Открыто

Иженерия AI-агентов: с нуля до запуска в prod [balun.courses] [Дмитрий Антипов]

Тема в разделе "Курсы по программированию", создана пользователем Descriptionvoid, 16 мар 2026.

Цена: 31 500р-96%
Взнос: 969р

Основной список: 39 участников

  1. 16 мар 2026
    #1
    Descriptionvoid
    Descriptionvoid ЧКЧлен клуба

    Складчина: Иженерия AI-агентов: с нуля до запуска в prod [balun.courses] [Дмитрий Антипов]

    Инженерный курс «Как создать AI-агента». Без low-code_ Balun.Courses – Brave 16.03.2026 19_17_50.png

    Преподает Lead разработки AI-агентов, Группа Сбер (АБТ)
    Научимся с нуля создавать и внедрять в процессы сложных AI-агентов на примере pet-проекта — мультиагентной системы с production-архитектурой: памятью, стейтом, автономностью и мониторингом. Без low-code решений.

    Как это все будет пошагово:

    Урок № 1 Введение в концепцию агентов:
    AI-агенты — самая хайповая концепция, но именно поэтому этим словом
называют все подряд: и простого чат-бота с промптом, и любой скрипт с
 вызовами LLM.
    Агенты гораздо глубже и сложнее. В этом модуле разбираемся, что такое агент на самом деле, почему это не фреймворк и не SDK, и закладываем архитектурный фундамент, на котором будет стоять все остальное

    Урок № 2 Как агент думает и действует:
    «Агент работает, но так себе» — мы не уверены, что задача вообще закончится успехом. В этом уроке строим когнитивный и execution-слой как инженерные компоненты

    Урок № 3 Автономность: память, стейт и контроль поведения:
    Добавляем агенту все, чтобы отправить его в свободное плавание:
    память, состояние и контроль. Здесь мы превращаем реактивную систему в
    управляемую и автономную

    Урок № 4 Катим в прод: надежность, безопасность и остановка:
    Демо прощает все, а прод — нет. В этом уроке делаем агента, которому можно доверять: ошибки, безопасность, наблюдаемость, стоимость, измеримость и обязательные stop conditions

    Урок № 5 Сложные задачи: мультиагентность и координация

    Урок №1. Введение в концепцию агентов
    AI-агенты — самая хайповая концепция, но именно поэтому этим словом
называют все подряд: и простого чат-бота с промптом, и любой скрипт с вызовами LLM.
    Агенты гораздо глубже и сложнее. В этом модуле разбираемся, что такое агент на самом деле, почему это не фреймворк и не SDK, и закладываем архитектурный фундамент, на котором будет стоять все остальное

    Что такое агент и что им не является:
    как мы вообще здесь оказались и почему перестало хватать просто LLM
    агент vs чат-бот vs pipeline vs workflow
    decision framework: когда агент действительно нужен, а когда это оверинжиниринг
    анатомия агентов и agent loop

    Паттерны:
    ReAct, Plan→Execute (PlanSolve)
    критерии выбора + антипаттерны

    Бонусом:
    кратко пройдемся по внутреннему устройству популярных агентов: Cursor, Claude Code, Deep Research
    разберемся, что у них общего архитектурно

    Практика:
    разбираем архитектуру реального агента по слоям
    собираем наивный прототип Projects Health Agent, который постарается навести порядок в вашем GitLab

    Результат:
    понимаешь, где кончается «чат» и начинается агент
    есть рабочий и простой прототип, который будем прокачивать

    Урок №2. Как агент думает и действует
    «Агент работает, но так себе» — мы не уверены, что задача вообще закончится успехом. В этом уроке строим когнитивный и execution-слой как инженерные компоненты

    Когнитивный слой:
    основы инференса LLM как рычаги: на что мы можем влиять
    как выбрать модель под задачу
    context engineering: как не впихивать все, что у вас есть
    structured outputs: заставляем модель ответить так, как нам надо

    Execution-слой:
    tools: разбираем из чего они состоят
    проблемы дизайна инструментов: «слишком мало/слишком много»
    коротко про MCP: как стандартизировать доступ к тулзам

    Практика:
    подключаем GitLab API как tools
    вводим строгие схемы output + валидацию/repair loop
    делаем стратегию чтения: агент сам решает, какие MR раскрывать глубже

    Результат:
    предсказуемые структурированные инсайты вместо безумной генерации
    агент умеет выбирать контекст и инструменты, а не пихать все в промпт

