Содержание курса
10
разделов
44
урока
317
тестов
49
задач
8 ч.
обн. 15 марта 2026
1. Введение в AI-агентов и продакшн-подход
6 уроков
488
284
163м
10
Закрытый
1.1
Введение в курс
↗
153
153
2м 0с
3
Закрытый
1.2
Что такое агент, чем он отличается от чат-бота
↗
89
27
69м 21с
3
Закрытый
1.3
Почему no-code недостаточно для продакшна
↗
65
45
20м 53с
2
Закрытый
1.4
Обзор стека: LangGraph, AutoGen, RAG, LLMOps
↗
64
20
43м 45с
1
Открытый
1.5
Структурированный вывод LLM: JSON, схемы, детерминизм
↗
67
18
27м 3с
1
Закрытый
1.6
Опросы
↗
50
21
2м 57с
0
2. Архитектура агентов
4 урока
174
37
112м
6
Закрытый
2.1
Роли, состояния, рабочая память агента
↗
48
14
44м 42с
1
Закрытый
2.2
FSM и DAG: оркестрация шагов
↗
44
6
38м 35с
2
Закрытый
2.3
Supervisor–Worker и другие паттерны
↗
40
10
22м 4с
2
Закрытый
2.4
Практика: первый агент с инструментами
↗
42
7
9м 9с
1
3. Инструменты и интеграции
6 уроков
121
43
145м
4
Закрытый
3.1
Подключение HTTP и внешних API
↗
20
13
24м 59с
1
Закрытый
3.2
Работа с БД (Postgres, Redis), файловыми системами
↗
20
9
10м 35с
1
Закрытый
3.3
Браузерные агенты (Playwright)
↗
16
9
42м 48с
1
Закрытый
3.4
Sandbox и контроль побочных эффектов
↗
15
7
16м 57с
1
Закрытый
3.5
Практика: агент с CRM-интеграцией
↗
15
5
0м 11с
0
Закрытый
3.6
Практикум 3
↗
35
0
53м 24с
0
4. Retrieval-Augmented Generation (RAG)
5 уроков
83
25
54м
0
Закрытый
4.1
Зачем агентам RAG
↗
20
6
6м 46с
0
Закрытый
4.2
Подготовка документов для RAG системы
↗
17
7
5м 39с
0
Закрытый
4.3
Qdrant, Weaviate, FAISS: практическое сравнение
↗
18
5
39м 25с
0
Закрытый
4.4
Оптимизация RAG
↗
17
4
3м 23с
0
Закрытый
4.5
Построение RAG-агента с LangGraph
↗
11
3
1м 50с
0
5. Надёжность и безопасность
4 урока
29
8
17м
0
Закрытый
5.1
Dead-letter очереди и обработка ошибок
↗
7
2
-
0
Закрытый
5.2
Guardrails, регулярки и грамматики
↗
6
2
17м 51с
0
Закрытый
5.3
Работа с PII и доступами (RBAC/ABAC)
↗
8
2
-
0
Закрытый
5.4
Проверка надёжности LLM-систем
↗
8
2
0м 26с
0
6. LLMOps и качество агентов
6 уроков
44
5
14м
0
Закрытый
6.1
Метрики: pass@k, precision/recall, cost/latency
↗
10
2
6м 14с
0
Закрытый
6.2
LLM-as-a-Judge и golden-сеты
↗
9
0
1м 49с
0
Закрытый
6.3
Наблюдаемость: LangSmith, Prometheus, Grafana
↗
7
1
1м 54с
0
Закрытый
6.4
Алертинг
↗
6
1
1м 5с
0
Закрытый
6.5
A/B-тестирование промптов и стратегий
↗
8
1
5м 31с
0
Закрытый
6.6
Практикум 6
↗
4
0
-
0
7. Продакшн-деплой
5 уроков
12
0
0м
0
Закрытый
7.1
Docker и контейнеризация
↗
2
0
-
0
Закрытый
7.2
Очереди сообщений: RabbitMQ, Redis Streams, SQS
↗
3
0
-
0
Закрытый
7.3
CI/CD и quality-гейты
↗
2
0
-
0
Закрытый
7.4
Продвинутые паттерны развертывания
↗
2
0
-
0
Закрытый
7.5
Практикум 7
↗
3
0
-
0
8. Многоагентные системы
2 урока
7
0
0м
0
Закрытый
8.1
Supervisor
↗
4
0
-
0
Закрытый
8.2
Межагентная коммуникация и deadlock prevention
↗
3
0
-
0
9. Бизнес-кейсы и ROMI
3 урока
9
0
0м
0
Закрытый
9.1
Support-агент: auto-resolve тикетов (40–60%)
↗
3
0
-
0
Закрытый
9.2
Sales Ops: ресерч → персонализация → CRM
↗
3
0
-
0
Закрытый
9.3
Data/ETL: парсинг, очистка, валидация
↗
3
0
-
0
10. Постановка задачи и выбор кейса
3 урока
36
36
4м
0
Закрытый
10.1
Постановка задачи и выбор кейса
↗
14
14
0м 23с
0
Закрытый
10.2
Разработка собственного агента под бизнес-сценарий
↗
11
11
0м 28с
0
Закрытый
10.3
Защита проекта: метрики качества и ROMI-отчёт
↗
11
11
3м 48с
0