Чему вы научитесь
- проектировать агентов: декомпозировать задачу, выбирать цикл рассуждений и набор инструментов под конкретный класс задач
- применять паттерн ReAct и его вариации — мысль-действие-наблюдение, планирование, рефлексия
- собирать агентов руками на чистом Python без фреймворка и понимать, что именно фреймворки делают под капотом
- разрабатывать агентов на smolagents, LlamaIndex и LangGraph — выбирать фреймворк под задачу, а не наоборот
- строить Agentic RAG: маршрутизировать запросы между текстом, таблицами, PDF и изображениями, выбирать источники динамически
- оценивать качество агентов на бенчмарке GAIA: готовить формат ответа под exact match, читать метрики, диагностировать провалы
- отлаживать и сопровождать агентов в продакшене: логирование, трейсинг, обработка ошибок, планирование затрат
О курсе
AI-агенты — главная инженерная тема 2025–2026. Компании массово встраивают в продукты системы, которые не просто отвечают текстом, а действуют: ищут, считают, вызывают API, работают с документами. Этот курс проведёт вас весь путь — от того, что такое агент и почему он работает, до собственного ассистента, решающего реальные задачи.
Мы начнём с азов: разберём цикл ReAct (мысль — действие — наблюдение), поймём, что такое инструменты и зачем агенту память, и соберём первого агента руками — без фреймворков, чтобы понять механику, а не магию. После этого освоим три популярных фреймворка — smolagents, LlamaIndex и LangGraph — и научимся выбирать нужный под задачу.
Отдельное место в курсе занимает Agentic RAG: собираем агента, который умеет работать не только с текстом, но и с таблицами, PDF и изображениями и сам решает, какие источники подключать для ответа на вопрос.
Финал курса — самостоятельный проект. Вы собираете своего агента и прогоняете его против 20 вопросов первого уровня открытого бенчмарка GAIA через внешний учебный API автора (https://gaia.suchkov.tech): он выдаёт вопросы и сравнивает ваши ответы с эталонами в режиме exact match. Stepik по этому блоку оценок не выставляет и в прогресс курса не вливает — счёт вы получаете сами в терминале. В приложении к финальному уроку есть готовый CLI-скрипт run_gaia.py с понятными точками расширения: модель, инструменты, инструкция формата — всё можно поправить и сразу увидеть, как меняется результат. Весь остальной код в курсе проверен запуском на актуальных версиях библиотек.
За основу взят курс Hugging Face Agents Course, распространяемый по лицензии Apache-2.0. Мы сохранили структуру и логику оригинала, но полностью переработали материал.
Для кого этот курс
Начальные требования
- Уверенный Python: синтаксис, функции, классы, списки, словари, f-строки и базовая обработка исключений.
- Понимание, что такое HTTP-API и формат JSON (на уровне «могу прочитать ответ и отправить запрос»).
- Знакомство с командной строкой и pip, умение создать виртуальное окружение venv.
- Аккаунт LLM-провайдера с бесплатной квотой (OpenRouter / GigaChat / YandexGPT) — как получить, показано в курсе.
Как проходит обучение
- Текстовые уроки с разбором кода (читать удобнее, чем смотреть видео)
- Интерактивные задания с автопроверкой прямо на Stepik
- Сквозной кейс через весь курс + финальный проект с собственным грейдером
Программа курса
В курс входят
- 46 уроков
- 133 теста
Наши преподаватели
Отзывы прошедших курс
Что вы получаете
- 9 модулей с теорией, разборами кода и автопроверяемыми заданиями
- 46 уроков и более 130 практических задач разных форматов: выбор, сортировка, сопоставление, заполнение пропусков, код
- 3 фреймворка: smolagents, LlamaIndex и LangGraph — подход и сравнение «когда какой выбирать»
- сквозной кейс через весь курс и отдельный блок про Agentic RAG с таблицами, PDF и изображениями
- финальный проект: агент против подмножества GAIA уровня 1, проверка через внешний учебный API
- готовый CLI-скрипт run_gaia.py в приложении к финальному уроку — скачивается одним кликом
- доступ к обсуждениям уроков и авторским комментариям в сложных местах
- весь код в курсе проверен запуском на актуальных версиях библиотек