Самостоятельная практика с ИИ

Как начать

1. Распакуйте ZIP в новую пустую папку. Откройте вложенную папку neurobrain-setup-practice-student-v1.1.0 как локальный проект; при желании переименуйте её в neurobrain-practice. Внутри должны быть starter/, integration/ и templates/.
2. Прочитайте README.md. Если выбираете MCP, сначала проверьте Python 3.10+ командой ниже и подключите учебный сервер. Для Antigravity используйте пошаговое подключение на этой странице; помощник настройки запускается до создания результатов. Для другого клиента — его инструкция STDIO.
3. Затем приступайте к упражнениям. Для файлового разбора используйте starter/company.md, starter/rules.md, starter/messages.csv и сохраните output/result.md. Его можно выполнить отдельно, без MCP. Если файлы результата уже созданы, для помощника настройки используйте новую распаковку student ZIP.

python3 -B integration/preflight.py

После успешной проверки Python подключите учебный MCP. Программа проверки подскажет этот следующий шаг. В разборе показано, как преподаватель проверяет три сохранённых результата отдельно от проекта ученика.

Запрос для модели и схема результата находятся в полной инструкции 1.1.0. Токены и переменные окружения для учебного сервера не нужны.

Antigravity: подключить MCP перед практикой

Подготовить Antigravity и чистый проект · 1:36: настоящие кадры запуска уже установленного Antigravity, распаковки student/helper 1.1.0 и создания нового проекта. Установка и личный вход не показаны; готовых ответов нет.

Три видео по порядку и рабочая тетрадь →

Начать с нового проекта и первого файла · 1:23: версия приложения, New Project, Local и проверка Markdown по трём исходникам.

Если вы уже создали output/result.md по этому ролику, сохраните его в прежней папке. Для помощника настройки распакуйте student ZIP заново в чистую папку и откройте отдельный Local-проект. Настройку выполняйте до новых результатов.

Этот способ проверен в Antigravity desktop 2.22.0. Начните с уже установленного приложения и работающего собственного аккаунта. Подключение учебного сервера не предоставляет доступ к моделям или подписке.

Перед практикой: доступ и остаток квоты

Проверьте условия своего аккаунта по официальному FAQ Antigravity: личный Google-аккаунт, возраст 18+ и поддерживаемая страна. Работающий вход и подписка сами по себе не подтверждают все условия. Используйте собственный разрешённый доступ.

В desktop 2.22.0 откройте Settings → Models → Models & Usage и нажмите Refresh quota and credits data. Дождитесь обновления. Поле Remaining показывает остаток; сверяйте показанные лимиты выбранной группы моделей и время восстановления. Набор лимитов зависит от плана: недельный, а при наличии — также пятичасовой. Перед занятием обновите значения: работа в других проектах тоже расходует квоту. Названия разделов могут отличаться в другой версии клиента.

Проверьте Enable AI Credit Overages: включённая настройка позволяет использовать кредиты сверх основной квоты в соответствии с условиями своего плана. Для учебной попытки сначала проверьте основную квоту. При её исчерпании сохраните файлы и дождитесь восстановления. Если разрешённого доступа к Antigravity нет, файловое упражнение из раздела «Как начать» можно выполнить в другом доступном ИИ-клиенте; условия этого клиента проверяются отдельно.

1. Откройте правильную папку

После распаковки используйте вложенную папку neurobrain-setup-practice-student-v1.1.0. Можно заранее переименовать её в neurobrain-practice. В проверенной версии 2.22.0 последовательность такая:

1. На боковой панели нажмите Create New Project → New Project.
2. В открывшемся окне выбора папки выберите учебную папку и нажмите Открыть. Если ваша сборка сначала показывает Add Folder, нажмите её, затем выберите ту же папку.
3. В показанной сборке проект создаётся сразу, а имя берётся из названия папки. Если ваша сборка отдельно показывает Set Project Name / Create, задайте имя и нажмите Create.
4. В начальном окне беседы проверьте выбранный проект. Если доступен Select Environment, выберите Local до файлового задания. Если выбор появляется после Enter, подтвердите Local до выполнения запроса.

Если выбор среды пока отсутствует, начните с запроса только на чтение: «Прочитай только README.md и starter/rules.md в выбранном учебном проекте. Предложи план практики. Ничего не создавай и не изменяй, не используй внешние сервисы». После ответа начните новое общение в том же проекте и проверьте Local. В новой демонстрации подготовки desktop 2.22.0 Local появился на этом этапе. Пока среда не подтверждена, сохраняйте ограничение на чтение и план; настройку и создание результатов отложите.

