Мини-курс по Agno: создай личного ИИ-агента на Python

Name: Мини-курс по Agno: создай личного ИИ-агента на Python
Price: 267 RUB
Availability: OutOfStock

8 участников

О чём курс

Максим Рагалевич показывает, как собрать на Python личного ИИ-агента с помощью фреймворка Agno. Вы зададите агенту цель, добавите память и инструменты для действий, подключите знания из внешних файлов через RAG и запустите итогового помощника в Telegram. В уроках используются работающие примеры кода и небольшие проекты.

Кому подойдёт

Курс рассчитан на начинающих программистов, старшеклассников, студентов и тех, кто интересуется ИИ и LLM. Потребуются компьютер и знакомство с базовыми конструкциями Python на уровне школьной программы. Материал движется от подготовки окружения и выбора модели к диалогу с агентом, его памяти, источникам знаний и внешним инструментам.

Как устроена практика

Вы установите Python, подготовите проект в PyCharm и подключите Agno. Для доступа к модели рассматривается OpenRouter. Затем вы будете менять поведение агента с помощью цели, проверять, что он запоминает, добавлять поиск по документу, разбирать ошибки и вести журнал работы. В конце предусмотрены подключение к Telegram и запуск на хостинге.

В курс входят 40 уроков и 26 тестов. Обучение включает теорию, вопросы, проверочные задания, чеклисты и практику с кодом; заявлены пять функциональных мини-проектов и итоговый персональный агент. Также предусмотрен доступ к сообществу создателей ИИ-агентов.

Об авторе

Максим Рагалевич — разработчик Python и исследователь ИИ. Он работает в IT более 16 лет: был системным администратором, разработчиком программного обеспечения и руководителем IT-отдела. Сейчас занимается разработкой ИИ-агентов и цифровых личностей.

Программа обучения

Первое знакомство
- Первое знакомство
- Как правильно проходить этот курс
Подготовка окружения
- Устанавливаем Python. Переходим на IDE PyCharm и готовим окружение.
- Создаём новый проект и устанавливаем Agno.
- Регистрируемся в OpenRouter и получаем токен доступа.
- OpenRouter: особенности работы в учебных проектах.
- Выбираем LLM-модель для агента.
Теория про ИИ-агентов и фреймворки
- Кто такие LLM-агенты и чем они отличаются от чат-ботов.
- Почему мы выбираем именно Agno.
- Безопасность и этика в работе с ИИ-агентами.
- Тестирование по пройденной теме.
Базовый агент: цель и диалог
- Теория: что такое цель агента и как она влияет на поведение.
- Практика: агент отвечает по цели и ведёт диалог.
- Разбор программы базового агента.
- Эксперименты и мини-задания.
- Тестирование по пройденной теме.
Память агента: я тебя не забуду
- Теория: что и как помнит твой агент.
- Практика: собираем агента, который нас помнит.
- Разбор программы агента с памятью.
- Эксперименты и мини-задания.
- Тестирование по пройденной теме.
Добавление знаний агенту
- Теория: мини-RAG как локальный источник знаний.
- Практика: embedder, индекс, вопросы по документу.
- Разбор программы агента с знаниями.
- Эксперименты и мини-задания.
- Тестирование по пройденной теме.
Продвинутый агент: инструменты и логирование и инструменты
- Теория: инструменты агента.
- Практика: добавление и использование инструментов агентом.
- Разбор программы агента с инструментами.
- Теория: обработка ошибок и логирование.
- Эксперименты и мини-задания.
- Тестирование по пройденной теме.
Сборка итогового агента
- Практика: запускаем продвинутого помощника.
- Разбор программы и дальнейшие улучшения.
Подключение ИИ-агента к Телеграм
- Создание простого Telegram эхо-бота.
- Добавление кода итогового агента.
- Выбор хостинга и запуск агента.
Заключение
- Итоги и что дальше.