Открыто

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

Тема в разделе "Нейросети и искусственный интеллект", создана пользователем dyadyagen, 4 ноя 2025.

Основной список: 18 участников

Резервный список: 1 участников

  1. 4 ноя 2025
    #1
    dyadyagen
    dyadyagen ЧКЧлен клуба

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

    Agent.jpg

    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.
    Скрытая ссылка
     
    Последнее редактирование модератором: 5 ноя 2025
    3 пользователям это понравилось.
  2. Последние события

    1. ruzerone
      ruzerone участвует.
      25 фев 2026
    2. Добромысл
      Добромысл участвует.
      16 фев 2026
    3. Tornst
      Tornst участвует.
      15 фев 2026
    4. paramparapam
      paramparapam участвует.
      15 фев 2026