LLM API с нуля: первый AI-сервис на Python
Практический мини-курс для Python-разработчиков без опыта работы с LLM API. За 8 коротких уроков вы соберёте первый AI-сервис: подключите Responses API, получите структурированный ответ через Pydantic, откроете HTTP-эндпоинт на FastAPI, добавите обработку сбоев, тесты и Docker.
Программы обучения
Входит в 1 программу
Этот курс можно пройти отдельно или в составе одной из программ.
О курсе
Не обзор нейросетей и не сборник промптов. Это короткий практический маршрут от первого запроса к модели до работающего HTTP-сервиса.
Сквозной проект — анализатор клиентских обращений на Python. Он принимает обычный текст и возвращает предсказуемый структурированный результат: тему, приоритет, краткое резюме и черновик ответа.
За курс вы:
- вызовете модель через Responses API и безопасно подключите ключ;
- зафиксируете формат ответа с Structured Outputs и Pydantic;
- отделите LLM-клиент от бизнес-логики;
- соберёте HTTP-эндпоинт на FastAPI;
- добавите тайм-ауты, ограниченные повторы и обработку ошибок;
- напишете тесты без реальных API-вызовов;
- упакуете сервис в Docker и проведёте финальный smoke-тест.
Что останется в финале
Небольшой законченный репозиторий, который можно запустить локально, показать в портфолио и использовать как основу для собственного AI-сервиса.
На старте достаточно базового Python: функции, словари, классы, исключения и установка пакетов. Опыт работы с LLM API не нужен.
Чему научитесь
- Отправлять запросы к LLM через Responses API и безопасно работать с API-ключом
- Получать типизированный результат по Pydantic-схеме вместо разбора произвольного текста
- Отделять LLM-клиент от бизнес-логики приложения
- Собрать HTTP-эндпоинт на FastAPI поверх AI-функции
- Обрабатывать timeout, rate limit и временные сбои без бесконечных повторов
- Тестировать AI-сервис без реальных API-вызовов
- Запустить готовый сервис в Docker-контейнере
Для кого
- Python-разработчики, которые еще не работали с LLM API
- Новички в LLM-инженерии, которым нужен первый законченный проект
- Разработчики автоматизаций и внутренних инструментов
Формат
- 4 модуля и 8 коротких уроков
- Один сквозной проект растет от урока к уроку
- Практика с кодом в каждом уроке
- Около 6 часов на прохождение
Что нужно на старте
- Базовый Python: функции, словари, классы и исключения
- Умение устанавливать пакеты и запускать Python-файлы из терминала
- API-ключ OpenAI с небольшим доступным лимитом
Автор курса
Алексей Малышкин
Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn
