rss.eground-zerkalo.com

AI-Агенты: S1 База [Automatica] [Антон Вдовиченко]

—

от автора

rss_eground_
в

AI-Агенты: S1 База [Automatica] [Антон Вдовиченко]​[​IMG]

Для кого этот курс
Разработчики, энтузиасты, продуктовые менеджеры, предприниматели с базовыми знаниями Python

Чему научитесь
1. Создавать AI-Агентов с нуля: освоите Pydantic AI, LangChain и инструменты для быстрого визуального прототипирования
2. Управлять памятью и состоянием: научитесь строить AI-Агентов с долговременной памятью через Zep, Mem0 и Letta
3. Интегрировать RAG и векторные БД: построите системы поиска по документам с Qdrant, Weaviate и Pinecone
4. Контролировать качество и затраты: улучшите наблюдаемость через LangSmith/LangFuse и оптимизируете стоимость

Что в программе
Занятие 1: Подготовка среды и основы архитектуры
Настраиваем рабочее окружение с Python, Pydantic AI и LangChain. Разворачиваем no-code инструменты Flowise и n8n. Изучаем архитектуру агентов на реальных production-примерах.

  • Установка и настройка всех необходимых инструментов.
  • Регистрация в LangSmith и LangFuse для мониторинга.
  • Запуск локальных моделей через Ollama.
  • Разбор архитектуры: LLM, память, планирование, инструменты.
  • Определение подходов: ReAct, Mem0, RAG.
  • Домашнее задание: настройка собственного окружения.

Занятие 2: Быстрый старт с Pydantic AI
Создаём первого агента с валидацией ответов. Изучаем технику reflection loop — агент пишет тесты для своего кода и исправляет ошибки. Настраиваем автоматическое тестирование.

  • Построение агента с типизированными ответами.
  • Добавление пользовательских инструментов.
  • Техника self-reflection для улучшения качества.
  • Логирование и отладка через Pydantic Logfire.
  • Домашнее задание: создать своего агента с тестами.

Занятие 3: Визуальное прототипирование и escape from no-code
Cоздаём рабочие цепочки в Flowise и n8n, затем экспортируем их в чистый Python-код. Подключаем векторные БД и внешние сервисы. Выдаём ТЗ на итоговый проект.

  • Создание AgentFlow и в Flowise.
  • Создание AI-Агента в n8n.
  • Подключение векторных БД для RAG.
  • Интеграция с Google Sheets и Airtable через n8n.
  • Экспорт логики агентов в Pydantic AI.
  • Старт работы над итоговым проектом.

Занятие 4: Мультиагентные системы
Координируем несколько агентов для решения сложных задач. Реализуем одну задачу в двух фреймворках — LangGraph и CrewAI — и сравниваем результаты.

Занятие 5: Память и persistent-агенты
Углубляемся в управление памятью. Создаём агентов, которые помнят контекст между сессиями и могут возобновлять работу после перерывов.

  • Краткосрочная vs долговременная память.
  • Реализация Zep, Mem0 и Letta
  • Подключение внешних хранилищ (Redis, Postgres).
  • Управление stateful-агентами.
  • Восстановление после перерывов.
  • Домашнее задание: persistent-агент с внешней БД.

Занятие 6: RAG-системы и векторный поиск
Строим полноценные RAG-системы для работы с документами. Оптимизируем качество поиска и снижаем галлюцинации.

  • Построение RAG-pipeline на LangChain.
  • Работа с векторными БД: Qdrant, Weaviate, Pinecone.
  • Техники улучшения поиска: «хаки» RAG, фильтрация.
  • Оптимизация метрик качества RAG.
  • Интеграция RAG с памятью агентов.
  • Практика: RAG-система для базы знаний.

Занятие 7: Наблюдаемость и оптимизация затрат
Настраиваем профессиональный мониторинг агентов. Применяем техники снижения стоимости.

  • Трассировка и тестирование в LangSmith.
  • Мониторинг в LangFuse: латентность, стоимость, ошибки.
  • Cost-hacks: кеширование, выбор моделей, batching.
  • Создание cost-heatmap.
  • Подготовка: финализация проектов.

Занятие 8: Безопасность, развёртывание и демо-день
Финальное занятие: изучаем безопасность, проводим attack-simulation, разбираем юридические вопросы и презентуем проекты.
Часть 1. Развёртывание и observability

  • Обзор вариантов развёртывания (Docker, облако).
  • Подключение к мессенджерам и API.
  • Финальная настройка мониторинга.

Часть 2. Безопасность и демонстрации

  • Симуляция атак: jailbreak, prompt-leak, cost-flood.
  • Live Q&A с юристом по GDPR/152-ФЗ.
  • Презентация итоговых проектов.

Автор:
Антон Вдовиченко
Основатель и CEO Automatica
Специализируется на разработке решений с использованием искусственного интеллекта и машинного обучения, инженер AI.
Более 20 лет создает цифровые продукты для оптимизации бизнеса — от стартапов до международных корпораций (Dell, PwC, Avaya).
Эксперт по дизайну интерфейсов. Более 7 лет преподавал на программе «Дизайн диджитал-продукта» в Британке, BBE. Ведёт авторские курсы по искусственному интеллекту.

Цена 55000 руб.