Введение: что такое AI-агенты и зачем они вам

AI-агенты — это не какая то умная модель. Это программы, которые ставят цель, планируют шаги, используют инструменты, запоминают состояние и доводят задачу до результата. Они умеют ходить в сеть, читать файлы/БД, звать внешние сервисы и принимать решения, когда ситуация меняется.

В этом курсе вы научитесь проектировать и собирать таких агентов — от простого «диспетчера инструментов» до многошаговых систем с памятью, планировщиками и оценкой качества в проде.

Для кого этот курс

• Разработчики и аналитики, которым нужен практический способ доставлять AI-функции в продукт.

• Тимлиды/PM, кому важно понимать ограничения и стоимость агентного подхода.

• Создатели собственных инструментов/ботов/ассистентов.

Уровень: уверенный Python и базовый SQL; опыт с API/HTTP желателен, но не обязателен.

Что вы получите на выходе

• Набор готовых модулей: маршрутизация инструментов, память, планирование, ретраи и деградация, политики безопасности, логирование/алертинг.

• Мини-портфолио: 2–3 рабочих агента (CLI/скрипт + конфиг), которые можно показать работодателю/клиенту.

• Методичку по LLMOps для агентов: как мониторить качество, стоимость и надёжность.

Как устроен курс

Каждый урок состоит из:

1. Теория — коротко и по делу (без воды).

2. Несложные тесты на закрепление теории

3. Практика — задачи «приближенные к продакшну», их количество будет увеличиваться по мере развития курса.

4. Разбор анти-кейсов — где агенты не подходят и что использовать вместо них.

5. Чек-листы — чтобы можно было применять на работе завтра.

Оценивание: баллы за практику, тесты и проекты.

Стек и требования

• Язык: Python 3.10+

• Библиотеки: requests/httpx, pydantic, langchain/langgraph (по месту), tenacity (ретраи), fastapi (по желанию).

• Инфраструктура: локально достаточно Python + токен выбранной LLM-платформы (или совместимого прокси).

• Данные: CSV/JSON, подключение к Postgres (по желанию, дадим готовые скрипты).

Как работать с курсом эффективно

• Делайте практику сразу после теории — задания специально строятся так, чтобы закреплять свежий материал.

• Смотрите на анти-кейсы: они экономят бюджет и время в реальных проектах.

• Во многих есть мини-чек-листы — используйте их как готовые шаблоны на работе.

• Если застряли — сперва запустите простую версию (без оптимизаций), затем добавляйте ретраи/таймауты/деградацию.

Честность и генерация кода

Использовать LLM-помощников разрешено, но:

• код должен проходить все тесты и быть понятен вам;

• при защите проектов мы можем попросить объяснить ключевые решения.
  Цель курса — не «галочка», а умение строить надёжных агентов.

FAQ (коротко)

Нужна ли дорогая модель? Нет. Мы покажем, где хватает «мини»-моделей и как снижать стоимость.
Будет ли прод? Да, финальный проект предполагает запуск и базовые метрики.
Можно ли без БД? Да, большинство практик имеют файловые альтернативы; БД — опционально.

Можете написать свой вопрос в комментарий под этим шагом и мы его добавим в FAQ.