"Dasturchilar uchun AI va Avtomatlashtirish" — Kurs O‘quv Rejasi (v2)

Kurs haqida

Kimlar uchun: Ishlab yurgan dasturchilar. JavaScript asosini bilasiz va AI asboblarini havaskorlarcha emas, professional darajada ishlatmoqchisiz.

Asosiy stack: JavaScript / TypeScript (Node.js backend, web frontend). Mobil darslarda Swift (iOS) va Kotlin (Android) ishlatamiz: AI bilan o‘zingiz bilmagan tilda ham normal ishlash mumkinligini ko‘rsatish uchun.

Nima bilish kerak (prerequisites): JavaScript asoslari, Git va terminalda ozgina ishlay olish.

Kurs tugagach siz:

• Bozordagi va lokal (internetsiz ishlaydigan) modellardan qaysi biri qaysi ishga to‘g‘ri kelishini bilib tanlaysiz — va ularni ma’lumotingizni sir tutgan holda xavfsiz ishlatasiz.
• Ko‘p faylli loyihani AI bilan arxitekturadan boshlab rejalashtirasiz, AI yozgan kodni professional review qilasiz va testlar bilan tasdiqlaysiz.
• Claude Code CLI, Custom Skills, hooks va MCP orqali boshidan oxirigacha avtomatlashgan workflow qurasiz.
• Yakuniy loyihada backend, Telegram bot, web va mobil (Swift/Kotlin) klientlarni AI bilan noldan yasaysiz.

Kursda nima bor — umumiy ko‘rinish

Modul 1: Zamonaviy AI Landshafti va Dasturchi "Gigiyenasi"

Bu modulda modellarga qarashingiz o‘zgaradi: qaysi birini qachon olish kerak, AI qancha pulga tushadi va ma’lumotingizni qanday himoya qilasiz.

Dars 1.1: Qaysi AI modelni tanlash kerak? (~25 daq)

• Bozordagi eng kuchli modellar bilan tanishamiz: ChatGPT (OpenAI), Gemini (Google), Claude (Anthropic), DeepSeek va Qwen (Alibaba).
• Benchmarklarni to‘g‘ri o‘qish: SWE-bench va boshqa kodlash benchmarklari nimani o‘lchaydi — va nimani o‘lchamaydi.
• Modelni qanday tanlaysiz: reytingga ko‘r-ko‘rona ishonmay, modelni o‘z ishingizda sinab ko‘rasiz. (Aniq model nomlari va reytinglar alohida "hozirgi holat" segmentida beriladi — u vaqti kelib yangilanadi.)

Dars 1.2: “Vibe Coding” sizni qanday to‘xtatib qo‘yadi (~15 daq)

• "Vibe Coding" nima: hamma kodni AI’ga yozdirib, uni o‘qib ham, review qilib ham ko‘rmaslik. Bu odat dasturchining o‘sishini to‘xtatadi — "dangasalik" muammosi.
• Review qilinmagan AI kodi — kelajakdagi texnik qarz (technical debt).

Dars 1.3: Ma’lumotlaringiz qayerga ketadi? Maxfiylik va xavfsizlik (~20 daq)

• Corporate va tekin versiyalar nimasi bilan farq qiladi. Tekin AI asboblari yozganingizni model treningiga olib ketishi mumkin — buni sozlamadan qanday o‘chirasiz (training opt-out).
• Maxfiy ma’lumotni maskalash (masking): API kalit va parolni hech qachon ochiq kodga yozmang — .gitignore va .env ni to‘g‘ri ishlatamiz.

Dars 1.4: AI qanchaga tushadi? Token, narx va limitlar (~15 daq)

• Token nima va context window — model bir vaqtda "yodida tuta oladigan" matn hajmi — narxga qanday ta’sir qiladi.
• Obuna (subscription) yoki API orqali to‘lash: qaysi biri qachon foydali.
• Prompt caching nima. Qaysi ishga arzon model (masalan, Haiku darajasi) yetadi, qaysi biriga kuchli model shart.

Uy vazifasi: ishlatayotgan AI asbobingizning maxfiylik sozlamasini oching va training opt-out yoqilganini tekshiring; keyin bitta real vazifani 2 xil modelga bajartirib, natijani solishtiring.

Modul 2: Professional Prompt Engineering, Arxitektura va Kod Review

AI qanday kod yozishi — siz unga nima deyishingizga bog‘liq. Bu modulda ko‘p faylli loyihani AI bilan to‘g‘ri boshlashni va AI yozgan kodni tekshirishni o‘rganasiz.

