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
Преподает руководитель разработки AI-продуктов, Группа Сбер (АБТ)
инженерия AI-агентов:
с нуля до запуска в prod
с нуля до запуска в prod
поток
поток №1
старт
26 мая
осталось мест
меньше 15
длительность
1.5 месяца
/1
Внедряют AI-агентов в существующую инфраструктуру компании или хотят научиться делать это для себя
/2
Уже писали агентов и получили неуправляемую «систему» с галлюцинациями, зацикливанием и сжиганием бюджета
Также Будет полезно:
Подойдет разработчикам, которые:
Tech/Team-лидам
Узнаете лучшие практики проектирования архитектуры AI-агентов
AI-продактам
Увидите процесс создания AI-агентов изнутри и будете лучше понимать свою команду
ограничей по грейду нет, но нужно знать:
любой backend-язык
базовые принципы API
сети и БД на базовом уровне
На практике будем писать агентов с помощью LLM, но в теории покажем примеры кода на Python. Конструкции будут простыми — проблем с пониманием не возникнет
/1
Проектировать архитектуру реального AI-агента с учетом best practices
/2
Получать от него предсказуемые и структурированные ответы вместо безумной генерации
/3
Обучать агента учитывать и сохранять контекст, не повторяться и вести задачу как процесс
/4
Внедрять в агента observability и мониторить качество ответов
/5
Безопасно останавливать работу агента, не «сжигать» бюджет и запрещать деструктивные действия
/6
Создавать мультиагентную систему с координацией их поведения и взаимодействия
В рамках курса научимся:
С нуля напишем своего AI-агента, который будет анализировать GitHub-репозиторий и извлекать бизнес-инсайты из названий коммитов, pr и issue
И все это — на примере реального проекта
Но важно, этот AI-агент про:
- источник инсайтов, а не замену всех людей вокруг проекта
- демонстрацию возможностей, которые ты можешь делать с ИИ, а не идеальное open-source решение
Вместо нашего агента можно создавать своего
Если у тебя есть своя идея или реальный проект на работе, можно заниматься своей задачей и по ходу задавать вопросы преподавателю
Если у тебя есть своя идея или реальный проект на работе, можно заниматься своей задачей и по ходу задавать вопросы преподавателю
Клиент отправляет HTTP-запросы в Go-приложение. Запросы идут по REST API и реализуют базовые операции:
- создать список
- удалить элемент
- добавить
Go-приложение сохраняет и читает данные из PostgreSQL
Go-приложение выступает уже не как HTTP-сервер, а как consumer:
- подписывается на очередь
- получает сообщения
- обрабатывает их в фоне
Когда нужно выполнить асинхронную работу, приложение отправляет сообщения в очередь RabbitMQ
Пушим код в репозиторий GitHub, и автоматически запускается CI-pipeline:
Ловим баги до code review
- юнит- и интеграционные тесты
- валидация форматирования
- сборка приложения
Ловим баги до code review
Все сервисы поднимаются в едином Docker Compose окружении — любой разработчик может запустить проект одной командой
Как это все будет пошагово
программа
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:
Паттерны:
Бонусом:
Практика:
______________________________
Результат:
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
«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:
Execution-слой:
Практика:
______________________________
Результат:
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
Добавляем агенту все, чтобы отправить его в свободное плавание:
память, состояние и контроль. Здесь мы превращаем реактивную систему в
управляемую и автономную
Память:
State engineering & persistence:
Идемпотентность и детерминизм:
Контроль автономности:
Практика:
______________________________
Результат:
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
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:
Guardrails:
Stop conditions или когда агент обязан остановиться:
Observability & Evals:
Практика:
______________________________
Результат:
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
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:
Топологии и роутинг:
Multi-agent state:
Практика:
______________________________
Результат:
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
Живые созвоны — длятся по 1.5−2 часа и проходят раз в неделю в свободное от работы время. Есть запись
5 онлайн-уроков в ZOOM
Пишем агента самостоятельно, ошибаемся, пробуем еще раз и сравниваем свои действия с действиями преподавателя. Обучение через ошибки — лучший способ обучаться и закреплять материал практике
Домашние задания
Online-встречи для ответов на вопросы. Фидбек дает преподаватель — никаких кураторов и помощников
Q&A-сеccии
