Что выведет код?

def s(lst):
    if not lst:
        return 0
    return lst[0] + s(lst[1:])

print(s([1, 2, 3]))

Что выведет код?

def rev(s):
    if len(s) <= 1:
        return s
    return rev(s[1:]) + s[0]

print(rev("abc"))

Что выведет код?

def digits(n):
    if n < 10:
        return 1
    return 1 + digits(n // 10)

print(digits(1234))

Что выведет код?

def tail_sum(n, acc=0):
    if n == 0:
        return acc
    return tail_sum(n - 1, acc + n)

print(tail_sum(5))

Что выведет код?

cache = {}

def fib(n):
    if n in cache:
        return cache[n]
    if n <= 1:
        cache[n] = n
    else:
        cache[n] = fib(n - 1) + fib(n - 2)
    return cache[n]

print(fib(6))

Что выведет код?

def count_items(lst):
    count = 0
    for item in lst:
        if isinstance(item, list):
            count += count_items(item)
        else:
            count += 1
    return count

print(count_items([1, [2, 3], [4, [5]]]))

Что выведет код?

tree = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': [],
    'D': []
}

def walk(node):
    print(node)
    for child in tree[node]:
        walk(child)

walk('A')

Что выведет код?

def gen(n):
    if n == 0:
        yield 0
    else:
        yield from gen(n - 1)
        yield n

print(list(gen(3)))

Что выведет код?

def search(d, target):
    for k, v in d.items():
        if k == target:
            return v
        if isinstance(v, dict):
            result = search(v, target)
            if result is not None:
                return result
    return None

data = {'a': {'b': {'c': 42}}, 'x': 1}
print(search(data, 'c'))

Перестаньте писать скрипты. Начните оркестрировать агентов.

Вы пишете на Python, знаете, как работает RAG, и, возможно, уже крутили локальные LLM через Ollama. Но если вы все еще используете AI просто как "умный StackOverflow" — вы пропускаете сдвиг парадигмы.

Индустрия переходит от написания кода к vibe-coding и архитектуре контекста.
Вместо того чтобы тратить часы на boilerplate, мы учимся управлять агентами через MCP (Model Context Protocol) и System Prompts.

В AI Mindset Lab Winter 26 мы не учим "пользоваться ChatGPT". Мы строим инженерные системы для усиления интеллекта:

– Context Engineering: Как превратить разрозненные данные (календарь, git, docs) в единый контекстный слой для
– MCP & Agents: Подключаем IDE (Cursor/Windsurf) к локальным файлам и внешним API. Строим агентов, которые знают ваш проект лучше, чем вы вчера.
– Agent Orchestration Настраиваем MCP-серверы, чтобы AI "видел" ваш репозиторий и базу знаний в реальном времени.
– Vibe-coding: Сборка MVP за 40 минут. От идеи до деплоя, пропуская рутину.

Это не курс лекций. Это лаборатория. 4 недели экспериментов, где мы пересобираем свой воркфлоу.

Стек: Cursor/Claude Code, Obsidian/Notion (как база знаний), Python/n8n (для оркестрации).

Если вы готовы перейти от кодинга руками к проектированию систем мышления — добро пожаловать в лабу.

Подать заявку и забрать программу:

[Присоединиться к эксперименту]

ps. я лично проходил у ребят лабораторию, и они классные. Советую