Dars 2.1: CRAFT — yaxshi prompt qanday yoziladi (~20 daq)

• Promptni CRAFT bo‘yicha tuzish: Context (Kontekst), Role (Rol), Action (Harakat), Format (Format), Tone (Ohang).
• Bir martada to‘liq prompt yozish yaxshimi yoki uzoq suhbatmi: takroriy dialog context window’ga qanday ta’sir qiladi. JSON/Markdown ko‘rinishida toza javob olish yo‘llari.

Dars 2.2: Kod yozishdan oldin arxitekturani chizamiz (HLD/LLD) (~20 daq)

• AI’ga darrov kod yozdirmang — avval loyiha arxitekturasini (HLD/LLD) tuzdiring.
• Spagetti koddan qochish: environment fayllari, .gitignore, config va kontrollerlarni ajratish, API handler-lar tizimini tuzish.

Dars 2.3: AI yozgan kodni qanday tekshirasiz (~30 daq) ⭐

• AI kodini tartib bilan review qilish: edge case-lar, xavfsizlik teshiklari, umuman mavjud bo‘lmagan (hallucination qilingan) kutubxona va metodlarni ushlash.
• Test-first workflow: avval AI test yozsin, keyin kod. AI davrida test — bu "ishonch shartnomasi".
• "AI o‘zi yozgan kodga o‘zi test yozsa, xatosini yashirib qo‘yishi mumkin" — bu muammoni qanday hal qilamiz.

Dars 2.4: Amaliy loyiha: Node.js/TypeScript Telegram bot (~40 daq)

• TypeScript bilan loyiha muhitini yig‘amiz (package.json, tsconfig.json, .env).
• Toza arxitektura: config, handlers, services papkalari.
• Telegram botni fonda (background) boshqarish uchun bash skript yozamiz: run.sh start | stop | restart | status.

Uy vazifasi: botga bitta yangi buyruq qo‘shing. Lekin tartibi shunday: avval AI test yozsin, keyin kodni yozsin — oxirida siz review qiling.

Modul 3: Mahalliy AI (Local AI) va Offlayn Modellar

Kompaniya kodi tashqariga chiqmasin desangiz — AI’ni o‘z kompyuteringizda ishlatish kerak. Shu modulda buni qanday qilishni ko‘rsatamiz.

Dars 3.1: Lokal LLM nimaga kerak? (~10 daq)

• Ma’lumot kompyuteringizdan chiqmaydi (data protection), internetsiz ham ishlaydi va butunlay tekin — mana shu uchtasi.

Dars 3.2: Ollama va LM Studio’ni sozlaymiz (~25 daq)

• Ollama CLI va LM Studio (GUI) dasturlarini o‘rnatamiz, o‘zimizga kerakli lokal modellar ro‘yxatini yig‘amiz.

Dars 3.3: Kompyuteringiz qaysi modelni ko‘taradi? (kvantizatsiya, GGUF) (~25 daq)

• GPU va video xotira (VRAM) qancha kerak. Apple Silicon (M1/M2/M3/M4) birlashgan xotirasi nimasi bilan qulay.
• Kvantizatsiya (GGUF, Q4/Q8): 70B parametrli modelni 16GB xotiraga qanday qilib "sig‘dirishadi" — sifat bilan hajm o‘rtasidagi savdolashuv.
• RAM hajmingizga qarab model tanlash (8GB, 16GB, 32GB, 64GB, 128GB RAM). Va nega SSD disk shart.

Dars 3.4: Qaysi lokal modelni olib, qanday ishga tushiramiz (~30 daq)

• Lokal modelni nimaga qarab tanlaymiz: reasoning (fikrlash), kodlash yoki umumiy ishlar uchun ixtisoslashgan modellar.
• Amaliyot: DeepSeek R1 (fikrlash va mantiq), Qwen Coder (dasturlash) va Llama (umumiy ishlar) turkumidagi modellarni Ollama orqali kompyuterda ishga tushiramiz va sinab ko‘ramiz. (Model versiyalari — yozib olish paytidagi eng so‘nggisi; bu qism yangilanadigan segment bo‘lib yoziladi.)

Uy vazifasi: kompyuteringiz imkoniga mos lokal model tanlab o‘rnating va unga Modul 2 dagi bot kodini review qildirib ko‘ring.

Modul 4: IDE va Terminal Integratsiyasi (CLI Agentlar)

IDE’dan chiqmasdan, brauzerga "copy-paste" qilib yurmasdan AI bilan ishlash — eng tez yo‘l shu.

Dars 4.1: Qaysi AI vosita sizga mos: Cursor, Copilot, Windsurf, Continue (~25 daq)

• Bozor xaritasi: Cursor, GitHub Copilot, Windsurf, Continue, JetBrains AI — kuchli va zaif tomonlari.
• VS Code va JetBrains (WebStorm, IntelliJ) ga plagin o‘rnatamiz va ularni lokal Ollama’ga ulaymiz — tekin, offlayn yordamchi chiqadi.

