Практический курс о технологиях, а не об одном фреймворке. Мы строим одного агента по нарастающей сложности и разбираем смежные технологии, чтобы вы умели делать всё руками и видели картину целиком.
Курс не про конкретного агента — он про технологии. Мы собираем одного агента на минимальном функционале, всё отлаживаем, «выкатываем в прод», а затем наращиваем сложность.
Параллельно разбираем смежные с агентом технологии, чтобы у вас сформировался широкий кругозор — и при этом умение делать всё руками.
Структура курса:
Две части: сначала рукопашка, потом фреймворки.
Сначала вы понимаете, как всё устроено внутри, а уже потом берёте индустриальные инструменты — осознанно, а не как чёрный ящик.
Часть 1. Рукопашка:
Всё делаем своими руками, без внешних фреймворков — даже evals пишем сами. Вы понимаете каждый слой агента, а не доверяете магии библиотек.
Часть 2. Фреймворки:
- Работа с LLM напрямую через API
- Structured outputs и tool-calling с нуля
- Собственные метрики и оценка качества
- Архитектуры агентов изнутри
Изучаем стандартные индустриальные инструменты и переносите на них то, что уже умеете делать руками.
Программа:
- Langchain
- Langgraph
- Langfuse / Arize Phoenix для observability
- Деплой, MCP-серверы, мультиагентные системы
Три преподавателя-практика ведут свои блоки: разработка агента, качество и оценка, фреймворки и деплой.
1. Василий Исаев - Разработка агента · рукопашка:
2. Андрей Киселёв - Качество и оценка:
- 1.1 Введение
Prompt-engineering, работа с LLM через API.- 1.2 Structured outputs и tool-calling
ReAct-агент, планировщик + исполнитель, память агента.- 1.3 RAG
Поиск и работа со знаниями для агента.- 1.4 Архитектуры агентов
Разбор примеров: harness, openclaw, nanoclaw.
3. Евгений Чернов - Фреймворки и деплой:
- 2.1 Отладка и мониторинг
- 2.2 Оценка качества, evaluation
- 2.3 Методы повышения качества
Борьба с галлюцинациями, guardrails.
Агенты, которых вы построите:
- 3.1 Интеграция с веб-приложениями и деплой
MCP-серверы.- 3.2 Langchain
- 3.3 Langgraph
- 3.4 Observability
Langfuse (Arize Phoenix).- 3.5 Многоагентные системы
Протокол A2A.
Практические кейсы и примеры в каждой теме — вы выходите с работающим кодом, а не с конспектом.
Преподаватели:
- Мини Claude Code
Агент-кодер: читает задачу, правит файлы, запускает команды — упрощённая версия coding-агента.- Personal Ops Agent (OpenClaw-style)
Агент для личных и рабочих операций в стиле OpenClaw.- Browser / GUI Agent
Управляет браузером: открывает сайты, кликает, заполняет формы, собирает данные.- API Integration Agent
По документации API строит маленькую интеграцию: клиент, endpoint, webhook, тесты.- QA / Testing Agent
Сам пишет тест-кейсы, запускает Playwright / pytest, проверяет UI и заводит баг-репорт.
Василий Исаев
Андрей Киселёв
- ML-инженер, AI enthusiast
- Много работал с ассистентами — с реализацией и внедрением AI-сервисов. Работал в Точка Банк и Wildberries, в последнем месте активно внедряет AI-инструменты в процессы разработки.
Евгений Чернов
- Head of Product, который строил, ломал и чинил AI продукты
- Строил AI-продукты в продакшне: от первых RAG в маленьких командах до платформ с миллионами вызовов агентов в день. Работал в Revolut и Yandex, где отвечал за внедрение AI-фич.
- Истории и подходы из курса — то, что встречается в реальной разработке продуктов, с цифрами, ошибками и рабочими плэйбуками.
- MSc AI · Tech Lead AI в бигтехе
- Преподаватель магистратуры ФКН НИУ ВШЭ «Искусственный интеллект», преподаватель ДПО НИУ ВШЭ. Лидирует e2e-разработку LLM-систем, агентов и внедряет LLMOps-практики в high-load системах.
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Новые складчины | страница 2
Категории
Страница 2 из 34
