Создание ИИ-агентов

Вендор:

Авторский курс

Направление:

Искусственный интеллект

Продукт:

Код курса:

AI-AGENTS

Длительность:

4 дня | 32 ак. часа

Стоимость:

2520 BYN _{^{с НДС 20%}}

Курс посвящён практической разработке прикладных ИИ-агентов для бизнес-сценариев. Слушатели поэтапно собирают корпоративный AI-agent сервис: от базовой архитектуры и API-взаимодействия до tool calling, памяти диалога, RAG по внутренним документам, интеграции во внешний контур, guardrails и подготовки к пилотному запуску. В основе курса лежит сквозной проект - корпоративный AI-ассистент для внутренней базы знаний компании

Курс позволит вам погрузиться в передовые технологии построения интеллектуальных агентов на основе LLM. Вы освоите интеграцию разнообразных инструментов и API, научитесь создавать мощные пайплайны с использованием RAG-технологий и работать с различными типами данных. Практические занятия охватывают реализацию прикладных бизнес-кейсов, включая копирайтинг, email-маркетинг и автоматизацию взаимодействия с клиентами, а также позволяют эффективно интегрировать решения в существующую инфраструктуру.

Особое внимание в программе уделено работе с открытыми моделями (Ollama, Mistral, Llama), вопросам безопасности, правовым аспектам и этическому использованию искусственного интеллекта. По завершении курса вы сможете уверенно разрабатывать и внедрять умных агентов для решения конкретных задач вашего бизнеса, повысив его эффективность и конкурентоспособность.

Целевая аудитория

Python/backend-разработчики
AI/ML engineers
solution architects и технические лиды
специалисты по автоматизации и внутренним цифровым сервисам

Предварительные требования

уверенное владение Python
базовое понимание REST API, JSON и HTTP
общее понимание принципов работы LLM
желателен опыт работы с Git, Docker и веб-сервисами

Приобретаемые знания и навыки

По окончании курса слушатели смогут:

проектировать архитектуру прикладного ИИ-агента под конкретный бизнес-сценарий
разрабатывать single-agent сервис с API-слоем, orchestrator и управлением сессиями
подключать инструменты и внешние API через tool calling и маршрутизацию запросов
реализовывать память диалога, ограничение истории и многопользовательский контекст
строить RAG-пайплайн по корпоративным документам с векторным поиском
внедрять базовые guardrails, фильтрацию опасных запросов и контроль рискованных действий
подготавливать агентный сервис к пилоту: конфигурация, логирование, контейнеризация, readiness check

Модуль 1. Архитектура прикладного ИИ-агента

Объём: 4 академических часа
Что входит:
Чем прикладной AI-agent отличается от обычного LLM-чата.
Типовая схема сервиса: клиент -> API -> orchestrator -> LLM / tools / RAG / memory.
Основные компоненты: модель, инструменты, память, retrieval, защитный слой, логирование.
Когда достаточно одного агента, а когда нужны workflow и распределение ролей.
Практика:
Создание структуры проекта AI-агента на Python.
Настройка конфигурации и переменных окружения.
Реализация простого endpoint для общения с LLM через FastAPI.
Результат модуля:
Базовый сервис агента с API и понятной архитектурой.

Модуль 2. Оркестрация запросов и tool calling

Объём: 4 академических часа
Что входит:
Как понять, отвечать моделью, вызывать инструмент или идти в RAG.
Tool calling: формат аргументов, обработка результата и возврат ответа пользователю.
Маршрутизация запросов внутри orchestrator.
Типовые ошибки инструмента и безопасная деградация сценария.
Практика:
Подключение инструментов: калькулятор, погодный API, внутренняя Python-функция.
Реализация маршрутизатора внутри orchestrator.
Сборка единого ответа агента на основе результата инструмента.
Результат модуля:
Агент, который умеет вызывать внешние инструменты и корректно обрабатывать их ответы.

Модуль 3. Память и управление контекстом диалога

Объём: 4 академических часа
Что входит:
Краткосрочная память и история сообщений.
Ограничение длины истории, очистка контекста и сжатие длинного диалога.
Session_id, user_id и client_id как основа многопользовательской архитектуры.
Ограничения контекста и влияние истории на стоимость запросов.
Практика:
Реализация хранилища истории диалога.
Ограничение числа сообщений и логика очистки.
Поддержка нескольких пользователей и сессий.
Результат модуля:
Агент с управляемой памятью, пригодный для многопользовательского использования.