Dars 4.2: Terminalda yashaydigan agent — Claude Code CLI (~25 daq)

• Claude Code CLI ni kompyuterga o‘rnatamiz va sozlaymiz.
• Agentga terminal orqali to‘g‘ridan-to‘g‘ri loyiha fayllariga kirishga ruxsat berish, permissions tizimi va qayerga chegara qo‘yish kerakligi.

Dars 4.3: Avval reja, keyin kod: Plan Mode va kontekst (~25 daq)

• Avval loyihani batafsil rejalashtiramiz (Plan Mode), rejani tasdiqlagach ko‘p faylli kodni yozdiramiz (Edit Mode).
• Kontekstni boshqarish: context window to‘lib qolsa nima bo‘ladi, /compact buyrug‘i va katta kodbazani AI’ga qanday qilib bo‘lib-bo‘lib berish.

Dars 4.4: Amaliy: bitta qator yozmasdan kitob ko‘rgazmasi saytini quramiz (~40 daq)

• Claude Code terminal agenti bilan HTML/CSS/JS da to‘liq ishlaydigan responsive kitob ko‘rgazmasi saytini 0 dan yasaymiz va brauzerda tekshiramiz.

Dars 4.5: Sub-agentlar, Hooks va parallel ishlash (~30 daq)

• Sub-agentlar: hamma ishni bitta agentga yuklamay, ixtisoslashgan agentlarga bo‘lib bering (masalan, alohida code-reviewer agent).
• Git worktree bilan bir vaqtning o‘zida bir nechta feature ustida ishlash.
• Hooks: har o‘zgarishdan keyin lint/test o‘zi ishga tushsin, xavfli buyruq esa bloklansin.

Dars 4.6: Commit, PR va CI/CD — hammasi avtomatik (~30 daq)

• AI bilan yangi Git branch ochamiz, o‘zgarishlarni tahlil qildirib professional commit xabari yozdiramiz va kodni GitHub/GitLab-ga push qilamiz.
• Headless rejim (claude -p): AI GitHub Actions ichida ishlaydi — PR review va changelog o‘zi tayyorlanadi.

Uy vazifasi: loyihangizda commit oldidan testni o‘zi ishga tushiradigan hook sozlang va bitta PR ni AI bilan oching.

Modul 5: Custom Skills (Ko‘nikmalar) va Loyiha Qoidalari

Loyihangizga qat’iy texnik qoidalar qo‘yamiz va AI’ga korxonangiz qanday kod yozishini o‘rgatamiz.

Dars 5.1: CLAUDE.md — loyihangizning qoidalar fayli (~20 daq)

• Loyiha bosh papkasida qat’iy qoidalar faylini (CLAUDE.md) yaratamiz.
• Masalan: "Faqat Next.js App Router ishlat, Pages Router mumkin emas" yoki "Hamma o‘zgaruvchi ingliz tilida, izohlar esa o‘zbek tilida (lotin yozuvida) bo‘lsin" — shunday aniq texnik cheklovlarni yozamiz.

Dars 5.2: O‘z Skill’ingizni yozamiz (va token tejaymiz) (~25 daq)

• Har safar takrorlanadigan og‘ir ishlar uchun (ma’lumotlar bazasi migratsiyasi, unit test, Swagger hujjati) o‘z Skills’ingizni yozasiz — bu token ham tejaydi.

Dars 5.3: Amaliy: full-stack kod yasaydigan 3 ta Skill (~40 daq)

• Uchta alohida Skill yozamiz:
  1. Swagger/OpenAPI spec (talablar ro‘yxati) tuzadigan;
  2. TypeScript (NestJS/Express) backend kodini yozadigan;
  3. PostgreSQL migratsiya skriptini yasaydigan (flyway uslubida: V001, V002).
• Bitta buyruq bilan ma’lumotlar bazasi triggerlari va indekslarni o‘zi sozlab beradigan skript chiqarish.

Uy vazifasi: ishingizda eng ko‘p takrorlanadigan vazifa uchun bitta Custom Skill yozing.

Modul 6: Model Context Protocol (MCP) Chuqur Integratsiya

AI’ni loyihangiz ma’lumotlar bazasi, Git, Slack, Figma yoki ichki tizimlaringizga ulaymiz — real vaqtda va ikki tomonlama.

Dars 6.1: MCP (Model Context Protocol) nima? (~15 daq)

• MCP qanday tuzilgan va u nega paydo bo‘ldi. "AI uchun USB-C" — hamma joyga to‘g‘ri keladigan bitta standart.
• MCP Client va MCP Server nima degani.

