iSAQB CPSA-A AGENTA

Təsvir

iSAQB® CPSA-A Architecture for Agentic Software Engineering Contexts (AGENTA) kursunda iştirak iştirakçılara Brightest ilə iSAQB CPSA-A imtahanına buraxılmaq üçün tələb olunan 70 balın bir hissəsi kimi 20 Methodological Competence (MC) və 10 Technical Competence (TC) balı qazandırır. Yadda saxlamaq vacibdir ki, Brightest ilə iSAQB CPSA-A imtahanına buraxılmaq üçün tələb olunan 70 balın tərkibində aşağıdakı sahələrin hər birindən ən azı 10 səriştə balı olmalıdır:

• Technical Competence (TC)
• Methodological Competence (MC)
• Communicative Competence (CC)

Akkreditə olunmuş iSAQB® AGENTA - Architecture for Agentic Software Engineering Contexts (CPSA-A) təlimi hazırkı iSAQB® kurikulumuna əsaslanır:

Hissə 1 - Giriş və Əsaslar

• Süni intellekt, machine learning, generativ AI və large language models arasındakı əlaqələri başa düşmək
• AI-assisted, augmented və agentic coding arasındakı fərqləri bilmək
• AI orchestration, agentic workflows və agentic engineering anlayışlarını başa düşmək
• Agentic engineering ilə vibe coding arasındakı fərqləri tanımaq
• Large language models-in imkanlarını və məhdudiyyətlərini, o cümlədən hallucination, bias, knowledge cut-off və context məhdudiyyətlərini başa düşmək
• Prompt engineering və context engineering-in AI tərəfindən yaradılan nəticələrin keyfiyyətinə təsirini izah etmək
• AI assistants ilə AI agents arasındakı fərqi bilmək
• Agentic loops, alətlərdən istifadə, state management, planlaşdırma, sub-agents və human-in-the-loop yanaşmalarını başa düşmək
• Agentic engineering-də müxtəlif avtonomiya səviyyələrini təsnif etmək
• Spec-Driven Development, agent swarms və conversational programming kimi yanaşmaları bilmək
• Tapşırığın insan, ənənəvi proqram aləti və ya AI agent tərəfindən yerinə yetirilməli olub-olmadığını müəyyən etmək
• İnsan tərəfindən verilən arxitektura qərarlarını qoruyaraq AI assistants və agents-in proqram təminatı arxitekturası fəaliyyətlərini necə dəstəkləyə biləcəyini başa düşmək

Hissə 2 - AI Dəstəkli Arxitektura Qərarlarının Verilməsi

• Arxitektura qərarlarının həyat dövrünü və agentic engineering-in buna necə təsir etdiyini başa düşmək
• Arxitektura, development, testing və operations arasında davamlı feedback loops yaratmaq
• Davamlı və sübuta əsaslanan arxitektura qərarlarını dəstəkləmək üçün AI-dan istifadə etmək
• Keyfiyyət məqsədlərini qiymətləndirilə bilən arxitektura driver-lərinə və quality scenario-lara çevirmək
• Keyfiyyət məqsədləri, məhdudiyyətlər və arxitektura niyyətləri arasındakı ziddiyyətləri müəyyən etmək
• Struktur zəifliklərini, architectural drift-i, technical debt-i və artan mürəkkəbliyi müəyyən etmək
• Mövcud təhlil alətlərini AI dəstəkli arxitektura review və assessment-ləri ilə birləşdirmək
• Arxitektura alternativlərini yaratmaq, təkmilləşdirmək və müqayisə etmək üçün AI-dan istifadə etmək
• Arxitektura seçimlərini driver-lər, məhdudiyyətlər, prinsiplər və mövcud qərarlara əsasən qiymətləndirmək
• Arxitektura qərarlarını aydın fərziyyələri və validation criteria-sı olan test edilə bilən hipotezlər kimi qəbul etmək
• Sadə eksperimentlər, prototiplər, simulyasiyalar, spikes və yan-yana müqayisələr hazırlamaq
• AI dəstəkli arxitektura reasoning-in məhdudiyyətlərini və risklərini tanımaq
• Vacib arxitektura qərarları üçün review checkpoints, guardrails və sərhədlər müəyyən etmək
• Arxitektura işini implementation detallarını müəyyən etməkdən daha çox məqsədlərin, məhdudiyyətlərin və acceptance criteria-nın orchestration-ına yönəltmək
• Runaway agents, infinite loops və cascading errors kimi orchestration risklərini tanımaq və nəzarətdə saxlamaq
• Agentic workflows dizayn edərkən xərcləri və davamlılığı nəzərə almaq

