечает по моим статьям, можно показать, проверить на вопросах и описать в статье. Python ради Python так не покажешь.

Это нормальная продуктовая логика. Мы часто сначала собираем MVP, чтобы проверить ценность, а уже потом разбираемся, что внутри. Мой RAG — такой MVP навыка. Он работает, но собран на чужом фундаменте: код писал Claude, а я ставила задачи и проверяла результат.

Где фундамент дал о себе знать

Пока собирала RAG, я несколько раз упиралась не в RAG, а в базу:

  • Порог «2 из 3». Ответ засчитывался, если прозвучали две мысли из трёх. Только 2/3 — это 0,666, а порог стоял 0,67. Ошибку я нашла глазами, а не потому, что понимала код проверки.
  • Ключи. Одна мелкая ошибка в настройках остановила весь запуск. Работа с ключами — базовая гигиена, её учат в самом начале.
  • Код проверки. Если бы он сломался, я бы не знала, куда смотреть.

Собрать получилось. Понять каждую строку — нет.

RAG показал мне не только, как устроен поиск. Он показал, где у меня нет фундамента.

Где я сейчас

  • Git — каждый день, но по одной дорожке. Правлю сайт, сохраняю, отправляю на GitHub, выкладываю. Веток, сравнения изменений и отката почти нет.
  • Python — почти ноль. Я понимаю, что делают мои скрипты, но не всегда понимаю, как.
  • Терминал — уверенно. Запускаю команды, ставлю пакеты, выкладываю сайт. Это хорошая опора.

Зачем продакту Python, если всё пишет ИИ

Этот вопрос я задавала себе всерьёз. Ответ получился такой: Python мне нужен не для того, чтобы писать код вместо Claude, а чтобы читать, проверять и понимать то, что он написал.

  • Следующие темы — на Python. Эмбеддинги, оценка качества, работа с данными: почти все примеры и библиотеки по ним на Python.
  • Проверка — это код. Тесты после каждой правки хочется запускать и понимать, почему ответ засчитан.
  • Ревью без понимания — ощущение. Если я не читаю код, я не могу сказать ИИ «здесь ошибка». Могу только сказать «не работает».

Как я прокачиваю первую тему

Тема для меня — не глава учебника, а задача в моём продукте. Для Python и Git это скрипт, который выгружает статьи блога и считает по ним объём и время чтения. Заодно у блога появится резервная копия, которой до сих пор нет. Вся работа идёт в отдельной ветке Git.

Сначала я хотела поменяться с ИИ ролями: пишу я, Claude проверяет. На практике выбрала другой формат. Claude пишет код и объясняет каждую строку, а я разбираюсь, задаю вопросы, смотрю, как скрипт работает, и специально его ломаю. Мне важнее понимать, как устроена система, и уметь проверить ИИ, чем набирать код руками. И об этом я честно пишу в каждой части.

Значит, RAG был зря?

Нет. Если бы я начала с Python, я бы учила его без понимания, зачем. Сейчас у меня есть живая задача, конкретные места, где я споткнулась, и проверочный набор, который хочется понимать. Мотивация совсем другая.

Галочку у RAG я поставила: тема пройдена на живой задаче, помощник работает, разбор написан. Но фундамент под ним я пока не понимаю. Возвращение к началу — способ это исправить.

Как повторить у себя

  • Посмотрите на то, что уже собрали с ИИ. Найдите места, где не смогли бы починить сами.
  • Определите, к какой базовой теме они относятся. Чаще всего это язык, данные или Git.
  • Возьмите задачу из своего продукта, которая нужна и без учёбы: резервная копия, отчёт, проверка.
  • Решите, как вы учитесь: пишете сами или ИИ пишет и объясняет. Главное, чтобы в конце вы могли объяснить, как всё работает.
  • Запишите критерий «закрыто» до начала, иначе «частично» будет тянуться бесконечно.

Это четвёртая часть серии. Первая — разбор 90-дневной программы ИИ-инженера, вторая — как я докучиваю недостающие кирпичики, третья — что такое RAG и нужен ли он. Продолжение — пятая часть про ветки в Git на живом сайте. Про то, какие навыки разработчика нужны продукту, я писала в статье про pet-проекты.

Больше разборов про продукты и ИИ — в моём Telegram-канале: t.me/jd_tools_life.

А если хотите разбираться не в одиночку, приходите в сообщество «Продуктовые разборы». Расскажите, с какой темы вы бы начали: с фундамента или с самого интересного.

Частые вопросы

Нужен ли продакту Python, если есть Claude Code?

Писать большие программы не обязательно. Но читать код, понимать, что он делает, и замечать ошибки нужно. Иначе вы не отличите работающее решение от правдоподобного.

Сколько Python нужно продакт-билдеру?

Достаточно, чтобы написать небольшой скрипт: прочитать данные, обратиться к API, сохранить результат, обработать ошибку. Это несколько недель практики на своих задачах, а не курс на полгода.

Что в Git важнее всего на старте?

Ветки, просмотр изменений перед коммитом, откат и файл исключений, чтобы ключи и лишние файлы не попадали в репозиторий. Этого хватает для спокойной работы над своим проектом.

Можно ли учить темы не по порядку?

Можно, если вы честно отмечаете, на чём держится результат. Прыжок к интересной теме даёт мотивацию, а возвращение к фундаменту даёт понимание. Опасно только считать собранное с ИИ освоенным.