Dars 6.2: MCP serverlarni ulaymiz: filesystem, PostgreSQL, SaaS (~30 daq)

• Lokal fayl tizimini ulaymiz (npx @modelcontextprotocol/server-filesystem).
• Ma’lumotlar bazasiga ulanish (PostgreSQL, SQLite), SaaS xizmatlari (Google Drive, Slack, Figma va Notion) bilan bog‘lash va maxfiylik sozlamalari.

Dars 6.3: MCP xavfsizligi — nimadan ehtiyot bo‘lasiz (~15 daq)

• Notanish MCP server — bu xavf. Begona serverni ulashdan oldin nimani tekshirish kerak.
• Prompt injection hujumi nima va undan qanday himoyalanamiz. Ruxsatni doim eng kamini berish qoidasi.

Dars 6.4: Naming qoidalarini AI’ga o‘rgatamiz va bazani tahlil qilamiz (~25 daq)

• PascalCase (klasslar), camelCase (metodlar), snake_case (baza ustunlari) va kebab-case (fayl nomlari) — bularni CLAUDE.md va MCP orqali AI’ga o‘rgatamiz.
• Amaliyot: MCP server orqali migratsiya skriptlarini (V001, V002 — flyway uslubi) jonli o‘qiymiz va shu payt ma’lumotlar bazasini tahlil qilamiz.

Dars 6.5: Katta amaliy: backend + iOS + Android bir vaqtda (~60 daq)

• TypeScript (NestJS) backend + PostgreSQL, va unga ulanadigan Swift (iOS) hamda Kotlin (Android) klient modullarini bir vaqtda yozdiramiz va sinaymiz.
• Asosiy g‘oya: AI bilan o‘zingiz yaxshi bilmagan tilda ham (Swift/Kotlin) to‘laqonli, sifatli modul yozsa bo‘ladi — lekin Modul 2.3 dagi review qoidalariga amal qilgan holda.

Uy vazifasi: loyihangiz bazasiga MCP server ulang va AI’dan sxema tahlilini hamda nimani yaxshilash mumkinligi haqidagi takliflarni oling.

Modul 7: Yakuniy Loyiha (Capstone)

Kursda o‘rgangan hamma narsa bitta real loyihada birlashadi: to‘lov tizimiga ulangan ariza qabul qilish tizimi.

Dars 7.1: Yakuniy loyihani rejalashtiramiz (~30 daq)

• Plan Mode’da to‘liq arxitektura (HLD/LLD) tuzamiz, CLAUDE.md qoidalarini yozamiz, qaysi Skills va MCP serverlar kerakligini belgilaymiz.

Dars 7.2: Backend, Telegram bot va to‘lovni ulaymiz (~60 daq)

• TypeScript (NestJS) web API + PostgreSQL + Telegram bot. To‘lov tizimini ulaymiz (Payme/Click yoki Stripe).
• Har bosqichda: avval test, keyin kod, keyin review.

Dars 7.3: Web admin panel (Next.js) (~45 daq)

• Arizalarni boshqaradigan web panel (Next.js). Custom Skills bilan tez yasaymiz.

Dars 7.4: Mobil klient, CI/CD va yakun (~45 daq)

• Swift (iOS) yoki Kotlin (Android) da yengil mobil klient — bilmagan stack’da AI bilan ishlab ko‘ramiz.
• CI/CD: testlar o‘zi ishlaydi, PR ni AI review qiladi, deploy. Oxirida retrospektiva: qaysi bosqichda AI qancha vaqt tejadi.

Kursni yozayotganda nimaga e’tibor berish kerak

1. Har darsni amaliyotga bog‘lang: nazariyani aytib bo‘lgach, dasturchilar bilan birga real loyihani noldan oxirigacha AI asboblari bilan yozib ko‘rsating — yakuniy loyiha (Modul 7) shuning cho‘qqisi.
2. Lokal muhitni ko‘proq ko‘rsating: korporativ dasturchi uchun ma’lumot sir turishi birinchi o‘rinda. Shuning uchun lokal AI bilan ishlash (Ollama va DeepSeek) mavzusiga darslarda ko‘proq vaqt ajrating.
3. Kurs tez eskirmasin: aniq model nomi, reyting va narx aytiladigan joylarni alohida qisqa segment qilib yozing — keyin butun darsni emas, faqat shu segmentni qayta yozasiz. Har darsda ishlatgan asbob versiyasini ekranda ko‘rsatib turing.
4. Interfeys o‘zgarishiga tayyor turing: AI asboblarining UI qismi tez o‘zgaradi — imkon boricha terminal va buyruqlarga tayaning (ular barqarorroq), UI ni ko‘rsatganda esa umumiyroq gapiring.