AI Engineering: LLM, RAG, MCP и AI-агенты
免费 课: 26  •  微测验: 62  •  测试: 25  •  Вложений: 13  •  Карточек: 216 🇷🇺

AI Engineering: LLM, RAG, MCP и AI-агенты

Знаток
Знаток

课程概览

课: 26
微测验: 62
测试: 25
Вложений: 13
Карточек: 216

课程描述

AI Engineering - ТЕОРЕТИЧЕСКИЙ ознакомительный курс о том, как AI-функция становится управляемой системой: модель генерирует ответ, приложение находит знания, вызывает инструменты, проверяет права и фиксирует результат. Разберём LLM, RAG, MCP и AI-агентов без программирования - на уровне архитектуры, схем и инженерных решений.

Курс для тех, кто хочет понимать, почему AI-ассистент отвечает правильно или ошибается, откуда берёт факты, какие действия ему можно доверить и как оценить качество до выхода в production.

Курс не учит писать код и не заменяет практику разработки; он даёт инженерную карту решений для проектирования, обсуждения требований и диагностики AI-first систем.

Схема AI-first приложения: запрос клиента, проверка авторизации, поиск по FAQ, вызов инструмента статуса заказа, LLM, guardrails и подтверждение человеком.

🎯 Для кого этот курс

  • Начинающие LLM-инженеры - получат системную карту компонентов AI-first приложения и связей между ними.

  • Backend- и fullstack-разработчики - увидят, где в архитектуре проходят границы LLM, retrieval, tools и приложения.

  • Аналитики и технические менеджеры - научатся обсуждать AI-решения, риски, стоимость и качество на одном языке с командой.

  • Специалисты, готовящиеся к собеседованиям - разберут ситуационные вопросы по AI Engineering и trade-offs.

🧭 Какую задачу решает курс

Обычный вызов LLM API не даёт актуальных знаний, не проверяет права пользователя и не гарантирует фактическую точность. Курс показывает, как разделить ответственность между retrieval, tools, LLM, guardrails и человеком, чтобы ассистент отвечал по источникам, не выполнял лишних действий и оставлял проверяемый след.

На сквозных ситуациях - от FAQ и статуса заказа до юридического ответа, банковского контура, PDF-счёта, фото повреждённой детали, поиска по артикулу, старой CRM без API и ассистента на 1000 обращений в день - вы увидите, какие решения принимает инженер и где заканчивается ответственность модели.

🗺️ Что вы разберёте

🏗️ Архитектура и работа с LLM

  • Слои AI-first приложения, жизненный цикл запроса и выбор между обычным API, RAG и агентом.

  • Токены, контекстное окно и бюджет; temperature, top_p, вероятностная генерация и галлюцинации.

  • Облачные API, open-weight, Ollama и vLLM: приватность, стоимость, эксплуатация и совместимость моделей.

  • Иерархия инструкций, few-shot, prompt template, версионирование и воспроизводимая отладка промптов.

  • Structured Outputs, JSON Schema, business validation и отказ модели; tool calling с проверкой аргументов, прав и идемпотентности.

  • AI wrappers, provider adapters, capability matrix, model routing, streaming, фоновые задачи и ошибки API.

📄 Знания и RAG

  • PDF с текстовым слоем и сканы: OCR, layout, таблицы и контроль качества извлечения.

  • Vision, speech-to-text, text-to-speech и мультимодальные обращения.

  • Embeddings, cosine similarity, совместимость моделей и границы семантического поиска.

  • Vector databases, ANN, top-k, payload/metadata и фильтрация прав до передачи фрагментов модели.

  • Chunking: размер, overlap, заголовки, metadata и запрет разрезать таблицу посередине.

  • Полный цикл RAG: retrieval, context assembly, grounding, citations и abstention.

  • Advanced RAG: BM25, dense search, hybrid search, fusion, query rewrite и reranking.

Путь знаний в RAG: PDF и скан, OCR, чанки по структуре документа, векторная база с metadata, top-k и ответ с цитатой.

🤖 Агенты, MCP и оркестрация

  • Агентный цикл observe → decide → act → tool result → check/stop; отличие агента от workflow и обычного вызова модели.

  • Лимиты шагов, stop condition, state и human approval для необратимых действий.

  • MCP Host, Client и Server; Tools, Resources и Prompts; transport, permissions и серверная авторизация.

  • Оркестрация, task routing, handoff, Harness, память, compaction и durable state.

  • Multi-agent архитектуры: дополнительная стоимость, сложность и поверхность сбоев.

