ИИ-агенты и мультиагентные системы

О курсе

Курс о том, как из вызова модели вырастает агент — цикл с инструментами, памятью и контролем — и когда это оправдано, а когда просто дороже конвейера. Разбираем контракты инструментов, управление состоянием, стратегии планирования, ограничители и трассировку решений.

Пять модулей идут от определения агента к инструментам, состоянию и памяти, планированию и контролю, эксплуатации. В «Инструментах» собираете реестр из 4-6 инструментов с полным контрактом и тестами. В «Состоянии и памяти» перерабатываете управление состоянием и подтверждаете результат измерениями. В «Планировании и контроле» строите контур управления и проверяете его на наборе из 20 задач.

Курс для тех, кто уже писал код с вызовом LLM и хочет строить системы с автономией, а не просто чат-обёртки. Нужны Python, опыт работы с API моделей и понимание того, чем агент отличается от одного промпта. Понадобится свой агент или прототип для доработки по ходу курса.

Чему вы научитесь

• Выбирать между одним промптом, конвейером и агентом до начала разработки
• Проектировать контракт инструмента: имя, описание, параметры, возврат
• Обрабатывать ошибки инструментов так, чтобы агент мог выбраться из тупика
• Управлять состоянием и сжимать историю без потери нужного контекста
• Выбирать между планом заранее и решением по шагу под конкретную задачу
• Ставить ограничители: бюджет шагов, таймаут, стоп-условия против зацикливания
• Встраивать подтверждение человека для необратимых действий
• Настраивать трассировку и оценивать агента на наборе задач по метрике успеха и стоимости

Что останется после курса

• Рабочий реестр инструментов агента с валидацией и тестами
• Переработанное управление состоянием и памятью, подтверждённое замерами
• Контур планирования, проверенный на наборе из 20 задач
• Отчёт о готовности агента к эксплуатации (на платных тарифах — с проверкой куратором и сертификатом)

Не подходит, если нужен курс про промпты для чат-бота — здесь строят систему с инструментами, состоянием и контролем ошибок.