AI Python Engineer
Практический курс по разработке AI-приложений на Python: интеграции с LLM API (OpenAI, Anthropic, Gemini), prompt engineering, RAG, агентские системы (LangGraph, CrewAI, OpenAI Agents SDK, MCP) и production-деплой с кэшированием и мониторингом затрат.
Программа курса
Экосистема AI API: провайдеры, модели, токены
6 задач
Настройка окружения: venv, `.env`, python-dotenv
7 задач
OpenAI SDK: первый запрос через OpenRouter (бесплатно)
7 задач
Анатомия ответа: `choices`, `usage`, `finish_reason`
7 задач
Anthropic SDK: `messages.create` и отличия от OpenAI
7 задач
Gemini и Groq: два бесплатных провайдера
7 задач
Параметры генерации: temperature, max_tokens, top_p
6 задач
Стриминг ответов: `stream=True` у OpenAI и Anthropic
7 задач
Параллельные запросы: `asyncio.gather`
7 задач
Обработка ошибок API: `try/except`, timeout, пустой ответ
7 задач
Финальный проект модуля: AI Chat Router
8 задач
Роли в чате: system, user, assistant
7 задач
System prompt: задать контекст и правила поведения
6 задач
Few-shot промптинг: примеры в контексте
8 задач
Chain-of-thought: "думай пошагово"
6 задач
Шаблоны промптов: f-strings и Jinja2
7 задач
Multi-turn диалог: сохранение истории сообщений
6 задач
Парсинг нестрогого ответа: извлечь JSON из текста
8 задач
Prompt injection: атаки и защита
8 задач
Финальный проект модуля: AI Резюме Анализатор
7 задач
JSON-режим OpenAI: response_format={"type":"json_object"}
7 задач
Pydantic v2: модели для структурированного вывода
6 задач
Structured Outputs OpenAI: `response_format=MyModel`
5 задач
Function Calling: объявление инструментов
8 задач
Function Calling: цикл обработки вызовов
8 задач
Параллельные вызовы: `parallel_tool_calls`
8 задач
Tool Use в Anthropic API
7 задач
Финальный проект модуля: AI Data Extractor
7 задач
Что такое RAG и зачем он нужен
7 задач
Эмбеддинги: векторное представление текста
6 задач
Embeddings API: генерация векторов (OpenAI и бесплатные альтернативы)
7 задач
ChromaDB: хранить и искать эмбеддинги
8 задач
Cosine similarity: ручная реализация поиска
8 задач
Chunking стратегии: разбивка документов
6 задач
Загрузка документов: PDF, TXT, Markdown
6 задач
RAG-пайплайн: запрос -> поиск -> промпт -> ответ
7 задач
Reranking: улучшение релевантности
7 задач
Финальный проект модуля: База знаний
6 задач
LangChain: LCEL и цепочки (`|` оператор)
7 задач
`ChatPromptTemplate`: системный промпт агента
7 задач
Memory: ConversationBufferMemory
7 задач
Встроенные инструменты LangChain: DuckDuckGo, Wikipedia
8 задач
Кастомный инструмент: декоратор `@tool`
7 задач
ReAct агент: Reason + Act
6 задач
Введение в LangGraph: узлы, рёбра, StateGraph
6 задач
Условные рёбра: add_conditional_edges
6 задач
LangSmith: трейсинг и отладка
6 задач
LangGraph: `MemorySaver` - персистентные чекпоинты
8 задач
Финальный проект модуля: Исследовательский агент
8 задач
Паттерны мульти-агентных систем: Pipeline, Supervisor, Debate
6 задач
CrewAI: `Agent` с `role`, `goal`, `backstory`
5 задач
CrewAI: `Task` и `Crew`
7 задач
CrewAI: процессы `sequential` vs `hierarchical`
6 задач
Кастомные инструменты для CrewAI
7 задач
OpenAI Agents SDK: `Agent` и `handoff`
7 задач
MCP (Model Context Protocol): подключить MCP-сервер
7 задач
Отладка мульти-агентных систем
8 задач
Финальный проект модуля: AI Контент-команда
7 задач