AI Агенты на Python: для начинающих

О чём курс

Станислав Попов показывает Python-разработчикам, как построить AI-агента с памятью, проверкой вывода и мониторингом. Вы начнёте с агента без фреймворка, затем разберёте CrewAI и LangGraph, сравните их на небольших задачах и соберёте сервис обработки заявок в поддержку.

В LangGraph вы будете работать с состоянием графа, узлами, переходами, чекпоинтами и прерываниями для участия человека. Сравнение с CrewAI охватывает линейные процессы, циклы, параллельную обработку и ошибки проектирования, в том числе бесконечный цикл и утечку состояния.

Для кого

Курс рассчитан на Python-разработчиков, которые хотят добавить AI в свой стек, и на инженеров, планирующих внедрять агентов во внутренние инструменты: системы задач, документацию и чат-боты. Он также адресован техлидам и архитекторам, оценивающим применение агентов в своей инфраструктуре, и тем, кто уже работал с LLM на уровне простых скриптов. Академическую математику автор в программу не включает.

Надёжность и развёртывание

Автор разбирает повторные попытки с экспоненциальной задержкой, проверку структуры вывода через Pydantic и запасной сценарий при сбое LLM. Для защиты предусмотрены очистка пользовательского ввода, работа с prompt injection и ограничения доступа к инструментам. Наблюдаемость включает структурированные JSON-логи, трейсинг через LangSmith и Telegram-оповещения о критичных событиях.

Вы упакуете приложение в Docker и запустите его вместе с PostgreSQL и Ollama через docker-compose. В тестовой части есть проверки бизнес-логики с имитацией ответов LLM и интеграционные тесты эндпоинтов.

Материалы и проект

Теория дана в коротких конспектах с кодом; предусмотрены задачи на программирование и более 300 тестовых заданий. Итоговый проект SupportAI — агент для классификации заявок в поддержку на FastAPI и LangGraph. В составе материалов заявлен готовый репозиторий проекта для портфолио.