Посмеяться, обсудить проблему или задать вопрос — на связи преподаватель и другие студенты
Общий чат
Выдадим для подтверждения твоих навыков
Сертификат
Группа СБЕР — сейчас
разработка и внедрение AI-агентов в юр-отдел, бухгалтерию, колл-центры, аналитику и многое другое
Группа СБЕР — раньше
разработка краудсорсинговой AI-платформы для подготовки мультимодальных данных любой сложности
NDA
разработка нагруженных веб-приложений для работы в реальном времени с привязкой к физическим процессам
Конференции
спикер Highload++, AI Journey, Yandex PML и многих других. Состоит в программном комитете AIConf, курирует ODS
Преподает Антипов Дмитрий
16+ лет
коммерческого опыта в разработке
7+ лет
коммерческого опыта в AI-инженерии
... токенов
сжег на агентах, набивая шишки:)
8 докладов
по AI-агентам на ведущих конференциях
руководитель разработки AI-продуктов в Группе Сбер (АБТ)
Отвечаем репутацией за качество
{
ффф"it_companies": {
ффффф"trust": 100%
ффф}
}
ффф"it_companies": {
ффффф"trust": 100%
ффф}
}
У нас регулярно учатся BigTech-компании, и в списке лишь некоторые из них:
3 из 10
человек после 1-го курса проходят еще несколько
5.0
независимая оценка качества курсов от Яндекса
>1300
человек повысили у нас квалификацию
86.6%
учеников готовы нас рекомендовать знакомым
поддерживаем высокие метрики удовлетворенности
начинаем 26 мая
Можно оплатить в рассрочку и иностранной валютой. Вернем 100% средств в первую неделю обучения, если не понравится
Стандарт
Осталось <15 мест
62 600 Р
41 500 Р
Стоимость увеличится через
дней
часов
минут
секунд
Премиум
5 online-занятий раз в неделю
Pet-проект промышленного уровня
Q&A-сессии с ответами на вопросы
Общий чат и допматериалы
Доступ к урокам на 1 год
Осталось <15 мест
65 900 Р
44 800 Р
Стоимость увеличится через
дней
часов
минут
секунд
5 online-занятий раз в неделю
Pet-проект промышленного уровня
Q&A-сессии с ответами на вопросы
Общий чат и допматериалы
Доступ к урокам на 2 года
Оставьте заявку — свяжемся в течение суток, ответим на вопросы и оформим все документы.
При таком способе стоимость увеличивается на 10% от текущей. Это связано с юридическими издержками на подготовку сделки
Оставить заявку на оплату
При таком способе стоимость увеличивается на 10% от текущей. Это связано с юридическими издержками на подготовку сделки
Оставить заявку на оплату
Частые вопросы
В неделю понадобится ≈8 часов:
Но часы обучения на курсе можно подстроить под себя — у тебя останутся записи уроков и Q&A-сессий с разбором вопросов по лекциям и практике. Если в них не получится найти нужные ответы, можно задать вопрос в общем чате с преподавателем
- один урок по 1.5−2 часа
- повторение практики 1 в 1 — примерно 3 часа
Но часы обучения на курсе можно подстроить под себя — у тебя останутся записи уроков и Q&A-сессий с разбором вопросов по лекциям и практике. Если в них не получится найти нужные ответы, можно задать вопрос в общем чате с преподавателем
Сроком доступа — в тарифе «Премиум» он увеличивается с 1 года до 2-х лет — подойдет, если у тебя высокая загруженность или захочется возвращаться к материалам спустя время
В остальном «Стандарт» — точно такой же рабочий инструмент, как и «Премиум». Все ученики будут в равных условиях и получат тот же объем материала:
- вся программа
- практика
- Q&A-сессии с ответами на вопросы
- допматериалы
Фокус на разработчиках. Также курс будет полезен Team/Tech-лидам и AI-продактам для более глубокого понимания процессов и проектирования архитектуры
Ограничений по грейдам нет, но нужно знать:
Ограничений по грейдам нет, но нужно знать:
- любой backend-язык программирования
- сети и БД на базовом уровне
- базовые принципы API
Проверка заданий не потребуется: в рамках ДЗ мы будем повторять практику занятий самостоятельно — ошибаться, пробовать еще раз и сравнивать свои действия с действиями преподавателя. Обучение через ошибки на практике — лучший способ закреплять материал
Если возникнут вопросы, их можно будет задать преподавателю на Q&A-сессиях
Если возникнут вопросы, их можно будет задать преподавателю на Q&A-сессиях
Курс оплачивается на сайте через платежный виджет. Чек об оплате высылать не нужно, доступ в личный кабинет ученика приходит сразу после оплаты
Мы находимся в процессе получения государственной лицензии, поэтому пока нельзя получить налоговый вычет. Зато можно получить кешбэк на образовательные услуги, если он подключен у тебя в банке
Да, после заполнения формы оплаты ты перейдешь на платежную страницу. Внутри есть системы, работающие с иностранными картами
Да, у нас есть возможность произвести оплату курса в качестве юридического лица.
