Автор: Станислав Попов
Курс скачан из открытых интернет-источников. Авторские права на продукты принадлежат только их владельцам. Основная цель сайта — это предоставление пользователям бесплатного материала для самостоятельного обучения. Если вы заметили нарушение своих авторских прав, то вы можете связаться с нами для удаления вашего продукта с нашего сайта по ссылке>>>>>
С Уважением,
Администрация проекта learn-free.site «Учитесь бесплатно»
ОПИСАНИЕ
Этот курс создан для бэкенд-разработчиков, которые хотят строить реальных AI-агентов для продакшена, а не демонстрационные прототипы. Цель — дать инженерные навыки: как использовать LangGraph или CrewAI, добавить чекпоинты, валидацию, логирование, тесты — и развернуть с помощью Docker.
Для кого этот курс
— Python-разработчики, которые хотят добавить AI в свой стек
— Инженеры, планирующие внедрять агентов во внутренние инструменты (Jira, документация, чат-боты)
— Техлиды и архитекторы, оценивающие применимость агентов в инфраструктуре
— Те, кто уже пробовал LLM, но не знает, как выйти за пределы простых скриптов.
Начальные требования
✅ Уверенное владение Python 3
✅ Опыт работы с FastAPI / aiohttp / аналогами
✅ Умение работать с командной строкой
✅ Понимание асинхронного программирования
✅ Умение работать с Docker и Docker Compose
❌ Не требуется: знание ML, TensorFlow/PyTorch, линейной алгебры
Чему вы научитесь
✓ Построите агента на LangGraph с состоянием, чекпоинтами и условными переходами
✓ Настроите надёжность: retry-логика с экспоненциальной задержкой, валидация вывода через Pydantic, fallback при сбоях LLM
✓ Обеспечите безопасность: санитизация пользовательского ввода, защита от prompt injection, ограничение инструментов
✓ Внедрите наблюдаемость: структурированное логирование в JSON, трейсинг через LangSmith, Telegram-алерты для критичных событий
✓ Упакуете в Docker: сборка образа, docker-compose с PostgreSQL и Ollama, запуск одной командой
✓ Покроете тестами: unit-тесты критичных модулей с моками LLM, интеграционные тесты эндпоинтов
✓ Сравните фреймворки: CrewAI vs LangGraph — когда выбрать каждый, какие антипаттерны избегать
ВНИМАНИЕ!
СКАЧИВАЙТЕ КУРС СРАЗУ
Материал может быть удален в любой момент по запросу правообладателя!