Õppeaine eesmärk on:
- valmistada üliõpilasi ette tõhusaks koostööks tehisintellektil põhinevate koodiassistentide ja autonoomsete tarkvaraarendusagentidega, kasutades spetsifikatsioonipõhist arendusmetoodikat AI-agentide suunamiseks ja AI-genereeritud väljundite kriitiliseks hindamiseks;
- arendada oskusi LLM-toetatud töövoogude kavandamiseks, rakendamiseks ja hindamiseks kogu tarkvara elutsükli ulatuses—alates nõuete kogumisest ja disainist kuni teostuse, testimise, koodiülevaatuse ja hoolduseni;
- kujundada arusaam agentsetest arhitektuuridest (tööriistad, planeerimine, mälu, otsing) ning nende piirangutest, riskidest ja haldamise kaalutlustest professionaalses tarkvaraarenduse kontekstis.

The aim of this course is to:
- prepare students for effective collaboration with AI-powered coding assistants and autonomous software development agents, leveraging specification-driven development methodologies to guide AI agents and critically evaluate AI-generated outputs;
- develop skills for designing, implementing, and evaluating LLM-supported workflows across the entire software lifecycle—from requirements gathering and design through implementation, testing, code review, and maintenance;
- build understanding of agentic architectures (tools, planning, memory, retrieval) and their limitations, risks, and governance considerations in professional software engineering contexts.

Õppeaine läbinud üliõpilane:
-analüüsib AI-põhiste koodiassistentide ja agentsete arendussüsteemide võimalusi, piiranguid ja riske tarkvaraarenduse kontekstis, sh nende arhitektuurilisi ja valitsemise aspekte;
- kavandab ja rakendab AI-toetatud arenduslähenemisi, sh spetsifikatsioone, prompte ja töövooge, tarkvara elutsükli erinevates etappides;
- hindab kriitiliselt AI-genereeritud koodi ja muid arendusartefakte, tuvastades kvaliteedi-, turbe- ja arhitektuuriprobleeme ning tagades vastavuse projektinõuetele;
- integreerib agentseid arendustööriistu ja töövooge olemasolevatesse tarkvaraarendusprotsessidesse, säilitades professionaalsed kvaliteedistandardid ja inimliku järelevalve.

After completing this course the student:
- analyzes the capabilities, limitations, and risks of AI-based coding assistants and agentic development systems in professional software engineering contexts, including architectural and governance considerations;
- designs and applies AI-supported development approaches, including specifications, prompts, and workflows, across different phases of the software development lifecycle;
- critically evaluates AI-generated code and other development artifacts, identifying quality, security, and architectural issues and ensuring alignment with project requirements;
- integrates agentic development tools and workflows into existing software development processes while maintaining professional quality standards and appropriate human oversight.

Õppeaine tutvustab agentse tarkvaraarenduse paradigmat, kus tehisintellektil põhinevad koodiassistendid ja autonoomsed arendusagendid toimivad koostööpartneritena kogu tarkvara arendusprotsessi vältel. Kursus ühendab teoreetilised alused praktilise tööga ning keskendub sellele, kuidas arendajad saavad AI-toega arendust suunata, hinnata ja hallata.

Üliõpilased omandavad arusaama agentsetest arhitektuuridest, sealhulgas tööriistade kasutamisest, planeerimisest ja arutlusest, mälumehhanismidest ning otsingust, ning nende komponentide orkestreerimisest töökindlateks arendustöövoogudeks. Kursuse keskmes on spetsifikatsioonipõhine arendus, kus selged ja struktureeritud spetsifikatsioonid seovad inimese kavatsuse AI täitmisega ning aitavad tagada prognoositava ja kvaliteetse tulemuse.

Kursus käsitleb LLM-toetatud töövooge kogu tarkvara elutsüklis, sealhulgas nõuete analüüsi, süsteemidisaini, koodi genereerimist, automatiseeritud testimist, koodiülevaatust, dokumenteerimist ja hooldust. Rõhk on sobiva autonoomsuse taseme valikul, verifitseerimis- ja ülevaatuspraktikatel ning inimliku järelevalve säilitamisel.

Lisaks käsitletakse agentsete süsteemide piiranguid, riske ja valitsemise küsimusi, nagu hallutsinatsioonid, reprodutseeritavus, vastutus, turvalisus ja kvaliteedi tagamine. Praktiliste ülesannete ja projektitöö kaudu rakendavad üliõpilased agentseid arendustehnikaid realistlikes tarkvaraarendusülesannetes ning hindavad kriitiliselt AI-genereeritud lahendusi professionaalses kontekstis.

This course introduces the emerging paradigm of agentic software development, where AI-powered coding assistants and autonomous agents act as collaborative partners throughout the software development lifecycle. The course combines theoretical foundations with hands-on practice, focusing on how developers can effectively guide, evaluate, and govern AI-supported development work.

Students learn the core principles of agentic architectures, including tool use, planning and reasoning, memory, and retrieval, and how these components are orchestrated into reliable development workflows. A central theme of the course is specification-driven development, where clear, structured specifications are used to align human intent with AI execution and to ensure predictable, high-quality results.

The course covers LLM-supported workflows across the software lifecycle, including requirements analysis, system design, code generation, automated testing, code review, documentation, and maintenance. Emphasis is placed on selecting appropriate levels of AI autonomy, applying verification and review practices, and maintaining effective human oversight.

In addition, the course addresses limitations, risks, and governance considerations of agentic systems, such as hallucinations, reproducibility, accountability, security, and quality assurance. Through practical assignments and project work, students gain experience applying agentic development techniques to realistic software engineering tasks and critically evaluating AI-generated artifacts in professional contexts.

Kursust hinnatakse arvestuse alusel, mis kujuneb praktiliste harjutuste, arendusprojekti ja aktiivse osaluse baasil.

The course is assessed on a pass/fail basis, based on practical exercises, development project and active participation.

-

-

Õppekirjandus:
- õppejõu poolt koostatud õppematerjalid ja spetsifikatsioonimallid;
- AI-koodiassistentide ametlik dokumentatsioon;
- OpenSpec dokumentatsioon ja õpetused;
- tööstuse aruanded AI kohta tarkvaraarenduses.

Andres Käver, lektor (IC - IT kolledž)