Программирование [karpov.courses] RAG-боты и агенты LLM (большие языковые модели)

[𝕯𝖆𝖗𝖐🥰𝕬𝖓𝖌𝖊𝖑]

Автор: karpov.courses​

Название: RAG-боты и агенты LLM (большие языковые модели)​

Продолжительность: 9 ч 34 мин Количество уроков: 5 Видео Язык: Русский Вес архива: 1,60 ГБ

Если вы хотите уверенно создавать современных AI‑ассистентов, RAG‑ботов и инструменты на базе LLM, но не знаете, с чего начать — этот курс станет вашим пошаговым путеводителем. От no-code прототипов до Python‑бэкенда и MCP‑инструментов, вы освоите рабочие навыки, которые сейчас востребованы в компаниях и реальных проектах.

Что делает этот курс особенным

Материал выстроен так, чтобы вы понимали не только отдельные технологии, но и всю экосистему: от обработки данных до интеграции ассистента в Telegram. Все решения ориентированы на практику, современные подходы (RAG, Ollama, MCP) и реальные сценарии использования.

Формат обучения

• Пошаговые разборы — от простого к сложному.
• Онлайн‑занятия с разбором вопросов и демонстрациями.
• Самостоятельная практика: Flowise, векторные БД, локальные модели, Telegram‑бот.
• Доступ к записям, пайплайнам и инструкциям без ограничений.

Для кого этот курс

Программа подходит специалистам, которые хотят разобраться в LLM‑ассистентах и научиться создавать собственные решения — от прототипов до мини‑приложений.

Аналитикам

• Проектирование AI‑сервисов без сложной разработки.
• Интеграция инструментов через MCP‑сервер.
• Работа с поиском по документарам и векторными БД.

Разработчикам и QA

• Использование архитектуры RAG в проектах.
• Работа с Ollama и pgvector на локальном сервере.
• Создание инструментов и цепочек вызовов для LLM.

IT‑специалистам, DevOps и архитекторам

• Встраивание LLM‑компонентов в инфраструктуру компании.
• Настройка локальных моделей и безопасных сервисов.
• Интеграция внешних API в ассистентов.

Навыки, которые вы получите

По итогу курса вы создадите полноценного AI‑ассистента, который умеет искать данные, выполнять запросы, работать с документами и интегрироваться с внешними сервисами.

Обработка документов и поиск

• Настройка RAG‑механизма.
• Текстовый сплиттинг и векторизация.
• Работа с pgvector и семантическим поиском.

Инструменты и API

• Создание инструментов для доступа к данным.
• Подключение API (погода, валюты, метрики).
• Настройка MCP‑сервера.

Работа с LLM и логикой ассистента

• Управление конфигурацией моделей.
• Обработка ошибок и управление цепочками действий.
• Создание no-code/low-code прототипов.

Создание Telegram‑бота

• Разработка Python‑бота с Webhook и авторизацией.
• Интеграция с GPT‑4o и локальными моделями через Ollama.
• Добавление поиска по документам и подключения внешних сервисов.

Результат

После прохождения курса у вас будет собственный работающий ассистент с поиском, инструментами, API и Telegram‑интерфейсом — плюс понимание того, как развивать и масштабировать его дальше.

СКАЧАТЬ: