Программирование [Matt Pocock] Создание DeepSearch на TypeScript

[𝕯𝖆𝖗𝖐🥰𝕬𝖓𝖌𝖊𝖑]

Автор: Matt Pocock​

Название: Создание DeepSearch на TypeScript​

Продолжительность: 4 ч 35 мин Количество уроков: 113 Видео Язык: Английский Вес архива: 3,27 ГБ

О чём этот курс и какую проблему он решает

Современные компании активно внедряют LLM и интеллектуальные агенты, но большинство разработчиков знают только базовую работу с GPT. Курс “Создание DeepSearch на TypeScript” покажет, как создавать продакшен‑готовые AI‑приложения, работать с RAG, строить агентику, настраивать метрики качества и проектировать архитектуру, которая выдержит реальные нагрузки.

Что такое DeepSearch

DeepSearch — это полнофункциональная система интеллектуального поиска, объединяющая:

• LLM‑модели;
• RAG‑архитектуру для работы с базами знаний;
• агентов с decomposition‑подходом;
• метрики качества и трассировку;
• интерактивный интерфейс на TypeScript + Next.js.

В рамках курса вы создадите DeepSearch целиком — от архитектуры до продакшен‑функционала.

Для кого предназначен курс

Кому он подходит лучше всего

• Frontend‑разработчикам, которые хотят перейти в AI‑разработку.
• Backend и Fullstack инженерам, внедряющим LLM в реальные продукты.
• Разработчикам, знакомым с GPT, но желающим перейти от «промптов» к настоящей архитектуре.
• Тем, кто хочет понять работу RAG, агентов, метрик и продакшен‑паттернов.

Что вы создадите в ходе курса

За время обучения вы разработаете полноценное AI‑приложение — DeepSearch — включающее все современные технологические блоки:

• Next.js + TypeScript для серверной логики и интерфейса;
• LLM через AI SDK с поддержкой инструментов;
• RAG: индексация, поисковые пайплайны, embedding‑модели;
• PostgreSQL + Drizzle ORM для надежного хранения данных;
• Redis для кеширования и ускорения ответа;
• реактивный UI с real‑time обновлениями;
• системы оценки качества генераций: LangFuse и Evalite;
• агента, использующего decomposition‑стратегию для сложных задач.

Продакшен‑практики, которые вы освоите

Курс делает особый акцент на создании настоящих AI‑систем, а не демо‑приложений:

• правильная структуризация AI‑логики;
• трассировка и метрики качества;
• оптимизация скорости и стоимости LLM‑запросов;
• улучшение промптов и пайплайнов;
• устойчивость и обработка ошибок;
• тестирование генераций.

Результаты после прохождения курса

После курса вы сможете самостоятельно создавать и развивать AI‑приложения, которые:

• работают стабильно в продакшене;
• умеют выполнять сложные многошаговые задачи с помощью агентов;
• используют внешние базы знаний (RAG);
• оценивают и улучшают качество ответов через метрики;
• масштабируются под реальные нагрузки и пользователей.

Программа курса (короткий обзор модулей)

Модуль 1. Архитектура и основы AI‑разработки

• принципы построения продакшен AI‑приложений;
• основы AI SDK и работы моделей.

Модуль 2. Построение RAG и базы знаний

• embeddings и их оптимизация;
• поисковые пайплайны и индексация.

Модуль 3. Реализация агента

• decomposition‑подход;
• создание инструментов для агента.

Модуль 4. Хранилища и инфраструктура

• PostgreSQL + Drizzle;
• Redis для кеширования и ускорения.

Модуль 5. Интерфейс и взаимодействие

• Next.js серверные маршруты;
• реактивные UI‑компоненты.

Модуль 6. Метрики, оптимизация и продакшен

• LangFuse и Evalite;
• оценка качества и улучшение генераций.

СКАЧАТЬ: