Настройка LLM и AI-агентов под задачу/aka-gst

Практикум · ступень 3

Настройка LLM и AI-агентов под задачу

Ollama · structured output · инструменты · память · RAG · evaluation · доставка клиенту

  • 16 разделов
  • 10 экспериментов
  • около 51 мин чтения
  • обновлено 2026-08-28
Начать читатьРепозиторий
  1. 01О практикумеУчебно-практический проект aka-gst: разобраться, как устроены AI-агенты, научиться собирать их под реальные задачи и превратить этот навык в понятную…5 мин
  2. 02Маршрут обученияРекомендуемая нагрузка: 5–7 часов в неделю небольшими сессиями. Полный маршрут занимает примерно 8 недель.3 мин
  3. 03Лабораторная работа 1: модель как APIНаучиться отличать модель, клиентское приложение и агента. На этом этапе агент ещё не создаётся: сначала нужно воспроизводимо получить ответ модели.3 мин
  4. 04Лабораторная работа 2: structured outputПолучить от локальной модели не свободный текст, а данные по строгой JSON-схеме и проверить их перед использованием в программе.3 мин
  5. 05Лабораторная работа 3: инструменты и agent loopДать модели две строго ограниченные функции и реализовать цикл «модель → инструмент → результат → модель».3 мин
  6. 06Лабораторная работа 4: состояние, память и ограниченияПродолжать диалог между отдельными запусками программы, изолировать сессии и сохранять проверяемый журнал действий.3 мин
  7. 07Лабораторная работа 5: embeddings и RAGОтвечать по локальным документам, которые можно обновлять без переобучения модели, и указывать проверяемые источники.3 мин
  8. 08Лабораторная работа 6: evaluation и pytestПроверять качество RAG на наборе заранее определённых вопросов, а не судить по одному удачному демо.3 мин
  9. 09Лабораторная работа 7: FastAPI и упаковкаПредоставить готовые компоненты как локальный HTTP API с health check, проверяемыми контрактами и воспроизводимой конфигурацией.3 мин
  10. 10Лабораторная работа 8: безопасность и передача клиентуПодготовить сервис к контролируемой передаче: доступ, backup, acceptance criteria, rollback и честное описание ограничений.3 мин
  11. 11Лабораторная 09: помощник аналитика маркетплейсаСделать прототип бокового AI-помощника, который отвечает на вопросы по открытому отчёту и справочным материалам. Используем только искусственные…4 мин
  12. 12Лабораторная 10: контекстный помощник по кабинету продавцаПосле интервью и просмотра обезличенной демонстрации кабинета стало понятно, что главный сценарий — не только анализ выгрузок. Пользователю нужен…3 мин
  13. 13Архитектура сервисаПроверяем не рейтинг в интернете, а собственный набор задач:3 мин
  14. 14Как это превращается в услугуНе «магический интеллект», а ограниченное решение конкретной задачи:3 мин
  15. 15Разбор кейсаСобрать локальный сервис, который классифицирует обращения, безопасно вызывает разрешённые инструменты и отвечает по документам с проверяемыми…3 мин
  16. 16Шаблоны для работы с клиентомДата: __________ Клиент: __________ Исполнитель: __________3 мин