Чему вы научитесь
- Подключить языковую модель к своей программе на Python: консольной утилите, сервису на FastAPI, фоновой задаче. И перейти с облачной модели на локальную, заменив один класс клиента
- Научить агента действовать: превратить обычную функцию Python в инструмент, который модель вызывает сама, и получать факты вместо правдоподобных выдумок
- Получать от модели данные строгой формы: объект по схеме Pydantic вместо текста, который приходится разбирать руками
- Не дать агенту наломать дров: запереть исполнение кода в контейнере и поставить необратимые действия под подтверждение человека
- Дать агенту память, чтобы он помнил разговор между запросами и не терял его после перезапуска сервиса
- Собрать команду из нескольких агентов: конвейер, параллельная работа, передача разговора между специалистами, общее обсуждение
- Заставить агента отвечать по вашим документам: собрать RAG и перевести его на векторный поиск в Qdrant
- Связать агента с внешним миром по трём открытым протоколам: MCP, A2A и AG-UI. И убедиться, что это работает между языками: к серверу на Python подключается клиент на C#
- Написать собственного кодинг-агента, который читает файлы, пишет код и проверяет себя запуском тестов
- Довести всё это до продакшена: считать расходы, обвешать слоями, закрыть от инъекций и утечек, проверять качество автоматическим экзаменом
О курсе
Для кого этот курс
Начальные требования
Опыт работы с ИИ не нужен. Всё, что необходимо знать о моделях, объясняется по ходу курса
Что нужно:
- Python на рабочем уровне: классы, декораторы, аннотации типов
- async/await: асинхронность встречается почти в каждом примере и отдельно не объясняется
- Веб-сервисы: достаточно понимать, как устроен обработчик запроса в FastAPI
- Командная строка, Git и Docker на бытовом уровне
Из софта: Python 3.14, менеджер пакетов uv, любая среда разработки и Docker
Из железа: от 16 ГБ памяти для модели поменьше, 32 ГБ или видеокарта от 16 ГБ — для крупной. На более скромной машине курс тоже проходится: модель придётся взять поменьше и ответов ждать дольше
Платный доступ к облачным моделям не потребуется ни разу. Единственному облачному примеру хватит бесплатного ключа, и без него курс тоже проходится
Преподаватели курса
1 294
Как проходит обучение
12 модулей, 47 уроков, 117 заданий. Свой темп, доступ без ограничения по времени
Курс текстовый. Каждый урок устроен одинаково:
1. Полный код примера вместе с командами запуска. Его можно скопировать к себе и запустить, ещё не читая объяснений
2. Текстовая лекция — подробный разбор: почему сделано именно так, что программа напечатала на самом деле и где она ломается. Код в разборе тот же, что в первом шаге
3. Задания с автопроверкой: сопоставления, таблицы утверждений, восстановление порядка, пропуски в коде
Два практикума, в середине курса и ближе к концу:
- веб-сервис поддержки, который помнит разговор между запросами и не теряет его после перезапуска: память диалогов хранится в PostgreSQL
- служба поддержки из двух агентов и сервера инструментов, связанных протоколами A2A и MCP
У обоих есть техническое задание и пошаговый сценарий приёмки. Работы проверяются лично автором
Что вы получите
- Навык, который применим завтра. Не «представление об ИИ», а умение подключить модель, дать ей инструменты, ограничить и проверить
- Готовый проект на Python, собранный вашими руками: 43 примера от первого агента до кодинг-агента. Забирайте в свой проект
- Два проекта в портфолио с техническим заданием и приёмкой
- Независимость. Всё работает на вашей машине: без подписок, без зарубежных карт, без средств обхода блокировок и замедлений и без утечки данных наружу
- Понимание границ. Где модель надёжна, где выдумывает, где нарушает собственную инструкцию, и какие механизмы это ловят. В документации этого нет
- Справочник, к которому возвращаются. Текстовые лекции с кодом и настоящими прогонами останутся с вами после курса
- Сертификат об окончании