🛡️ Безопасность, качество и production

  • Guardrails входа и выхода, prompt injection, least privilege, access control и audit log.

  • Evals, pass rate, judge rubric, trace и observability; отдельная оценка retrieval и ответа.

  • RPA, computer use и selector brittleness; human-in-the-loop для массовых и финансовых действий.

  • Token budget, caching, retries, rate limits, circuit breaker и SLA.

  • Стоимость, latency, ROI, сравнение RAG и fine-tuning, итоговая production-архитектура.

🧪 Что вы будете тренировать

Это теоретический ознакомительный курс. Практика построена на разборе инженерных ситуаций и мини-тестах, без написания кода. Вы будете тренировать решения, которые затем повторяются в обсуждениях архитектуры и на собеседованиях.

  • Выбирать архитектуру для FAQ и статуса заказа, банковской системы или офлайн-контура.

  • Распределять бюджет контекста и объяснять, почему весь документ в промпте - плохое решение.

  • Находить, на каком этапе исчезла цитата, и локализовать сбой по trace.

  • Отличать JSON, валидный по схеме, от данных, пригодных для автоматического оформления заказа.

  • Выбирать lexical, semantic или hybrid search для артикула и смыслового запроса.

  • Проектировать агента с лимитами, проверкой прав и подтверждением человеком.

  • Распознавать риски prompt injection в сценарии RAG + tool calling и предлагать меры защиты.

✅ Что сможете после курса

  • Отличать LLM API, RAG, workflow, автономного агента, MCP и Harness.

  • Объяснять токены, контекст, temperature и top_p, а также ограничения LLM.

  • Выбирать между JSON Schema, tool calling, retrieval и уточняющими вопросами.

  • Проектировать интерфейсы, слои доверия, хранение состояния и участие человека.

  • Распознавать prompt injection, галлюцинации, нарушения доступа и сбои обработки документов.

  • Отделять качество retrieval от качества ответа и формулировать контрольные наборы.

  • Рассуждать о стоимости токенов, latency, кэшировании, мониторинге и ROI.

  • Разбирать ситуационные вопросы на технических собеседованиях.

📌 Формат и границы

26 уроков, средний уровень, теория с мини-тестами и практическими разборами. Курс не учит писать код и не заменяет практику разработки; он даёт инженерную карту решений для проектирования, обсуждения требований и диагностики AI-first систем.

课程大纲

1

AI-first приложения: архитектура и жизненный цикл

步骤数: 9 • 视频: 否 • 微测验: 2 • 测试: 1
2

Токены, контекстное окно и ограничения

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
3

Температура, sampling, reasoning и галлюцинации

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
4

LLM-провайдеры, API и локальные модели

步骤数: 10 • 视频: 否 • 微测验: 2 • 测试: 1
5

Prompt Engineering и иерархия инструкций

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
6

Отладка промптов и управление версиями

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
7

Structured Outputs, JSON Schema и валидация

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
8

Tool Calling: выбор и выполнение инструментов

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
9

AI Wrappers, адаптеры и Model Routing

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
10

Streaming, фоновые процессы и ошибки API

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
11

OCR, PDF и обработка документов

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
12

Vision, аудио и мультимодальность

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
13

Embeddings и семантическое сходство

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
14

Vector Databases и индексация

步骤数: 9 • 视频: 否 • 微测验: 2 • 测试: 1
15

Chunking и подготовка корпуса знаний

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
16

RAG: полный цикл ответа с источниками

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
17

Advanced RAG: hybrid search и reranking

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
18

AI Agents и агентный цикл

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
19

MCP: архитектура и безопасность

步骤数: 8 • 视频: 否 • 微测验: 2 • 测试: 1
20

Оркестрация, Multi-Agent, Harness и память

步骤数: 9 • 视频: 否 • 微测验: 2 • 测试: 1
21

Guardrails, prompt injection и Data Governance

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
22

Evals, Observability и диагностика LLM

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
23

RPA, Computer Use, Human-in-the-loop

步骤数: 9 • 视频: 否 • 微测验: 3 • 测试: 1
24

Cost Control, Production, System Design и собеседование

步骤数: 10 • 视频: 否 • 微测验: 3 • 测试: 1
25

Итоговый тест курса

步骤数: 1 • 视频: 否 • 测试: 1
26

Курс завершен

步骤数: 1 • 视频: 否
课 26
微测验 62
测试 25
Вложений 13
Карточек 216
访问权限 免费

需要登录或注册