(как обычно создаём новую ветку, ждём некоторое время для вас сгенерируется случайное число - номер задания.

Конкретное описание искать в папке tasks

для успешного выполнения задания нужно добавить 2 со-авторов в репозиторий)

Требования к совместной разработке VibeCode

Цель проекта

Организовать трёхэтапный процесс разработки, где каждый студент отвечает за свой этап: подготовка спецификации → реализация → код-ревью. Это моделирует реальную работу в командах разработки.

Участники и роли

Student 1: Specification Engineer

• Создаёт MD файл с системной спецификацией (в стиле OpenAI system prompt)
• Определяет точные требования, ограничения, формат входных/выходных данных
• Выбирает датасет и описывает его структуру
• Роль: 🎯 Планирование и документирование

Student 2: Developer

• Использует GigaCodeIde версии 5.1. и выше / Cursor (или аналогичный LLM-assistant) для реализации на основе спецификации Student 1
• Загружает MD файл в контекст AI-помощника
• Пишет рабочий код, соответствующий требованиям
• Роль: 💻 Реализация

Student 3: Code Reviewer

• Анализирует код на соответствие спецификации
• Проверяет качество, читаемость, обработку ошибок
• Предоставляет feedback с рекомендациями по улучшению
• Роль: 🔍 Контроль качества

Ограничения по времени

• Одно практическое занятие: 90 минут
• Student 1: 25-30 минут (спецификация)
• Student 2: 35-40 минут (реализация)
• Student 3: 15-20 минут (ревью + обсуждение)

Требования к спецификации (MD файл Student 1)

Обязательные секции:

1. System Prompt

You are a [description]. Your task is to [main objective].
Constraints: [list of constraints]
Input format: [describe input structure]
Output format: [describe output structure]

2. Данные

• Источник датасета (URL или скрипт загрузки)
• Размер датасета (количество строк, столбцов)
• Описание каждого поля/столбца
• Примеры данных (первые 3-5 строк)

3. Функциональные требования

• Список функций/классов для реализации
• Входные параметры и типы
• Ожидаемый результат
• Примеры использования

4. Ограничения и условия

• Используемые библиотеки (pandas, requests, fastapi и т.д.)
• Запретные операции (если есть)
• Обработка граничных случаев
• Требования к производительности (если есть)

5. Критерии приёмки

• Чек-лист того, что должно работать
• Примеры успешного выполнения

Требования к реализации (Student 2)

Python-группа (pandas + Django API)

• Создать скрипт/модуль для загрузки и обработки данных
• Реализовать требуемые функции анализа (агрегации, группировки, визуализация)
• Создать Django REST API endpoints для выполнения операций
• Код должен соответствовать спецификации на 100%
• Обработать исключения и граничные случаи

Требования к ревью (Student 3)

Проверяемые аспекты:

1. ✅ Соответствие спецификации (100% vs отклонения)
2. ✅ Качество кода (читаемость, структура, комментарии)
3. ✅ Обработка ошибок и исключений
4. ✅ Эффективность (нет ли явных проблем производительности)
5. ✅ Используемые паттерны и best practices

Формат feedback:

## ✅ Сильные стороны
- [плюс 1]
- [плюс 2]

## ⚠️ Замечания
- [замечание 1]
- [замечание 2]

## 📋 Рекомендации по улучшению
- [рекомендация 1]
- [рекомендация 2]

## 📊 Итоговая оценка
Соответствие спецификации: [%]
Качество кода: [высокое/среднее/низкое]

Технические требования

Для Python-группы

• Python 3.8+
• pandas для обработки данных
• Django/FastAPI для API endpoints
• matplotlib/seaborn для визуализации (если требуется)
• Открытые датасеты (Kaggle, HuggingFace Datasets, scikit-learn)

Процесс работы

1. Student 1 создаёт и коммитит MD файл спецификации
   codex.md
   в папку
   spec/
2. Student 2 использует спецификацию, реализует
   solution.py
   в папке
   dev/
   , создаёт Pull Request (Запрос на слияние)
3. Student 3 проводит ревью, оставляет комментарии в PR
4. Обсуждение: Группа обсуждает feedback, принимает PR или запрашивает изменения
5. Создаём папку
   demo/
   , куда должны попасть артефакты, подтверждающие что приложение работает и было созданно именно по спецификации
6. Создаём в корне
   README.md
   в которой должны попасть gitverse аккаунты всех участников действа, описание того как выполнялась работа (в каких моделях), добротное описание созданного кода и структуры репозитория вцелом . Дополнительно укажите у кого ВЫ выполняли роль student 2
7. Merge в master ветку после одобрения
8. Запускаем финальную автопроверку (она единственная с ручным запуском),в которой проверится что есть работа студента 1 и студента 2 в соотвествующих папках, а также дополнительные артефакты, которые подтвердили бы что студент 2 работал именно по спецификации студента 1

Особенности для VibeCode подхода

• Задачи фокусируются на понимании и применении, не на сложности алгоритмов
• Student 1 должен ясно сформулировать, что надо сделать
• Student 2 может активно использовать LLM-assistants (GigaCodeIde версии 5.1. и выше / Cursor) для генерации кода
• Student 3 развивает критическое мышление через анализ чужого кода
• Все три этапа проходят в рамках одного практического занятия (90 минут)