Hissə 3 - Arxitektura Biliklərinin Agentlərə Verilməsi

• AI agent üçün mövcud məlumatın onun nəticələrinin keyfiyyətinə və arxitektura uyğunluğuna necə təsir etdiyini başa düşmək
• Arxitektura biliklərinin agentlərə verilməsini engineering və design problemi kimi qəbul etmək
• AI agents üçün uyğun olan arxitektura qərarlarını, məhdudiyyətləri, keyfiyyət məqsədlərini, prinsipləri, domain anlayışlarını və sistem sərhədlərini müəyyən etmək
• Agentlər üçün dəqiq, saxlanması asan və effektiv arxitektura bilikləri təqdimatları hazırlamaq
• Architecture Decision Records, architecture rules, context files, knowledge bases, retrieval indexes, diagrams-as-code və structured constraints kimi formatlardan istifadə etmək
• Arxitektura biliklərini agentlərə doğru zamanda çatdırmaq üçün uyğun mexanizmləri seçmək
• Retrieval-Augmented Generation və reusable agent skills kimi strategiyaları qiymətləndirmək
• Model Context Protocol kimi standart agent-tool integration protokollarının arxitektura təsirlərini başa düşmək
• Agentlər üçün mövcud arxitektura biliklərinin kifayət qədər və düzgün strukturlaşdırılmış olub-olmadığını qiymətləndirmək
• Geniş arxitektura context-i ilə lazımsız və ya ziddiyyətli məlumat riskini balanslaşdırmaq
• Agent davranışını müşahidə və qiymətləndirərək biliklərin təqdim edilməsini davamlı təkmilləşdirmək
• Ortaq sənədləşdirmənin avtomatik olaraq ortaq anlayış yaratmadığını başa düşmək

Hissə 4 - Agentlərin Arxitektura Məqsədlərinə Uyğun Saxlanması

• AI agents üçün aydın arxitektura nəzarətlərinin və məhdudiyyətlərinin niyə lazım olduğunu başa düşmək
• Nəzarətsiz AI tərəfindən yaradılan işin uyğunsuzluq, technical debt və architectural drift yarada biləcəyini tanımaq
• Yalnız arxitektura biliklərinin agent davranışına nəzarət etmək üçün kifayət olmadığını başa düşmək
• AI tərəfindən yaradılan işi arxitektura sərhədləri daxilində saxlamaq üçün preventive və detective controls hazırlamaq
• Dəqiqlik və əhatə, həmçinin sürət və təhlilin dərinliyi arasındakı kompromisləri qiymətləndirmək
• Struktur qaydaları və daha geniş keyfiyyət xüsusiyyətləri üçün uyğun enforcement mechanisms seçmək
• Architecture tests, static analysis, linters, dependency rules, policy checks, review gates, sandboxing və approval workflows-dan istifadə etmək
• Arxitektura nəzarətlərini development və delivery prosesinin uyğun nöqtələrində yerləşdirmək
• Sürətlə dəyişən AI-assisted codebase-lər üçün davamlı arxitektura verification yaratmaq
• Mövcud codebase və technology stack-in AI agents üzərində arxitektura nəzarəti üçün uyğun olub-olmadığını qiymətləndirmək
• Mövcud sistemlərə arxitektura nəzarətlərini mərhələli şəkildə tətbiq etmək
• Nəzarətlərin qurulması üçün lazım olan əməyin dəyərini agentləri nəzarətsiz işlətməyin riskləri ilə balanslaşdırmaq
• AI tərəfindən yaradılan işdəki uğursuzluqlardan istifadə edərək arxitektura nəzarətlərini zamanla təkmilləşdirmək
• Nəzarət təkmilləşdirmələrinin harada avtomatlaşdırıla biləcəyini və harada insan qərarının vacib qaldığını müəyyən etmək

Hissə 5 - Arxitektura Məlumatlarının Çıxarılması

• As-is və to-be arxitektura sənədlərini fərqləndirmək
• İnsanlar üçün və agentlər üçün nəzərdə tutulmuş arxitektura məlumatlarını fərqləndirmək
• AI-nin arxitektura sənədləşdirməsinə harada kömək edə biləcəyini və harada insan əməkdaşlığının lazım olduğunu başa düşmək
• AI-assisted workflows üçün qısa və machine-readable təqdimatlar yaratmaq
• Agentic development loops boyunca arxitektura qərarlarını və sənədləri aktual saxlamaq
• Agentic development-in mövcud arxitektura qərarlarını gizli şəkildə nə vaxt dəyişdirdiyini və ya onlardan uzaqlaşdığını müəyyən etmək
• Qərarları, alternativləri, əsaslandırmaları və nəticələri qeyd etmək üçün Architecture Decision Records istifadə etmək
• Context logs, guardrail outputs, söhbətlər, e-poçtlar və görüş qeydlərindən ADR draft-ları yaratmaq üçün AI-dan istifadə etmək
• Traceability və accountability-ni qorumaq üçün insan review checkpoints yaratmaq
• Source code, repositories, interfaces, configuration, tests və deployment descriptors-dan arxitektura məlumatlarını çıxarmaq
• AI tərəfindən yaradılan məlumatları static və dynamic analysis ilə birləşdirmək
• Texnologiyaları, framework-ləri, architectural patterns, design patterns və mümkün business rules-u müəyyən etmək
• Bərpa edilmiş arxitektura məlumatlarındakı boşluqları, uyğunsuzluqları və qeyri-müəyyənlikləri müəyyən etmək
• Development artifacts-dan arxitektura views yaratmaq və onları aktual saxlamaq
• Version-controlled living documentation üçün Mermaid və Structurizr kimi mətn əsaslı formatlardan istifadə etmək
• Yaradılmış sənədləri developer bilikləri və sistemin real davranışı ilə yoxlamaq

