Zrozumiesz, jak działa aplikacja webowa - Poznasz drogę od kliknięcia w przeglądarce do odpowiedzi z serwera, dzięki czemu łatwiej zaplanujesz własną stronę lub aplikację i lepiej ocenisz, co ma zrobić AI.
Opanujesz pracę z Git i GitHub - Nauczysz się zapisywać historię zmian, wracać do wcześniejszych wersji i publikować projekt w repozytorium, więc bez chaosu uporządkujesz współpracę z agentami AI.
Uruchomisz projekt z pomocą agentów AI - Skonfigurujesz środowisko, poznasz Claude Code i Codex oraz nauczysz się zlecać im konkretne zadania, zatwierdzać zmiany i bezpiecznie prowadzić prace nad aplikacją.
Stworzysz i opublikujesz własną stronę - Przejdziesz przez pełny proces od celu i treści, przez wygląd i wersję mobilną, aż po publikację z GitHub, więc wyjdziesz ze szkolenia z realnie działającą stroną.
Nauczysz się skutecznie wydawać polecenia AI - Dowiesz się, jak przygotować specyfikację, dzielić zadania na etapy, utrzymywać kontekst i tworzyć stałe instrukcje, aby agent pracował przewidywalnie i dokładniej.
Połączysz aplikację z API i bazą danych - Zrozumiesz JSON, endpointy i podstawy backendu, a także nauczysz się korzystać z Supabase oraz bezpiecznie łączyć własną aplikację z usługami i danymi zewnętrznymi.
Zbudujesz chatbota do obsługi klienta - Przygotujesz widżet czatu, połączysz go z modelem językowym i nauczysz się obsługiwać sprawy takie jak status zamówienia, zwroty, FAQ oraz przekazanie rozmowy do pracownika.
Zadbujesz o testy, bezpieczeństwo i wdrożenie - Nauczysz się testować aplikację z pomocą AI, wykrywać błędy i ryzyka, chronić dane użytkowników, a potem opublikować projekt, monitorować go i kontrolować koszty działania.
Od żądania w przeglądarce po odpowiedź serwera uczestnicy analizują, jak działa strona i aplikacja internetowa jako całość. Omawiane są role frontendu i backendu, podstawowe pojęcia HTML, CSS i JavaScript, a także domena, DNS, hosting oraz etapy tworzenia i publikacji rozwiązania w sieci.
Kontrola wersji pozwala śledzić historię projektu także wtedy, gdy część zmian wykonuje agent AI. Sekcja wyjaśnia rolę repozytorium, commitów, gałęzi i przywracania wcześniejszych wersji, a następnie pokazuje delegowanie operacji Git agentowi, weryfikację jego zmian oraz wykorzystanie GitHub do publikacji.
Claude Code, Codex i podobne narzędzia są omawiane jako agenci wykonujący działania w projekcie, a nie tylko prowadzący rozmowę jak chatbot. Uczestnicy konfigurują środowisko, uruchamiają pierwszy projekt, zarządzają uprawnieniami i akceptacją zmian oraz uwzględniają limity, koszty i zasady bezpiecznej pracy.
Praktyczna realizacja strony internetowej obejmuje cały proces od ustalenia celu i wymagań po gotową publikację projektu. Uczestnicy przygotowują materiały, układają ofertę, usługi, cennik, referencje i mapę, dopracowują wygląd, tworzą wersję responsywną i publikują stronę z repozytorium GitHub.
Dobra współpraca z agentem AI wymaga precyzyjnej specyfikacji, jasno opisanego celu aplikacji i podziału pracy na mniejsze etapy. Sekcja obejmuje tryb planowania, pliki CLAUDE.md i AGENTS.md, stałe instrukcje, zarządzanie kontekstem sesji oraz wykrywanie i poprawianie błędów przy wsparciu AI.
Skills i subagenci służą do porządkowania powtarzalnych sposobów pracy agenta oraz rozdzielania zadań na wyspecjalizowane role. Uczestnicy tworzą własny skill, przygotowują opisy zadań i przykłady, korzystają z materiałów pomocniczych, konfigurują subagentów do recenzji i testów oraz oceniają bezpieczeństwo rozszerzeń.
Tworzenie harmonogramu zespołu pokazuje, jak przełożyć zadania, terminy i zależności na działające narzędzie do planowania pracy. Projekt obejmuje budowę osi czasu i wykresu Gantta, sygnalizowanie opóźnień, import CSV, zapis danych w przeglądarce, raport PDF oraz użycie własnego skilla i kontroli jakości kodu.
Komunikacja między systemami opiera się na API, żądaniach i odpowiedziach oraz poprawnej strukturze danych w formacie JSON. W tej części omawiane są endpointy i zadania backendu, integracje z usługami zewnętrznymi, bezpieczne przechowywanie kluczy i sekretów oraz użycie API modeli Claude i GPT.
Baza danych porządkuje informacje potrzebne aplikacji i pozwala na ich trwały zapis oraz odczyt. Uczestnicy poznają tabele, rekordy, pola i relacje, a następnie projektują strukturę z pomocą AI, przygotowują model danych, pracują z Supabase i łączą operacje na danych z działaniem aplikacji.
Na przykładzie czatu do obsługi klienta uczestnicy projektują zakres spraw, które chatbot ma przejmować, w tym status zamówień, zwroty i dostępność produktów. Powstaje też zespół subagentów, widżet czatu, integracja z modelem i narzędziami do sprawdzania danych, obsługa eskalacji oraz zapis historii rozmów.
Stabilność i ochrona aplikacji wynikają z połączenia testów automatycznych z kontrolą działania z perspektywy użytkownika. Sekcja obejmuje wykorzystanie serwerów MCP, wyszukiwanie luk bezpieczeństwa przy wsparciu AI, ochronę danych użytkowników oraz podstawowe zasady przetwarzania danych osobowych zgodnie z RODO.
Proces wdrożenia obejmuje przygotowanie aplikacji do publikacji, podstawy pracy z Dockerem oraz wybór hostingu lub serwera odpowiedniego dla projektu. Uczestnicy zajmą się też podłączeniem domeny, monitoringiem, kopiami zapasowymi, aktualizacjami i kontrolą kosztów utrzymania.
Swobodna obsługa komputera - Powinieneś sprawnie poruszać się po systemie operacyjnym, instalować proste programy, pracować na plikach i folderach oraz korzystać z przeglądarki bez dodatkowej pomocy.
Podstawowa znajomość internetu - Powinieneś rozumieć, jak korzystać z usług online, formularzy i kont internetowych, ponieważ podczas szkolenia będziesz pracować z narzędziami chmurowymi i publikacją projektu.
Gotowość do pracy po angielsku - Powinieneś radzić sobie z prostym angielskim technicznym, bo część nazw narzędzi, komunikatów i dokumentacji będzie dostępna po angielsku podczas pracy z agentami AI.
Podstawy logicznego opisu zadań - Powinieneś umieć jasno opisać cel, kroki i oczekiwany efekt zadania, ponieważ szkolenie uczy skutecznego wydawania poleceń AI i porządkowania pracy nad projektem.
