Сколько стоит курс «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»?

Стоимость курса составляет 7500.00 рублей

Какой рейтинг у курса «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»?

Курс имеет рейтинг 4.3 из 5 на основе 7 отзывов. На курсе обучается 137 учеников.

Где можно пройти курс «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/276971.

Курс на Stepik

Обложка курса «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps» на Stepik

7 500 ₽

AI Agents Engineering: LangGraph, Multi-Agent и LLMOps ★ 4.286

Name: AI Agents Engineering: LangGraph, Multi-Agent и LLMOps
Price: 7500.00 RUB
Availability: InStock
Rating: 4.285714285714286 (7 reviews)

Открыть на
STEPIK.ORG

Практический курс для инженеров, которые хотят строить production-ready AI-агентов на Python. LangGraph, AutoGen, RAG, multi-agent архитектуры, Computer Use, LLMOps. От первого ReAct-агента до деплоя enterprise-системы с векторной БД, метриками, трейсингом и CI/CD. Только код, архитектура и реальные сценарии.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	137
Сертификатов выдано	0
Отзывов получено	7
Рейтинг курса	4.286
Количество уроков	66
Количество квизов	149
Количество задач с кодом	20
Время прохождения курса	5 ч.	—
Стоимость курса	7 500 ₽	—
Обновления курса	—	—
Дата публикации курса	5 месяцев назад	—	—	—	—
Последнее обновление	21 апреля 2026	—	—	—	—

Содержание курса

Разделы в курсе «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»

9 разделов Уроки в курсе «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»

66 уроков Тесты в курсе «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»

149 тестов Задачи в курсе «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»

20 задач Время прохождения курса «AI Agents Engineering: LangGraph, Multi-Agent и LLMOps»

5 ч.

обн. 21 апреля 2026

Введение и архитектура агентных систем

7 уроков

1. Введение в курс ↗

2. Агент как система: роли, состояние и цикл выполнения ↗

3. Почему no-code агенты ломаются в реальном мире ↗

4. Экосистема production-агентов ↗

5. Контроль вывода LLM: JSON, схемы и детерминизм ↗

6. Практика: первый агент (ReAct) + tool + JSON ↗

7. Итоги ↗

Архитектура и оркестрация

7 уроков

1. Роли, состояния, рабочая память агента ↗

2. FSM и DAG: оркестрация шагов ↗

3. Supervisor–Worker и другие паттерны ↗

4. LangGraph: nodes, edges, conditional routing ↗

5. Реализация DAG-агента ↗

6. Supervisor-Worker схема ↗

7. Итоги ↗

Инструменты и интеграции

7 уроков

1. Подключение HTTP и внешних API ↗

2. Работа с БД (Postgres, Redis), файловыми системами ↗

3. Браузерные агенты (Playwright) ↗

4. Sandbox и контроль побочных эффектов ↗

5. Агент с CRM-интеграцией ↗

6. Ограничение прав доступа инструментов ↗

7. Итоги ↗

RAG и базы знаний для агентов

7 уроков

1. Зачем агенту RAG и когда он не нужен ↗

2. Embeddings, chunking и метаданные ↗

3. Векторные базы, hybrid search и reranking ↗

4. Агентный RAG: query rewriting и multi-hop ↗

5. Оценка качества RAG: retrieval и generation метрики ↗

6. Тест: RAG и базы знаний ↗

7. Практика: retrieval с reranking и решением о повторном поиске ↗

Multi-Agent и AutoGen

6 уроков

1. Основы AutoGen ↗

2. Supervisor как управляющий агент ↗

3. Межагентная коммуникация ↗

4. Deadlock prevention и лимиты итераций ↗

5. Multi-agent сценарий: Analyst → Executor → Critic ↗

6. Итоги ↗

LLMOps: качество, мониторинг и production

4 урока

1. Observability: трейсинг, логирование и мониторинг агентов ↗

2. Оценка качества агента: метрики и eval-фреймворки ↗

3. Практика: трейсинг и оценка качества своего агента ↗

4. Управление версиями промптов и A/B-тестирование ↗

Продвинутый Agent Mode

4 урока

1. Long-horizon tasks: многошаговые задачи и где агент ломается ↗

2. Parallel agents и subagents: архитектура, делегирование, сборка ↗

3. Git worktrees и Hooks: изоляция и автоматические действия по соб ↗

4. Skills, автономность vs. контроль и финальный pipeline с hooks ↗

Computer Use и агенты-операторы

8 уроков

1. Computer Use: агент видит экран и управляет компьютером ↗

2. Code Execution агенты: пишем, запускаем и итерируем в sandbox ↗

3. Browser агенты: автоматизация веба с Playwright и LLM ↗

4. Практика: строим полноценный оператор-агент с human-in-the-loop ↗

5. Claude в продакшене: деплой, безопасность, rate limits ↗

6. Memory и персистентность агентов ↗

7. Интеграция с внешними API и базами данных ↗

8. Тестирование агентных систем ↗

Финальный проект: Enterprise-агент от А до Я

7 уроков

1. Архитектура финального агента: постановка задачи ↗

2. Имплементация: инструменты, API и граф LangGraph ↗

3. Мониторинг, трейсинг и обсервабельность агента ↗

4. Тестирование агента и CI/CD pipeline ↗

5. Деплой и масштабирование в облаке ↗

6. Лучшие практики и антипаттерны production-агентов ↗

7. Итоги курса и дальнейший путь ↗