Старт 14 августа
Онлайн
Трек
Разработчик AI-агентов
Соберёте AI-агента на Python и разберёте его по слоям: LLM получает контекст, харнес ведёт цикл, тулзы дают доступ к данным и действиям, а стейт сохраняет ход работы.
Закрытое сообщество в Discord
21 практика, тесты и кэпстоун-проект
AMA и лайвкодинг-стримы
Пожизненный доступ и обновления
ТрекОсвежите Python, который нужен для работы с агентами. Затем разберёте один вызов LLM, отправите запрос в Responses API и вручную соберёте агентный цикл. Ту же логику перенесёте на Agents SDK. Дальше добавите контекст и инструменты, MCP и безопасность, ретривал и память, планирование, трассировку, evals и обвязку запуска. В финале соберёте агента, который находит данные через инструменты, сохраняет карту источников и трассу выполнения, а его работу можно проверить по evals.
- Увидите, что получает LLM в каждом вызове и какую часть истории между вызовами хранит харнес
- Отправите запрос в Responses API, разберёте элементы ответа и вручную соберёте агентный цикл, а затем перенесёте его на Agents SDK
- Опишете тулзы через JSON Schema, добавите валидацию и права доступа, подключите MCP
- Соберёте контекст из истории, ретривала и памяти, затем сожмёте его под токен-бюджет
- Ограничите опасные действия через allowlist, подтверждения человеком и сэндбокс
- Превратите найденные сбои в eval-кейсы и проверите изменения по трейсам, задержке, стоимости и качеству
- Доработаете LLM Wiki на готовом стартере и зафиксируете воспроизводимый запуск: тесты, карта источников, трейс и health-check
Разработчик AI-агентов
Кому подойдёт направление
Старт
Тем, кто знает основы Python и хочет собрать первого управляемого AI-агента
Продвинутый
Backend-разработчикам, которые уже вызывают модели через API
AI-инженерам, которые связывают контекст, инструменты, память и evals
Архитекторам и техническим фаундерам, которые задают границы автономности
Разработчикам, переходящим от ручного агентного цикла к Agents SDK
Инфа уже у менеджера
Свяжемся с вами в ближайшее время.
Есть вопросы?
Ответим в ближайшее время
Или свяжитесь
Программа
15 модулей, 21 короткая практика и кэпстоун-проект. Python нужен для подготовки. Агентный код начинается с Responses API и переходит к Agents SDK.
01
Интро
02
Python
03
LLM
04
API
05
Контекст
Показать еще
Учебная платформа
Короткие уроки, практика и итоговые артефакты собраны на одной платформе. Для входа нужен только криптокошелёк.
- Вход по криптокошелькуПодключаете MetaMask с любого устройства и продолжаете с того места, где остановились. Отдельный пароль не нужен.
- Короткие урокиМатериал разбит на небольшие блоки. Можно пройти один урок за короткую сессию, а затем продолжить с того же места.
- Практика по ходу программыЗадания закрепляют материал сразу после урока. В крупных направлениях отдельные результаты собираются в итоговый проект или кэпстоун.
- Единое рабочее пространствоУроки, тесты, задания и материалы курса находятся рядом. Для технических задач доступны редактор и подсветка синтаксиса.
СообществоКурс можно пройти самостоятельно. Тесты проверяют новые темы вместе с материалом из прошлых модулей. В каждой из 21 практики вы пишете одну функцию, выбираете архитектурную развилку или разбираете сбой. Каждая практика самостоятельна и заканчивается небольшим проверяемым результатом. В кэпстоун-проекте вы берёте стартовый репозиторий LLM Wiki и добавляете агентный цикл, два тула чтения, тест и eval-кейс. Код и архитектуру можно обсудить в Discord. Там же периодически проходят AMA и лайвкодинг-стримы по разработке агентов.
Стримы и сообщество
01
Лайвкодинг по агентам
На стримах ведущие собирают агентов вживую: от первого вызова API до тулов, стейта и evals.
02
AMA в Discord
На периодических AMA обсуждаем стек, архитектурные решения и практику разработки агентов.
03
Обсуждение практик
Задавайте вопросы по коду и сравнивайте решения с участниками сообщества.
Что вы соберёте
Результаты 21 практики, готовый LLM Wiki и файлы, по которым можно воспроизвести и проверить запуск.
Код и решения из 21 практики
Небольшие функции, архитектурные решения и разборы сбоев для Responses API, контекста, тулов, ретривала, памяти, evals, оркестрации и запуска.
Кэпстоун-проект LLM Wiki
Стартовый репозиторий, в который вы добавите ручной агентный цикл с двумя тулзами чтения и тестом без реального вызова API.
Пакет проверки
Pytest, run_id, summary, карта источников, трейс, health-check и eval-отчёт для одного воспроизводимого запуска.