Платный курс по программированию продаёт структуру и мотивацию — сам материал почти всегда можно собрать бесплатно из открытых источников. Ниже шесть репозиториев, которые закрывают путь от «учу язык с нуля» до «смотрю, как устроены системные промпты продакшен-инструментов вроде Cursor и Claude Code» — без оплаты за доступ.
1. project-based-learning — учишься языку, строя реальный проект
github.com/practical-tutorials/project-based-learning — подборка обучающих проектов на C, Python, JavaScript, Go, Rust и других языках. Каждый пункт — не теория, а конкретная практическая задача: написать свой текстовый редактор, базу данных, веб-сервер, интерпретатор.
Как использовать: выбираешь язык, который учишь, находишь в оглавлении подходящий по уровню проект и следуешь туториалу пошагово — большинство ссылаются на внешние гайды с полным разбором кода, а не просто описывают задачу.
2. ml-for-beginners — 12-недельный курс по ML от Microsoft
github.com/microsoft/ml-for-beginners — бесплатный курс с уроками, квизами и проектами на Python и Scikit-learn. Рассчитан на тех, кто начинает с нуля — без погружения в глубокое обучение, только классические алгоритмы машинного обучения.
Как использовать: курс структурирован по неделям с таблицей уроков (номер, тема, учебник, автор) — проходишь по порядку, каждый урок закрывается практическим заданием на реальных данных.
3. 30-days-of-python — Python с нуля за 30 дней
github.com/asabeneh/30-days-of-python ведёт от основ синтаксиса до работы с API, базами данных и веб-фреймворками. Каждый день — теория, примеры кода и упражнения для самостоятельной практики.
Как использовать: подходит для тех, кто раньше не программировал вообще — курс не предполагает предварительных знаний и вводит понятия постепенно, день за днём, без пропусков базовых тем.
4. build-your-own-x — собери Git, Docker или свою ОС с нуля
github.com/codecrafters-io/build-your-own-x — подборка гайдов, как написать свои версии популярных технологий: Git, Docker, Redis, базы данных, языки программирования и многое другое. Идея в том, чтобы понять, как работает инструмент, реализовав его самостоятельно, а не просто прочитав документацию.
Как использовать: выбираешь технологию, которую хочешь понять глубже, находишь соответствующий гайд в списке категорий (3D Renderer, AI Model, Augmented Reality и другие) и проходишь его шаг за шагом на языке, который укажешь сам.
5. 500+ AI/ML/DL/CV/NLP Projects with Code — готовое портфолио с примерами
github.com/ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code — подборка из 500+ готовых реализаций проектов по машинному обучению, глубокому обучению, компьютерному зрению и NLP с открытым кодом.
Как использовать: не курс с последовательной программой, а справочник — ищешь категорию, близкую к своей задаче, открываешь конкретный репозиторий из списка и разбираешь реализацию: архитектуру, подготовку данных, инференс.
6. system-prompts-and-models-of-ai-tools — взгляд изнутри на продакшен-ИИ
github.com/x1xhlol/system-prompts-and-models-of-ai-tools собирает утечки системных промптов популярных ИИ-инструментов — Cursor, Claude Code, Devin, Lovable, Replit, v0 и десятков других. Видно, как именно эти продукты формулируют инструкции для своих моделей: какие ограничения задают, как описывают инструменты, как структурируют контекст.
Как использовать: читать не для копирования (промпты сильно завязаны на конкретную архитектуру инструмента), а для понимания приёмов — как продакшен-системы формулируют роль модели, задают формат ответа и описывают доступные инструменты. Это ровно то, что нужно, когда пишешь собственные системные промпты для агентов.
Как проходить эту подборку по порядку
Если языка ещё нет — начни с 30-days-of-python или аналогичного курса по своему языку. Если базовый синтаксис уже есть, но хочется понять «как это работает изнутри» — build-your-own-x и project-based-learning дают именно это через практику. ml-for-beginners и портфолио проектов по ИИ — параллельный трек для тех, кто расширяется в машинное обучение. Системные промпты инструментов — материал не для новичка, а для того, кто уже пишет свои промпты и агентов и хочет увидеть, как это делают в продакшене.
Как это делаем мы
В базе знаний qvib.pro карточки по системным промптам и промпт-инженерии разбирают приёмы из таких утечек прикладно — что из структуры промптов Cursor и Claude Code уже применимо к собственным агентам и скиллам. Движок qvib — рабочий пример продукта, выросшего из практики «собрать самому и разобраться», а не только из просмотра курсов.
Ссылки по теме
- Бесплатные ресурсы по программированию: qvib.pro/arsenal/vibe-coding/besplatnye-resursy-po-programmirovaniu/
- Системные промпты ИИ-инструментов: qvib.pro/arsenal/prompts/sistemnye-promty-ai-instrumentov/
- Как работает движок qvib: qvib.pro/