Дневник курса
Практические разборы по мере прохождения курса по ИИ-агентам: как устроены агенты, как выбирать модель, как строить RAG и управлять рассуждением модели. Каждый урок — самостоятельная заметка с выводами, FAQ и источниками.
ИИ-агенты в 2026: устройство, выбор модели и провалы в проде
Лестница зрелости от чат-бота до агента, четыре компонента анатомии, обрыв контекста при росте каталога инструментов, четыре критерия выбора модели, бенчмарки 2026 с поправкой на обвязку и типология провалов агентов в проде.
Управление мышлением агента: глубина рассуждения, бюджеты и роутинг
Глубина «мышления» модели имеет обратную точку: после порога качество падает, а счёт растёт. Как мерить, ограничивать и роутить — в проде, не на бумаге.
RAG-системы: качество ответа определяет поиск, а не модель
Ответ модели хорош ровно настолько, насколько хорош поиск по вашим данным. Как собрать такой поиск, что делать со сканами и таблицами и почему на сложных вопросах слабым звеном становится не поиск, а рассуждение модели.
Структурный вывод и типизация агента: контракт вместо парсинга JSON
Схема как контракт, а не просьба в промпте: три уровня контроля вывода, рассуждение по схеме, зависимости без промпта и циклы валидации в PydanticAI.