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. Спойлер: Программа 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. Работа с LLM напрямую через API Structured outputs и tool-calling с нуля Собственные метрики и оценка качества Архитектуры агентов изнутри Часть 2. Фреймворки: Изучаем стандартные индустриальные инструменты и переносите на них то, что уже умеете делать руками. Langchain Langgraph Langfuse / Arize Phoenix для observability Деплой, MCP-серверы, мультиагентные системы Программа: Три преподавателя-практика ведут свои блоки: разработка агента, качество и оценка, фреймворки и деплой. 1. Василий Исаев - Разработка агента · рукопашка: 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. 2. Андрей Киселёв - Качество и оценка: 2.1 Отладка и мониторинг 2.2 Оценка качества, evaluation 2.3 Методы повышения качества Борьба с галлюцинациями, guardrails. 3. Евгений Чернов - Фреймворки и деплой: 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. Агенты, которых вы построите: Практические кейсы и примеры в каждой теме — вы выходите с работающим кодом, а не с конспектом. 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. Преподаватели: Василий Исаев 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. Андрей Киселёв 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. Евгений Чернов 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.