Чтобы сделать это, пожалуйста, свяжитесь с нами через форму заявки. Отвечаем в течение 1-го дня
Оставить заявку
Чтобы сделать это, пожалуйста, свяжитесь с нами через форму заявки. Отвечаем в течение 1-го дня
Оставить заявку
Да, в течение первой недели обучения ты сможешь вернуть всю стоимость за вычетом комиссии платежной системы, если останешься недоволен качеством курса или поймешь, что обучение тебе не подходит
Примерно 50
Да, все теоретические и практические занятия на обучении ведет только один преподаватель. Он же проводит Q&A-сессии и отвечает на вопросы в общем чате.
У нас нет кураторов и помощников — только прямое общение студентов с преподавателем
У нас нет кураторов и помощников — только прямое общение студентов с преподавателем
задать вопрос
Пиши, если есть вопрос по курсу или не знаешь, с чего начать — поможем советом
Данная программа поможет вам как инженеру разобраться в ключевых сценариях применения AI-технологий и понять, как использовать искусственный интеллект для различных задач бизнеса. На курсе вы изучите ключевые подходы и освоите навыки работы с ИИ-ассистентами.
Программа курса охватывает создание и внедрение AI-ассистентов: от базовых принципов до продвинутых кейсов. Вы разберете алгоритмы и поймете роль нейросетей в анализе данных. Отдельное внимание уделяется интеграции решений со внешними сервисами и настройке процессов.
Освойте разработку ИИ-агентов и создайте своего цифрового ассистента, который поможет автоматизировать задачи и ускорить достижение целей.
Автор курса — инженер по разработке ИИ-агентов в СБЕР.
У нас есть возможность корпоративного обучения за счет работодателя. А здесь мы рассказываем, как убедить работодателя инвестировать в ваше обучение.
На нашем сайте вы также найдете курсы для продвинутых по Go, разработке отказоустойчивых микросервисов, Data Science и другие. Чтобы ознакомиться с форматом нашего обучения, посмотрите наши бесплатные уроки.
Наши программы предназначены для опытных программистов. Если вы планируете перейти, например, из юриспруденции в сферу программирования, вам будет тяжело учиться у нас.
Оставляя заявку на сайте, вы соглашаетесь с политикой обработки персональных данных.
Программа курса охватывает создание и внедрение AI-ассистентов: от базовых принципов до продвинутых кейсов. Вы разберете алгоритмы и поймете роль нейросетей в анализе данных. Отдельное внимание уделяется интеграции решений со внешними сервисами и настройке процессов.
Освойте разработку ИИ-агентов и создайте своего цифрового ассистента, который поможет автоматизировать задачи и ускорить достижение целей.
Автор курса — инженер по разработке ИИ-агентов в СБЕР.
У нас есть возможность корпоративного обучения за счет работодателя. А здесь мы рассказываем, как убедить работодателя инвестировать в ваше обучение.
На нашем сайте вы также найдете курсы для продвинутых по Go, разработке отказоустойчивых микросервисов, Data Science и другие. Чтобы ознакомиться с форматом нашего обучения, посмотрите наши бесплатные уроки.
Наши программы предназначены для опытных программистов. Если вы планируете перейти, например, из юриспруденции в сферу программирования, вам будет тяжело учиться у нас.
Оставляя заявку на сайте, вы соглашаетесь с политикой обработки персональных данных.