Соберите AI-агента с нуля — сначала руками, потом на фреймворках (Василий Исаев, Андрей Киселёв)

​

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.

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.