Чему вы научитесь
- Проектировать архитектуру AI-агентов на основе LangGraph и AutoGen: роли, состояния, инструменты, переходы
- Строить графы задач (DAG/FSM) с ветвлением, параллелизмом, отменой и компенсационными шагами
- Проектировать рабочую память агента: short-term/long-term, entity/summary memory, TTL и эвикцию
- Делать checkpointing состояния и корректное восстановление после падений
- Интегрировать инструменты: HTTP-клиенты, БД (Postgres/Redis), файловые хранилища, почта, внешние API
- Подключать браузерную автоматизацию (Playwright) и управлять побочными эффектами инструментов
- Создавать безопасные инструменты со скоупами, валидацией входов/выходов и песочницей
- Реализовывать RAG-ядро: индексация, чанкинг, hybrid BM25+dense, выбор top-k, перезапросы
- Подключать Qdrant/Weaviate/FAISS, настраивать rerankers и компрессию контекста
- Управлять контекстным окном: selective retrieval, цитирование источников, предотвращение галлюцинаций
- Проектировать планирование действий (tool-use planning) и циклы self-critique/reflection
- Маршрутизировать запросы между моделями по задаче, бюджету, latency и политике данных
- Настраивать бюджет-каппинг: лимиты токенов/запросов/стоимости на пользователя и на пайплайн
- Обеспечивать надежность: таймауты, ретраи с backoff, идемпотентность, саги и dead-letter очереди
- Определять SLI/SLO для агентов: p50/p95 латентность, доля успешных задач, стоимость операции
- Вести структурированное логирование, трассировку и корреляцию событий (correlation IDs)
- Оценивать качество: golden-сеты, LLM-judge, ручная разметка; считать pass@k сценариев
- Строить наблюдаемость (Langfuse/Prometheus/Grafana) и алертинг на деградации/перерасход
- Проводить A/B-тесты ролей, промптов, памяти и Retrieval-стратегий; анализировать uplift и критерии остановки
- Версионировать промпты и пайплайны: семантические версии, changelog, rollback-стратегии
- Проектировать строгий структурированный вывод (JSON/DSL), парсинг и валидацию (Pydantic)
- Строить guardrails: грамматики/регексы/политики, фильтрация опасных действий
О курсе
Практический курс по AI-агентам. Соберёте продакшн RAG-сервис: от индекса и графа состояний до API, Docker, метрик качества и контроля стоимости.
Плюс профессиональные блоки: LangGraph/AutoGen, Qdrant/FAISS+rerank, eval (RAGAS/custom), quality-гейты, OpenTelemetry+Prometheus/Grafana, CI/CD, ретраи/DLQ/идемпотентность, PII/RBAC.
Для кого этот курс
Разработчикам на Python, которые уже работают с LLM и хотят перейти от «игрушек» к полноценным агентам в продакшне.
Дата-инженерам и ML-инженерам, которым нужно строить RAG-системы, оркестрировать пайплайны и контролировать стоимость/качество моделей.
Архитекторам и тимлидам, которым важно внедрять AI-решения в реальные процессы компании с понятным ROMI.
Стартап-фаундерам и продакт-менеджерам, которые хотят автоматизировать поддержку, продажи или обработку данных при помощи агентов.
Все, кто уже пробовал LangChain, но столкнулся с ограничениями и ищет более надёжные инструменты — LangGraph, AutoGen, LLMOps.
Начальные требования
Чтобы обучение прошло комфортно, рекомендуется:
-
Уверенно владеть Python 3 (уметь писать функции, классы, работать с пакетами).
-
Знать основы работы с REST API и базами данных.
-
Базовое понимание LLM.
-
Опыт работы с Docker или любыми контейнерами будет плюсом, но не обязателен — всё объясняется в курсе.
Преподаватели курса
2 110
Как проходит обучение
Формат обучения построен так, чтобы сразу переводить теорию в практику:
-
Теоретические модули с живыми пояснениями и разбором архитектур.
-
Интерактивные задания и тесты с автоматической проверкой.
-
Практические проекты: создание агентов для поддержки, продаж и ETL-пайплайнов.
-
Капстоун-проект — полноценный AI-агент поддержки, который закрывает до 60% тикетов, с отчётом ROMI.
-
Пошаговые инструкции и кодовые шаблоны, которые можно сразу применять в своих проектах.
-
Пожизненный доступ к обновлениям курса
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 10 учеников получили сертификат.
Что вы получите
- Глубокие навыки проектирования и разработки AI-агентов уровня Enterprise
- Практический опыт работы с LangGraph, AutoGen, RAG и LLMOps
- Пошаговые шаблоны и код, которые можно сразу применять в рабочих проектах
- Навыки оценки качества, метрик и стоимости, востребованные работодателями
- Сертификат Stepik, подтверждающий прохождение курса
- Итоговый проект (AI-агент поддержки) для портфолио и собеседований
- Доступ к форуму решений и обсуждений с сообществом участников
- Обновления курса и добавление новых материалов навсегда