    Урок №3. Автономность: память, стейт и контроль поведения
    Добавляем агенту все, чтобы отправить его в свободное плавание:
    память, состояние и контроль. Здесь мы превращаем реактивную систему в
    управляемую и автономную

    Память:
    краткосрочная / долгосрочная / эпизодическая
    history management и компактизация: хранить / сжимать / забывать

    State engineering & persistence:
    жизненный цикл состояния
    персистентность: падение / рестарт без потери
    параллелизм и консистентность

    Идемпотентность и детерминизм:
    повторяемость действий и политики
    идемпотентность операций
    детерминизм, где возможно

    Контроль автономности:
    HITL (Human-in-the-Loop): когда действуем сами, а когда спрашиваем
    confidence как уровни автономности
    self-reflection как адаптация

    Практика:
    добавляем память и реализуем state-машину
    вводим idempotency keys и учимся не повторяться
    учимся адаптироваться к суровому окружению

    Результат:
    агент не забывает, не повторяется, ведет задачу как процесс
    автономность становится более управляемой

    Урок №4. Катим в прод: надежность, безопасность и остановка
    Демо прощает все, а прод — нет. В этом уроке делаем агента, которому можно доверять: ошибки, безопасность, наблюдаемость, стоимость, измеримость и обязательные stop conditions

    Error handling:
    API 500 / таймауты: retry / backoff / fallback / graceful degradation
    ошибки LLM: отказ, галлюцинации, невалидный output → repair / abort

    Guardrails:
    запрет деструктивных действий без подтверждения
    политика алертов и настройка порогов
    работа с prompt injection / adversarial inputs

    Stop conditions или когда агент обязан остановиться:
    cost / time / tool control
    mistools и другие ошибки инструментов
    низкая уверенность, отсутствие HITL … и другие

    Observability & Evals:
    строим трейсинг и health check
    что такое evals, как их строить и почему в агентах это так важно

    Практика:
    добавляем guardrails + запреты + политики алертов
    внедряем stop conditions (бюджеты, circuit breaker, abort правила)
    пишем минимальный eval suite

    Результат:
    агент безопасно останавливается и сжигает бюджет маленькой страны
    есть наблюдаемость и постоянная оценка качества

    Урок №5. Сложные задачи: мультиагентность и координация
    Когда один агент не тянет по широте своей души функциональности,
    появляется мультиагентность (несколько агентов сразу). Как следствие — неизбежность координации и взаимодействия внутри команды агентов

    Когда мультиагентность нужна / когда нет:
    компетенции, параллелизм, сложность решений
    цена координации

    Топологии и роутинг:
    supervisor / hierarchical, peer-to-peer
    роутинг: статический / динамический / условный

    Multi-agent state:
    shared vs isolated
    конфликтность состояний и findings + dedup / merge-политики

    Практика:
    финализируем нашу систему

    Результат:
    понимаешь, когда мультиагенты оправданы
    умеешь проектировать их координацию и целеполагание

    Из чего состоит курс:
    5 онлайн-уроков в ZOOM. Живые созвоны — длятся по 1.5−2 часа и проходят раз в неделю в свободное от работы время. Есть запись.

    Домашние задания:
    Пишем агента самостоятельно, ошибаемся, пробуем еще раз и сравниваем свои действия с действиями преподавателя. Обучение через ошибки — лучший способ обучаться и закреплять материал практике.

    Q&A-сеccии:
    Online-встречи для ответов на вопросы. Фидбек дает преподаватель — никаких кураторов и помощников.

    Цена: 31500 руб.
    Скрытая ссылка
     
    Последнее редактирование модератором: 17 мар 2026
    1 человеку нравится это.
  2. Последние события

    1. CaptainObviousness
      CaptainObviousness не участвует в складчине.
      15 апр 2026 в 08:38
    2. MariaChe
      MariaChe участвует в складчине.
      14 апр 2026 в 15:46
    3. laikerrnest
      laikerrnest не участвует в складчине.
      14 апр 2026 в 14:11
    4. Crazy Men
      Crazy Men участвует в складчине.
      14 апр 2026 в 10:44

    Последние важные события

    1. skladchik.com
      Назначен организатор складчины.
      14 апр 2026 в 03:23
    2. skladchik.com
      Нужен организатор складчины.
      25 мар 2026
    3. skladchik.com
      Назначен организатор складчины.
      16 мар 2026