Чему вы научитесь
- проектировать агентов: декомпозировать задачу, выбирать цикл рассуждений и набор инструментов под конкретный класс задач
- применять паттерн ReAct и его вариации — мысль-действие-наблюдение, планирование, рефлексия
- собирать агентов руками на чистом Python без фреймворка и понимать, что именно фреймворки делают под капотом
- разрабатывать агентов на smolagents, LlamaIndex и LangGraph — выбирать фреймворк под задачу, а не наоборот
- строить Agentic RAG: маршрутизировать запросы между текстом, таблицами, PDF и изображениями, выбирать источники динамически
- оценивать качество агентов на бенчмарке GAIA: готовить формат ответа под exact match, читать метрики, диагностировать провалы
- отлаживать и сопровождать агентов в продакшене: логирование, трейсинг, обработка ошибок, планирование затрат
О курсе
Научитесь проектировать и программировать AI-агентов на Python. От цикла «мысль-действие-наблюдение» до своего ассистента на smolagents, LlamaIndex и LangGraph. В финале - собственный проект против бенчмарка GAIA.
Для кого этот курс
Курс хорошо подходит для:
Python-разработчиков, которые хотят войти в AI-инженерию.
Backend-специалистов, встраивающих LLM в свои продукты.
Аналитиков и автоматизаторов, желающих собирать агентов под свои задачи.
Тех, кто пробовал ChatGPT или Claude и хочет понять, как устроены такие системы.
Студентов и джунов, которым нужен сильный пет-проект в портфолио.
Начальные требования
- Уверенный Python: синтаксис, функции, классы, списки, словари, f-строки и базовая обработка исключений.
- Понимание, что такое HTTP-API и формат JSON (на уровне «могу прочитать ответ и отправить запрос»).
- Знакомство с командной строкой и pip, умение создать виртуальное окружение venv.
- Аккаунт LLM-провайдера с бесплатной квотой (OpenRouter / GigaChat / YandexGPT) — как получить, показано в курсе.
Преподаватели курса
1 358
Как проходит обучение
- Текстовые уроки с разбором кода (читать удобнее, чем смотреть видео)
- Интерактивные задания с автопроверкой прямо на Stepik
- Сквозной кейс через весь курс + финальный проект с собственным грейдером
Что вы получите
- 9 модулей с теорией, разборами кода и автопроверяемыми заданиями
- 46 уроков и более 130 практических задач разных форматов: выбор, сортировка, сопоставление, заполнение пропусков, код
- 3 фреймворка: smolagents, LlamaIndex и LangGraph — подход и сравнение «когда какой выбирать»
- сквозной кейс через весь курс и отдельный блок про Agentic RAG с таблицами, PDF и изображениями
- финальный проект: агент против подмножества GAIA уровня 1, проверка через внешний учебный API
- готовый CLI-скрипт run_gaia.py в приложении к финальному уроку — скачивается одним кликом
- доступ к обсуждениям уроков и авторским комментариям в сложных местах
- весь код в курсе проверен запуском на актуальных версиях библиотек
Нагрузка
≈8–12 часов в своём темпе