Промышленная разработка AI-агентов на LangChain и LangGraph

Профиль аудитории:

• Python-разработчики, желающие освоить создание AI-агентов
• ML-инженеры и Data Scientists, расширяющие компетенции в области LLM-приложений
• Backend-разработчики, переходящие в сферу AI-разработки
• Технические лидеры, планирующие внедрение агентных систем в продукт

Предварительные требования:

• Уверенное владение Python
• Базовое понимание работы нейронных сетей и языковых моделей
• Опыт работы с Docker и командной строкой
• Знакомство с REST API и асинхронным программированием будет преимуществом

По окончании курса слушатели смогут:

• Строить цепочки обработки на LangChain Expression Language (LCEL) с использованием различных моделей и парсеров
• Проектировать и реализовывать RAG-системы с индексацией, поиском и оценкой качества
• Создавать state-full агентов на LangGraph с условной логикой, циклами и кастомными инструментами
• Реализовывать мультиагентные системы с архитектурой "Супервизор и команда"
• Встраивать механизмы Human-in-the-Loop для контроля критически важных процессов
• Оценивать качество агентов с помощью LangSmith и защищать их от Prompt Injection и других атак
• Разрабатывать и презентовать комплексные агентные системы промышленного уровня

Блок 1. Фундамент и экосистема

• Цель блока: Настроить рабочее окружение, освоить базовые концепции и современный ландшафт AI-разработки.
• Занятие 1. Введение в экосистему AI-разработки 2026
• Теория: Эволюция AI-приложений. Архитектура современных AI-систем. Экосистема LangChain, LangGraph, LangSmith. Настройка окружения: Python 3.12+, Docker, Ollama.
• Практикум: Установка библиотек, запуск локальной модели, настройка LangSmith.
• Занятие 2. Продвинутый промпт-инжиниринг
• Теория: System Prompts, Chain-of-Thought, Few-Shot Prompting, структуризация для Tool Calling. Практикум: Создание промптов, решение логических задач через CoT, вывод в JSON-формате.
• Занятие 3. Парадигма LangChain (LCEL) и простые цепочки
• Теория: LCEL, оператор pipe, Runnable протокол, RunnableParallel, RunnablePassthrough. Практикум: Создание первой цепочки, параллельная обработка, отладка в LangSmith.

Блок 2. Основные компоненты LangChain

• Цель блока: Глубоко изучить ключевые строительные блоки для RAG-систем и подготовки к агентной логике.
• Занятие 4. Модели и парсеры вывода
• Теория: Единый интерфейс для LLM/ChatModels, JsonOutputParser, PydanticOutputParser, with_structured_output. Практикум: Извлечение структурированных данных, отказоустойчивый парсинг.
• Занятие 5. RAG — Часть 1: Индексация
• Теория: Архитектура RAG, Document Loaders, Text Splitters, Embeddings, Vector Stores (FAISS, ChromaDB, Weaviate). Практикум: Загрузка документов и создание векторной базы.
• Занятие 6. RAG — Часть 2: Поиск и генерация
• Теория: Retrievers (векторный, Multi-Query, Parent Document), оценка качества RAG. Практикум: Q&A-бот на векторной базе, Multi-Query, анализ трассировок в LangSmith.

Блок 3. LangGraph — Оркестрация State-full агентов

• Цель блока: Освоить основной инструмент для создания сложных, циклических и управляемых AI-агентов.
• Занятие 7. Переход к LangGraph. Граф, состояние и узлы
• Теория: Ограничения LCEL, парадигма State Graphs, State, Nodes, Edges. Практикум: Простой граф с двумя узлами.
• Занятие 8. Условная логика и циклы
• Теория: add_conditional_edges, циклы, START и END. Практикум: Проект "Агент-программист" — генерация кода, тесты, итеративное улучшение.
• Занятие 9. Создание агентов, использующих инструменты (Tools)
• Теория: Концепция Tools, декоратор @tool, обработка вывода. Практикум: Агент-ассистент с поиском (Tavily) и калькулятором.
• Занятие 10. Управление памятью и персистентность
• Теория: Типы памяти, интеграция истории, Checkpointers (in-memory, SQLite, Redis). Практикум: Многоходовой диалог, SQLite-чекпоинтер.
• Занятие 11. Мультиагентные системы
• Теория: Архитектура "Супервизор и команда", координация агентов. Практикум: Агент-исследователь + Агент-аналитик + Граф-супервизор.
• Занятие 12. Human-in-the-Loop (Человек в цикле)
• Теория: Контроль человека, прерывания (interrupt_before, interrupt_after). Практикум: Агент-рассыльщик с подтверждением перед отправкой.

Блок 4. Производственная эксплуатация и безопасность

• Цель блока: Научиться оценивать, защищать и разворачивать агентные системы.
• Занятие 13. Оценка (Evaluation) агентов с помощью LangSmith
• Теория: Датасеты для оценки, автоматизированные эвалюаторы, анализ регрессий. Практикум: Оценка RAG-бота, запуск Correctness/Faithfulness эвалюаторов.
• Занятие 14. Безопасность и защита агентов (Agent Security)
• Теория: Prompt Injection, SSRF, утечка данных. Валидация входов/выходов, Sandboxing (Docker, E2B). Практикум: Атака Prompt Injection и реализация защитного слоя.
• Занятие 15. Финальный проект — Воркшоп и разработка
• Проектирование архитектуры агента или мультиагентной системы: состояние, узлы, инструменты и логика переходов. Начало реализации под руководством преподавателя.
• Занятие 16. Демонстрация финальных проектов и подведение итогов
• Демонстрация работающих прототипов. Обзор ключевых концепций курса. Обсуждение трендов и рекомендации по дальнейшему развитию.