Содержание курса
Старт и стенд
8 уроков
1.
Как устроен курс и «Вектор» год спустя
↗
2.
Три трека и ваше железо
↗
3.
Окружение: модель, Python и переменные LLM_*
↗
4.
Стенд «Вектор-лаб»: что внутри и как его ломать
↗
5.
Код, который вы не писали
↗
6.
Лаба: Первый ответ модели
↗
7.
Лаба: Две причины одного 502
↗
8.
Контрольная точка
↗
Как работает модель
8 уроков
1.
Токены и контекстное окно
↗
2.
Температура и воспроизводимость
↗
3.
Квантизация и память
↗
4.
Галлюцинации на примерах «Вектора»
↗
5.
Модели с рассуждением
↗
6.
Лаба: Совет модели по PostgreSQL 16
↗
7.
Лаба: Влезет ли лог
↗
8.
Контрольная точка
↗
Локальный LLM-сервер ai01
10 уроков
1.
Выбор модели по замерам
↗
2.
Ollama изнутри: модели, Modelfile, параметры службы
↗
3.
Два API: нативный и OpenAI-совместимый
↗
4.
ai01 как сервис: доступ, TLS и пароль
↗
5.
Мониторинг ai01
↗
6.
llama.cpp напрямую и когда нужен vLLM
↗
7.
Лаба: Подбери модель для дежурного
↗
8.
Лаба: Разверни ai01 безопасно
↗
9.
Лаба: ai01 под нагрузкой
↗
10.
Контрольная точка
↗
Данные до отправки
7 уроков
1.
Классы данных «Вектора»
↗
2.
152-ФЗ простыми словами
↗
3.
Обезличивание журналов
↗
4.
Что реально ушло в модель
↗
5.
Лаба: Обезличь журнал портала
↗
6.
Лаба: Политика данных для ИИ в «Векторе»
↗
7.
Контрольная точка
↗
Промпт для дежурного
9 уроков
1.
Анатомия рабочего промпта
↗
2.
Данные отдельно от инструкций
↗
3.
Структурированный ответ в JSON
↗
4.
Большой лог: предобработка и map-reduce
↗
5.
Как оценить промпт на наборе инцидентов
↗
6.
Лаба: Скрипт разбора 502 для дежурного
↗
7.
Лаба: Пачка алертов Zabbix
↗
8.
Лаба: Сравни два промпта на 10 инцидентах
↗
9.
Контрольная точка
↗
Структурированный вывод и вызов инструментов
8 уроков
1.
Pydantic: ответ модели как объект, а не текст
↗
2.
Повтор и деградация
↗
3.
Вызов инструментов: модель просит, код выполняет
↗
4.
Первый инструмент: узкий контракт и только чтение
↗
5.
Где малая модель путает инструменты
↗
6.
Лаба: Алерт → проверенный объект
↗
7.
Лаба: Модель вызывает проверку на стенде
↗
8.
Контрольная точка
↗
Агент своими руками
9 уроков
1.
От чата к агенту
↗
2.
Агент на 150 строк
↗
3.
Инструменты эксплуатации: контракты
↗
4.
Бюджеты и условия остановки
↗
5.
История и память агента
↗
6.
Трасса: где агент ошибся
↗
7.
Лаба: Агент находит причину 502
↗
8.
Лаба: Агент зациклился
↗
9.
Контрольная точка
↗
Линейные агенты и цепочки (LangChain)
8 уроков
1.
Цепочка или агент
↗
2.
LangChain и локальная модель
↗
3.
Инструменты в LangChain и create_agent
↗
4.
Цепочка «алерт → факты → гипотеза → VEK»
↗
5.
Тесты цепочки без модели
↗
6.
Лаба: Цепочка саммари алерта
↗
7.
Лаба: Тесты цепочки в GitLab CI
↗
8.
Контрольная точка
↗
Графовые агенты (LangGraph)
11 уроков
1.
Зачем граф
↗
2.
StateGraph: состояние, узлы, рёбра
↗
3.
Условные переходы и циклы с лимитом
↗
4.
Чекпоинты: продолжить после сбоя
↗
5.
interrupt: человек подтверждает действие
↗
6.
Подграфы: переиспользуемый диагност
↗
7.
Стриминг и отладка графа
↗
8.
Лаба: Граф разбора инцидента на стенде
↗
9.
Лаба: Подтверждение перед действием
↗
10.
Лаба: Агент модуля 7 против графа
↗
11.
Контрольная точка
↗
Мультиагентные системы: CrewAI и супервизор
8 уроков
1.
Когда одного агента мало
↗
2.
CrewAI: агенты, задачи, процессы
↗
3.
Супервизор на LangGraph
↗
4.
Передача контекста между агентами
↗
5.
Цена мультиагентности: честные замеры
↗
6.
Лаба: Команда CrewAI: «портал медленный»
↗
7.
Лаба: Та же задача супервизором — сравни
↗
8.
Контрольная точка
↗
RAG по runbook'ам (ChromaDB)
9 уроков
1.
Эмбеддинги и фрагменты простыми словами
↗
2.
Индексация в ChromaDB и источники в ответе
↗
3.
Переиндексация и устаревшие документы
↗
4.
Когда RAG врёт
↗
5.
RAG как инструмент агента; базы знаний Open WebUI
↗
6.
Лаба: Бот по runbook'ам с источниками
↗
7.
Лаба: Найди устаревший runbook
↗
8.
Лаба: Граф-агент с поиском по runbook'ам
↗
9.
Контрольная точка
↗
Доступ агента к инфраструктуре и безопасность
11 уроков
1.
Учётка агента: только чтение и всё в журнал
↗
2.
Kubernetes: ServiceAccount и RBAC
↗
3.
GitLab: токен read_api
↗
4.
Серверы: принудительная команда SSH
↗
5.
Политика команд: что разрешить
↗
6.
Prompt injection через данные
↗
7.
MCP: инструменты как отдельный сервер
↗
8.
Лаба: Докажи, что агент не прочитает Secret
↗
9.
Лаба: Инъекция в описании MR
↗
10.
Лаба: MCP-сервер для серверов «Вектора»
↗
11.
Контрольная точка
↗
Агент в эксплуатации
11 уроков
1.
Open WebUI для команды
↗
2.
Сервис агента: алерт → граф → Telegram
↗
3.
n8n или код: где граница
↗
4.
ИИ в CI: объяснение упавшей job и ревью MR без утечек
↗
5.
Наблюдаемость агента
↗
6.
Оценка агента и регрессия при смене модели
↗
7.
Агент как служба: деплой и обновление
↗
8.
Лаба: n8n: алерт → агент → Telegram
↗
9.
Лаба: Сменили модель — что сломалось
↗
10.
Лаба: ИИ-ревью MR без утечек
↗
11.
Контрольная точка
↗
Внедрение и финальный проект
3 урока
1.
Метрики пользы и когда ИИ не окупается
↗
2.
Правила работы с ИИ для команды
↗
3.
Финальный проект. Локальный ИИ-дежурный «Вектора»
↗