Чему вы научитесь
- Объяснять принцип работы агентов и их роль в управлении потоком выполнения приложений
- Сравнивать различные архитектуры агентов (включая ReAct) и анализировать типичные проблемы при их разработке
- Аргументировать необходимость создания кастомизированных агентов со специфичными workflow для повышения надежности
- Интерпретировать концепцию LangGraph: представление агентских workflow в виде графов (узлы состояний, ребра действий)
- Конструировать графы агентов вокруг чат-моделей, используя базовые компоненты: инструменты (tools) и сообщения (messages)
- Реализовывать циклы в workflow для построения ReAct-архитектуры агентов
- Интегрировать механизмы памяти (memory) для сохранения внутреннего состояния агента между итерациями
- Применять LangGraph Studio для визуальной сборки, отладки и тестирования агентских приложений
О курсе
https://t.me/ai_neura_network - AI коммьюнити с новостями и анонсами.
Погрузитесь в мир интеллектуальных агентов! Вы узнаете, как работают агенты на LLM, как создавать RAG системы, почему стандартные подходы часто недостаточны для надежных решений и как LangGraph решает эту проблему через графы состояний. Освоите ключевые концепции: построение графов, использование tools, обработку сообщений и освоите архитектуру ReAct. Начнете создавать и отлаживать агентов в LangGraph Studio.
Для кого этот курс
Для кого этот курс:
1. Разработчики LLM-приложений.
2. Инженеры по машинному обучению / AI-инженеры.
3. Технические специалисты, создающие AI-ассистентов.
Начальные требования
Для комфортного обучения в первом модуле вам необходимо:
- Программирование на Python: уверенное использование синтаксиса, работа с функциями, списками, словарями; установка пакетов через `pip`.
- ООП в Python: понимание классов, объектов, методов и основных принципов.
- Базовое понимание LLM: что такое языковые модели, как они используются в приложениях (без углубления в устройство моделей).
- Рекомендуется: знакомство с концепцией графов (узлы, ребра, циклы) на уровне представления.
Преподаватели курса
238
Как проходит обучение
Принцип обучения строится следующим образом:
Методичка -> Видео-лекция -> Домашнее задание
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 38 учеников получили сертификат.
Что вы получите
- Фундаментальные навыки создания агентов: Понимание принципов работы LLM-агентов, управления потоком выполнения и преодоления ограничений стандартных подходов для повышения надежности.
- Практическое владение LangGraph: Умение представлять агентские workflow в виде графов состояний (узлы) и действий (ребра) с помощью фреймворка LangGraph.
- Ключевые компетенции в компонентах агентов: Навыки работы с инструментами (`tools`) и системой сообщений (`messages`) как основными элементами workflow, построенных вокруг чат-моделей.
- Способность реализовывать сложные архитектуры: Умение конструировать циклы (`looping`) в workflow для реализации мощной ReAct-архитектуры агентов.
- Контроль над состоянием агента: Навыки интеграции механизмов памяти (`memory`) для сохранения и использования внутреннего состояния агента между шагами выполнения.
- Эффективный инструмент разработки: Доступ и умение работать в LangGraph Studio – визуальной среде для интуитивной сборки, отладки и тестирования ваших агентских приложений.
- Прототип AI-ассистента: К концу модуля вы создадите основу собственного интеллектуального агента, способного обрабатывать задачи с сохранением контекста.
Нагрузка
2 часа в неделю