Модуль 4. RAG для корпоративных документов

Объём: 4 академических часа
Что входит:
Когда нужен RAG, а когда достаточно prompt + tools.
Embeddings и векторный поиск в прикладной задаче.
Chunking документов и загрузка PDF, DOCX, HTML, CSV.
Retrieval pipeline: ingestion -> embedding -> index -> search -> answer.
Практика:
Загрузка набора документов и построение векторного индекса.
Интеграция retrieval в orchestrator.
Сравнение ответа без RAG и с RAG.
Результат модуля:
Агент, который отвечает по внутренним документам компании.

Модуль 5. Интеграция агента в прикладной сервис

Объём: 4 академических часа
Что входит:
API-контракт агента и внешняя точка входа.
Подключение web-интерфейса, внутреннего портала или сервисного слоя.
Интеграция с внешними бизнес-системами через API.
Логирование запросов, ошибок и использования инструментов.
Практика:
Создание REST endpoint /chat и endpoint для сброса сессии.
Подключение простого web UI.
Добавление логирования обращений и технических ошибок.
Результат модуля:
Интегрируемый сервис агента с внешней точкой входа и логами.

Модуль 6. Безопасность и контроль работы агента

Объём: 4 академических часа
Что входит:
Какие пользовательские запросы и ответы нужно блокировать или проверять.
Prompt injection, indirect prompt injection и рискованные сценарии.
Валидация входных данных и ответов агента.
Guardrails и разграничение доступа к данным и инструментам.
Практика:
Внедрение фильтра опасных инструкций.
Ограничение вызова отдельных инструментов.
Тестирование атакующих сценариев.
Результат модуля:
Агент с базовым защитным слоем и контролем рискованных действий.

Модуль 7. Подготовка AI-agent сервиса к пилоту

Объём: 4 академических часа
Что входит:
Конфигурация среды: env-переменные, модели, ключи, переключение окружений.
Контейнеризация сервиса и базовая схема запуска.
Health check, readiness check и минимальные критерии готовности.
Чек-лист пилотного запуска: логирование, ограничения, fallback-сценарии, демонстрационный контур.
Практика:
Подготовка конфигурации dev / test / pilot.
Сборка контейнера и базовый запуск сервиса.
Формирование короткого readiness checklist для пилота.
Результат модуля:
Сервис агента, подготовленный к технической демонстрации и пилотному запуску.

Модуль 8. Итоговый проект

Объём: 4 академических часа
Что входит:
Архитектура корпоративного AI-ассистента end-to-end.
Минимум два инструмента, память диалога, RAG по внутренним документам и guardrails.
Подготовка демонстрации и защиты решения.
Критерии качества итогового сервиса.
Практика:
Демонстрация архитектуры и API.
Показ tool calling.
Показ RAG по документам.
Показ обработки небезопасного сценария.
Результат модуля:
Корпоративный AI-ассистент end-to-end, пригодный для демонстрации заказчику и обсуждения пилота.

Онлайн формат обучения

Онлайн обучение - это курс, который проходит в режиме реального времени под руководством преподавателя по такому же графику как и очное обучение. Наш учебный центр может организовывать курсы только в онлайн формате или в смешанном, когда часть слушателей находится в классе очно, а часть подключается онлайн.

Занятия на большинстве наших курсов занимают 8 академических часов в день (с 10:00 до 17:00), также есть отдельные программы вечернего онлайн обучения. Чтобы наши студенты не уставали в процессе учебы, мы делаем небольшие перерывы на чай/кофе, при полнодневном обучении также есть время на полноценный обеденный перерыв.

В процессе обучения вы сможете задавать вопросы и общаться с преподавателем и остальными участниками как с помощью чата, так и голосом при наличии микрофона.

В зависимости от выбранной программы обучения, каждому участнику будет предоставлен доступ к заренее настроенной виртуальной машине с лабораторными заданиями. Для удобства мы рекомендуем слушателям подключить 2 монитора, на одном из которых будет учебный материал/трансляция преподавателя, а на другом открыт стенд для выполнения практических заданий. На части из курсов (не всех) предусмотрена запись тренинга, которую слушатели могут просмотреть, если по какой-то причине пропустили часть занятия.