LangChain: создание ИИ агентов для бизнеса на Python
О чём курс
О чём курс
Фреймворк LangChain и язык Python служат инструментами для разработки прикладных AI-агентов, решающих реальные бизнес-задачи. Практика включает создание автономных и локальных решений без привязки к конкретным LLM, а также настройку взаимодействия моделей с внешними инструментами.
Кому подойдёт
Материал ориентирован на специалистов со знанием Python (включая основы ООП и функционального программирования) и навыками работы с Git:
- Python- и backend-разработчикам, внедряющим нейросетевые сценарии в корпоративные сервисы и продукты;
- AI/ML-инженерам и разработчикам чат-ботов, которым требуется собирать агентные системы с памятью, доступом к API и вызовом инструментов;
- Data-инженерам и аналитикам для генерации SQL-запросов, поиска по документам и извлечения информации;
- специалистам по автоматизации бизнеса и продуктовым командам для быстрого прототипирования интеллектуальных функций.
Чему учат
В рамках курса рассматривается полный стек технологий для создания агентных систем:
- работа с локальными LLM (Ollama, Qwen), зарубежными сервисами (ChatGPT, Gemini) и российскими моделями от Яндекса и Сбера;
- построение отказоустойчивых цепочек на базе Runnable-архитектуры, настройка параллельной обработки, резервных сценариев и перезапусков;
- реализация систем RAG (Retrieval-Augmented Generation), включая подготовку чанков, генерацию эмбеддингов, работу с векторными базами данных и комбинирование векторного и полнотекстового поиска;
- разработка безопасных инструментов, управление памятью агента, применение Middleware и настройка структурированного вывода.
Формат обучения
Теоретический блок состоит из коротких видеоуроков, дополненных схемами и сопутствующими материалами. Практическая часть включает проверочные тесты и разработку 5 проектов для портфолио (игра с LLM, инструменты для файлов/БД, RAG-сервис, многоступенчатая цепочка ответов и выпускной агент), а также доступ к коду в репозитории на GitHub.
Об авторе
Автор программы — Никита Шультайс, профессиональный веб-разработчик со стажем более 10 лет, преподаватель и основатель компании Shultais Education. Автор публикаций в журнале Linux Format, победитель конкурса Edcrunch Award и обладатель награды за вклад в платформу Stepik (2025).
Программа обучения
- Введение в LLM-агенты:
- LLM: возможности и ограничения
- LangChain и LangGraph
- Введение в LangChain:
- Установка и настройка LangChain
- Первый вызов LLM модели
- Шаблоны промптов
- Структурированные ответы от LLM
- Подключение Gemini
- История чата
- Проект: игра в города
- Российские LLM-модели:
- LLM модели Яндекса
- LLM модели Сбера
- Цепочки и Runnable-архитектура:
- Знакомство с проектом
- Промпт, модель и парсер
- Первая цепочка
- Погружение в Runnable-архитектуру
- Соединение цепочек
- Массовый вызов
- Колбэки
- Резервные цепочки
- Аварийная цепочка
- Резервные модели
- Fake-модель
- Аварийный ответ
- Повторы шагов
- Порядок fallback и retry
- Вложенность цепочек и Runnable
- Распараллеливание через RunnableParallel
- Passtrough и проброс данных
- Инструменты:
- Введение в инструменты
- Создание и ручной вызов инструмента
- Встроенные парсеры
- Ответ модели после вызова инструмента
- Документация
- Обработка исключений в инструментах
- Множественные вызовы
- Выбор из нескольких инструментов
- Схема аргументов
- StructuredTool
- BaseTool
- Проблема вызова нескольких инструментов
- RAG:
- Введение в RAG
- Внешние загрузчики
- Внешние загрузчки: практика
- Искусство нарезки текстов, часть 1
- Искусство нарезки текстов, часть 2
- Установка векторной базы данных
- Установка embedding-моделей
- Простейший embedding
- Embedding всей базы данных
- Поиск по векторному хранилищу
- Сборка цепочки
- Архитектура индексации
- Архитектура RAG
- Параметры ретривера
- Ретривер с фильтром
- Мульти запросы
- Ответы с источниками
- Вектора и точные совпадения
- Вектора и полнотекстовый поиск
- Полнотекстовый ретривер
- Оформление инструмента
- Агенты в LangChain:
- Введение в агенты
- Создание первого агента
- Прямой возврат от инструмента
- Структурированный вывод
- Введение в Middleware
- Первый Middleware
- Работа с персональными данными
- Контекст времени выполнения
- Собственный Middleware
- Состояния агента
- Изменение сообщений
- Возобновление работы агента
Теги курса
Другие материалы автора 9
НШ Никита Шультайс Все материалыОтзывов пока нет. Будьте первым!
Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.
Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.
Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.