Hissə 6 - AI İstifadəsi üçün Governance və Quality Gates

• AI tərəfindən yaradılan kod və artifacts istifadə edilərkən copyright və software licensing məsələlərini başa düşmək
• AI-supported development-də copyright risklərini azaltmaq üçün nəzarətlər yaratmaq
• AI alətlərindən istifadə zamanı şəxsi və həssas məlumatların işlənməsini qiymətləndirmək
• Data protection tələblərinə əsasən rol və məsuliyyətləri başa düşmək
• EU AI Act-in əsas rollarını, risk məntiqini və mərhələli tələblərini tipik AI tool ssenarilərinə tətbiq etmək
• Data protection, information security, hüquq və digər maraqlı tərəflərin nə vaxt cəlb edilməli olduğunu müəyyən etmək
• AI ilə bağlı qərarları audit və qərarvermə üçün uyğun formada sənədləşdirmək
• AI tərəfindən yaradılan nəticələrin traceability və provenance-ını təmin etmək
• Structured logging, context references, citations, versioning, tracing və monitoring-dən istifadə etmək
• AI governance-i komandalar və development prosesləri üzrə ardıcıl şəkildə genişləndirmək
• Token-based və subscription-based AI xərc modellərini müqayisə etmək
• AI xidmətlərini seçərkən vendor lock-in, provider flexibility və data sovereignty məsələlərini nəzərə almaq
• Agent və tool integrations üçün guardrails, approval processes və allowlists istifadə etmək
• AI-supported və agentic development-in ətraf mühitə təsirini başa düşmək
• Model ölçüsü, workflow dizaynı və resurs istifadəsinə əsasən davamlı istifadə strategiyaları hazırlamaq
• AI alətlərinin seçilməsi və istifadəsi üçün təhlükəsiz və data protection tələblərinə uyğun qaydalar müəyyən etmək
• Prompt injection, tool misuse və confused-deputy attacks kimi təhlükəsizlik risklərini başa düşmək
• Least privilege, scoped credentials, explicit approvals və monitoring kimi tədbirləri tətbiq etmək
• Uyğun container-based və ya virtual-machine-based sandboxing strategiyaları seçmək

Hissə 7 - Software Architecture Sahəsinin İnkişafı

• AI tərəfindən yaradılan kod və engineering nəticələri üçün məsuliyyəti və ownership-i qorumaq
• AI-dan həddindən artıq istifadənin engineering bacarıqlarının zəifləməsi riskini tanımaq və bunun qarşısını almaq
• Əsas bacarıqları qorumaq üçün deliberate practice, human-first reasoning və AI-supported learning-dən istifadə etmək
• AI tərəfindən yaradılan nəticələri review və validate edərkən critical thinking tətbiq etmək
• AI-supported reasoning ilə delegated decision-making arasındakı fərqi bilmək
• İnsan məsuliyyəti altında qalmalı olan arxitektura fəaliyyətlərini müəyyən etmək
• Agent qərarlarının uyğunluğunu artırmaq üçün ortaq terminologiya və domain vocabulary-dən istifadə etmək
• Komandaların yalnız daha sürətli nəticə yaratmasını deyil, arxitektura bacarıqlarını həqiqətən inkişaf etdirib-etdirmədiyini ölçmək
• AI-supported development-i aydın hipotezlər, nəzarətli eksperimentlər və ölçülə bilən nəticələrlə tətbiq etmək
• AI adoption-u access, adoption, proficiency, dəyişən iş təcrübələri və təşkilati inkişafdan ibarət davamlı proses kimi başa düşmək
• Təlim, eksperiment, aydın ownership və psychological safety vasitəsilə adoption-u dəstəkləmək
• Lead time, change failure rate, DORA metrics və developer-experience göstəriciləri kimi mənalı ölçülərdən istifadə etmək
• Komanda üzvləri arasında effektiv ünsiyyəti qoruyaraq insanları və AI-ni birləşdirən collaboration patterns tətbiq etmək
• Solo agents, sub-agents və agent teams kimi agent topologies-i başa düşmək
• AI-supported development üçün rolları, komanda strukturlarını, engineering practices və arxitektura məsuliyyətlərini uyğunlaşdırmaq
• Line-level implementation-dan daha geniş arxitektura, məhsul və nəticə yönümlü düşüncəyə keçmək
• AI-nin software, solution və enterprise architecture-a necə təsir etdiyini başa düşmək