В корне выбранной папки должны находиться:

neurobrain-practice/
  README.md
  starter/
  integration/
    school_readonly_mcp.py
    preflight.py
    result.schema.json
    data/
  templates/

Выбирайте папку с этими файлами, а не внешнюю папку, в которую распаковали ZIP.

2. Проверьте Python и скопируйте два пути

Откройте Terminal в корне проекта. На macOS можно ввести cd и пробел, перетащить учебную папку из Finder в Terminal и нажать Enter. Затем выполните:

python3 --version
python3 -B integration/preflight.py

В ответе нужны ready_for_school_mcp: true и next_step: connect_school_mcp. Скопируйте значение python_executable — это полный путь Python для конфигурации ниже.

Если ответ содержит select_supported_python, выберите установленный Python 3.10 или новее и повторите проверку им. Например, при наличии Python 3.12:

python3.12 --version
python3.12 -B integration/preflight.py

Если подходящий Python не установлен, используйте официальную загрузку Python и повторите проверку. При use_supported_macos_linux_or_wsl нужны файловые защиты поддерживаемой системы; основной файловый разбор можно выполнить отдельно, пока MCP не подключён.

Python не найден или запускается старая версия? Откройте пошаговую помощь по установке и проверке.

Тем же проверенным Python получите полный путь скрипта. В примере ниже замените python3, если проверяли другую команду:

python3 -c 'from pathlib import Path; print(Path("integration/school_readonly_mcp.py").resolve())'

В пакете ученика выполняется только preflight. Тесты сервера и проверяющий код остаются у преподавателя.

Подготовить конфигурацию без ручного копирования путей

Посмотреть видео настройки · 2:46: Local, предварительная проверка, помощник и два настоящих ответа MCP.

Скачать помощник настройки Antigravity 1.1.0 · ZIP. Это совместимая пара с student-пакетом 1.1.0. Распакуйте этот отдельный архив и скопируйте только configure_antigravity.py в корень своей учебной папки — рядом с starter/ и integration/.

Если у вас уже скачан прежний пакет v1, используйте с ним прежний helper v1. Не смешивайте версии: помощник проверяет исходники по SHA256. Инструкция 1.1.0 описывает текущий самостоятельный формат; отправлять результаты преподавателю не требуется.

Запустите настройку до упражнений, в чистой папке ученика. При student_project_not_clean распакуйте student ZIP в новую пустую папку: прежние ответы и преподавательские файлы остаются в старом проекте. Помощник их не удаляет.

В Terminal из этой папки запустите скрипт тем Python, который успешно прошёл проверку выше. Сначала он покажет план и ничего не запишет:

python3 -B configure_antigravity.py

Проверьте выбранную папку и пути в ответе. Затем создайте конфигурацию:

python3 -B configure_antigravity.py --write

Помощник подставит путь запущенного Python и учебного сервера в два файла workspace plugin. Откройте созданные plugin.json и mcp_config.json и проверьте их. Затем переходите к шагу 4 — настоящему вызову двух инструментов.

Если имена уже заняты другой конфигурацией, выберите новую пару и используйте её на обоих запусках:

python3 -B configure_antigravity.py --plugin-name neurobrain-practice-2 --server-name neurobrainPractice2
python3 -B configure_antigravity.py --plugin-name neurobrain-practice-2 --server-name neurobrainPractice2 --write

Имена по умолчанию содержат суффикс вашей папки. Скопируйте connection_id из ответа скрипта. В запросе шага 4 замените им neurobrain-practice_neurobrainPractice, а в запросе из student README — короткое neurobrainPractice. Созданные файлы ещё не подтверждают ответ MCP. Помощник работает локально, не меняет настройки аккаунта и не создаёт решения упражнения. Если предпочитаете заполнить файлы самостоятельно, используйте следующий шаг.

3. Создайте отдельный workspace plugin

В корне этого учебного проекта создайте папку .agents/plugins/neurobrain-practice/ и два файла внутри неё. Это workspace plugin по официальной документации Antigravity. Можно попросить помощника создать только эти два файла по примерам, затем открыть их и проверить пути.

.agents/
  plugins/
    neurobrain-practice/
      plugin.json
      mcp_config.json

plugin.json:

{
  "name": "neurobrain-practice",
  "description": "Synthetic school read-only exercise"
}

mcp_config.json в этой же папке:

{
  "mcpServers": {
    "neurobrainPractice": {
      "command": "/ABSOLUTE/PATH/python3",
      "args": [
        "-B",
        "/ABSOLUTE/PATH/neurobrain-practice/integration/school_readonly_mcp.py"
      ]
    }
  }
}

В command вставьте скопированный python_executable, во второй элемент args — полный путь скрипта. Строки /ABSOLUTE/PATH/… нужно заменить целиком. Путь с пробелами остаётся одной JSON-строкой; дополнительные кавычки внутри неё не нужны. Токены и env не добавляйте.

