О курсе
Чему вы научитесь
- писать промпты как код: роли, история, параметры — и собирать их функциями
- считать токены и стоимость запроса до отправки, а не по счёту в конце месяца
- применять zero-shot, few-shot и декомпозицию — и знать, когда CoT не нужен
- получать от модели гарантированный JSON: схема, валидация, retry
- описывать tool-схемы и разбирать tool_calls — прикладной function calling
- тестировать промпты как код: eval-наборы и регрессионный прогон
- защищать промпты от инъекций слоями — экранирование и разделение каналов
- управлять бюджетом контекста: отбор, порядок, компакция истории
- собрать библиотеку promptlib для ИИ-поддержки со скрытыми тестами
О курсе
«Промптить умеет каждый» — пока промпт лежит в чате. У разработчика промпт живёт в коде: его собирают функции, его вывод парсит пайплайн, его ломают пользовательские данные, и после каждой правки надо проверить, что ничего не отвалилось. Этот курс — про промпты как код: со схемами, тестами и защитой, а не про «магические фразы».
Формат — тренажёр с максимальной плотностью практики: 130 задач на код с автопроверкой прямо в браузере — почти половина всех шагов курса. Каждая техника — не абзац теории, а функция build_*, которую вы пишете и сдаёте грейдеру. LLM в проверке заменена детерминированным MockLLM, поэтому всё работает без API-ключа, VPN и зарубежной карты; живую модель вы попробуете в 6 локальных лабах, включая A/B-сравнение промптов.
Ядро курса — то, чего нет в «болталках про техники»: структурированный вывод (JSON из прозы, схема, валидация, retry), прикладной function calling, регрессионное тестирование промптов на eval-наборах, защита от prompt injection слоями и context engineering — бюджет токенов, отбор и компакция контекста. Отдельный обновляемый урок — промптинг под RU-стек: GigaChat и YandexGPT.
Всё происходит на одном сквозном домене — ИИ-службе поддержки магазина ShopDB: тикеты пользователей служат и few-shot-примерами, и тест-набором, и враждебным вводом для модуля про инъекции. В финале вы собираете капстоун — библиотеку promptlib: классификация тикетов, извлечение данных по схеме, слоёная защита, eval-прогон и сборка промпта в бюджет, со скрытыми тестами.
Первый модуль и первый практический урок открыты бесплатно — попробуйте тренажёр и сдайте первую задачу за 15 минут, прежде чем покупать.
Что вы получаете
- Навык обращаться с промптами как с кодом: структурированный вывод, function calling, eval-наборы и регрессия, защита от инъекций, бюджет контекста.
- Капстоун — библиотека promptlib для ИИ-поддержки ShopDB со скрытыми тестами. Готовый артефакт для резюме и портфолио.
- Шпаргалка промпт-паттернов — забираете с собой после финала.
- Сертификат Stepik при наборе проходного балла.
- Бессрочный доступ к материалам и будущим обновлениям (обновляемые уроки про reasoning-модели и RU-стек).
Для кого этот курс
- Python-разработчикам, кто уже потыкал LLM в чате и хочет встроить её в код: с гарантированным форматом вывода, тестами и защитой.
- Тем, у кого промпт «иногда работает»: после курса вы будете измерять качество eval-набором и ловить регрессии до пользователей.
- Тем, кто платит за токены: научитесь считать стоимость запроса заранее и укладывать контекст в бюджет.
- Выпускникам бесплатного магнита линейки и всем, кто хочет дешёвый первый шаг перед курсом по AI-агентам.
Начальные требования
Что нужно:
- База Python: функции, словари и списки, срезы строк, чтение JSON.
- Полезен (но не обязателен) первый опыт вызова LLM из кода — его даёт бесплатный курс линейки «LLM, RAG и AI-агенты на Python». Прийти «сбоку» тоже можно: массив messages вводим с нуля.
- Любой компьютер с браузером; для 6 локальных лаб — Python на своём ПК и ключ любого доступного провайдера (лабы опциональны, на баллы не влияют).
Что НЕ нужно:
- Не нужен API-ключ, платный аккаунт, VPN или зарубежная карта: автопроверка работает на встроенном MockLLM.
- Не нужны фреймворки (LangChain и т. п.) — все задачи на чистой стандартной библиотеке Python.
- Не нужна математика и устройство трансформеров — работаем с моделью как с чёрным ящиком через API.
- Не нужен опыт агентов — function calling даём прикладным уровнем, агентный цикл вглубь — тема следующего курса линейки.