Если учебное подключение с такими именами уже есть, используйте новое имя папки и плагина, например neurobrain-practice-2, и новый ключ сервера neurobrainPractice2. В plugin.json имя должно совпадать с новым названием плагина. Старые подключения не перезаписывайте.

В проверенном desktop полное имя подключения объединяет имя плагина и ключ сервера через _: neurobrain-practice_neurobrainPractice. Если переименовали оба, в запросе ниже используйте neurobrain-practice-2_neurobrainPractice2. В запросах из README.md также укажите своё подключение.

4. Откройте новую беседу и проверьте ответ

Сохраните оба файла и начните новое общение в том же Local-проекте. В проверенной сборке Customizations → Installed MCP Servers → Add MCP открывает Store; собственный учебный STDIO здесь задаётся workspace-файлами. Управление списком описано в официальной инструкции MCP.

В аргументах school_read_context разрешён только ключ file со значением company или rules — без расширения .md. Для school_read_messages используйте только scenario: base, changed или injection.

Если клиент не показывает схему параметров или получен arguments_not_allowed, сверьте объект аргументов с inputSchema в integration/school_readonly_mcp.py. Не добавляйте в объект аргументов name, filename или path.

Попросите помощника:

Используй только учебное подключение neurobrain-practice_neurobrainPractice.
Нужны school_read_context и school_read_messages.
Реально вызови school_read_context с {"file":"company"},
затем school_read_context с {"file":"rules"}
и school_read_messages с {"scenario":"base"}.
Покажи ответы инструментов, synthetic и source_sha256.
Другие инструменты не используй. Пока не решай упражнение
и не создавай ответы. Если tools отсутствуют, скажи об этом.

В клиенте имена tools могут включать префикс плагина и сервера. Проверьте, что доступны обе функции именно нового учебного подключения. Раскройте результат настоящего вызова: в нём должны быть synthetic: true, текст учебной компании и source_sha256. Пересказ помощника без вызова не подтверждает подключение.

Если tools не появились, проверьте папку проекта, оба имени и абсолютные пути. В Customizations → Installed MCP Servers используйте Refresh, если эта кнопка доступна, затем начните новую беседу в том же проекте.

Перезапуск приложения — дополнительный шаг после исправления конфигурации. Перед ним сохраните работу и дождитесь завершения других активных задач. Если соединение всё ещё отсутствует, сохраните версию клиента и текст ошибки; настройку MCP пока считайте незавершённой.

Теперь переходите к запросу модели из инструкции практики 1.1.0. Разбор в видео открывайте после собственных трёх попыток.

Завершить практику самостоятельно

1. Откройте свой output/result.md и сравните его с тремя файлами starter/: категории, дубль S03→S01 и неизвестные факты. Отдельный файловый разбор можно завершить без MCP.
2. Если прошли MCP, сохраните первые JSON и Markdown всех трёх попыток. По текущим ответам tools и видео сверяйте 2 / 3 / 4 уникальных обращения, один дубль, новый хеш у changed и границы у injection.
3. Проверьте, что неизвестный номер остаётся null, действия — draft_only, а черновик не выдумывает цену, срок или выполненную отправку. Преподавательский checker в видео не означает, что ваш файл прошёл машинную проверку.
4. При желании сохраните output/self-check.md по шаблону из инструкции: что проверено, что исправлено и что пока не выполнено. При отсутствии настоящего ответа MCP укажите integration_not_verified.

На этом доступная часть практики завершена. Отправлять файлы, загружать их в LMS или ждать оценки преподавателя не нужно. Вопросы можно обсудить в учебном чате или на занятии в Zoom.

Следующая задача — малая обезличенная выборка с понятным входом, результатом и способом проверки. Подключение реальной CRM и рассылок выполняется отдельно.

Следующий добровольный пример — встреча → протокол, задачи и черновик события. Результаты остаются локальными файлами; отправка приглашений и изменение календаря в этот пример не входят.

Для темы мастер-класса о сквозной аналитике попробуйте собрать дашборд из лидов, заказов, оплат и возвратов. В отдельном Local-проекте модель пишет расчётный код; затем вы сверяете суммы, неизвестные значения и фильтры. Учебные исходники и настоящий результат с разбором доступны на странице практики.

Видеоразбор учебного дашборда · 2:29: готовый расчёт, фильтры каналов и неизвестные значения. Озвучка синтетическая; новые запросы модели в ролике не показаны.