Бонус · для портфолио + фоновое обучение

Final Project &
Extras

Финальный проект под ваш профиль, подкасты на каждый день, русскоязычные ресурсы, английский и официальные треки Anthropic, OpenAI, Google и Microsoft — параллельно с курсом.

Финальный проект

Соберите agentic-сервис, который встраивается в ваш текущий стек. Это покажет в портфолио всё сразу: prompt engineering, паттерны, evals, MCP, observability.

4 идеи под ваш профиль

Код-ревью агент

Читает diff в PR, проверяет конвенции вашей команды, тесты, оставляет инлайн-комментарии. Учится на исторических ревью.

Incident response

Читает логи, runbooks, метрики из Prometheus. Предлагает гипотезу первопричины, рекомендует первые шаги mitigation.

Migration agent

Типизация кодовой базы, обновление зависимостей, рефакторинг под новую версию фреймворка. Параллельная обработка через worktrees.

DevOps copilot

Анализ Terraform, проверка best practices, генерация helm-charts по описанию сервиса. С guardrails на чувствительные ресурсы.

Что должно быть в проекте

  • Tool use — читает файлы, дёргает API, запускает команды
  • Structured outputs через Pydantic
  • Eval suite, гоняющийся в CI
  • Observability (Langfuse / LangSmith)
  • Cost limiting и rate limiting
  • README на английском
  • Demo-видео или asciinema-запись

Как понять, что проект готов

Architecture

Понятно, где model loop, где tools, где state, где storage, где approvals.

Safety

Dangerous tools ограничены sandbox, allowlist, human review или dry-run режимом.

Evals

Есть baseline, regression cases, graders и понятный порог ship / hold / rollback.

Observability

Можно открыть trace и объяснить, почему агент принял конкретное решение.

Operations

Есть rate limits, cost limits, release scorecard, rollback path и incident note template.

Portfolio

README, demo, architecture diagram и honest limitations написаны так, чтобы их мог оценить другой инженер.

Capstone execution checklist
Capstone
Выбрать один production-like сценарий
Лучше узкий и реальный: code review, incident triage, migration helper, support classifier, docs maintainer.
Capstone
Описать tool contract и threat model
Для каждого tool: входы, выходы, права доступа, опасные операции, ошибки, audit log.
Capstone
Собрать минимальный вертикальный slice
Один request проходит весь путь: input → model → tool → structured output → trace → response.
Capstone
Добавить 20-30 eval cases
Включить happy paths, edge cases, prompt injection, noisy inputs и expected failure cases.
Capstone
Подключить observability и сохранить 3 trace-разбора
Один хороший run, один плохой run, один спорный run с ручным решением.
Capstone
Поставить eval gate в CI
Любое изменение prompt/model/tool code должно показывать diff качества, latency и cost.
Capstone
Написать README на английском
Problem, architecture, setup, evals, observability, safety, limitations, roadmap.
Capstone
Записать demo и one-page architecture note
Короткое видео или asciinema + схема компонентов без лишнего маркетинга.
Capstone
Провести postmortem обучения
Что стало быстрее, что всё ещё опасно доверять агенту, какие навыки надо добрать в следующем цикле.
Подкасты (EN)
Главный AI-инженерный подкаст. Swyx, Alessio.
Гергей Орос. Выпуски про Claude Code и другие AI-инструменты.
Продуктовые разборы AI-инструментов.
Глубокие интервью с исследователями. Не для слабонервных.
YouTube (EN)
Эталон образовательного контента. Идеально для тренировки слуха.
Записи конференции AI Engineer Summit.
Короткие технические видео. Хороший вход в экосистему.
Русскоязычные ресурсы
Telegram
Игорь Котенков. Лучший аналитический канал по AI на русском.
Telegram
Технический канал с регулярными обзорами статей.
Podcast
Выпуски про LLM и AI-агентов. Инженерный уровень.
Community
Крупнейшее русскоязычное ML-сообщество: митапы, курсы и общение.
Инструменты для английского
Browser
Параллельный перевод абзацами. Самый важный инструмент.
Audio
Озвучивает любой текст голосом высокого качества.
Browser
Двойные субтитры в YouTube и Netflix.
Writing
Лучшая редактура английского. Использовать вместо Grammarly.
Официальные OpenAI источники
DocsOpenAI
Reading path по agent definitions, orchestration, guardrails, state, observability и evaluation workflows.
DocsOpenAI
Смотреть как reference для tool contracts, hosted tools, MCP connectors и локальных function tools.
DocsOpenAI
Официальный слой для test data, testing criteria, graders и evaluation runs.
TrackOpenAI
Официальный 1-3 hour track: concepts, tools, orchestration, practical use cases and guardrails.
ResourcesOpenAI
Learning tracks, demo apps, videos and cookbook links. Использовать как monthly refresh source.
DocsOpenAI
Как формализовать quality checks для fine-tuning, RFT, eval loops и regression gates.
Anthropic / Claude learning path
CoursesAnthropic
Официальная платформа обучения Anthropic: основы API, prompt engineering, оценка промптов, интеграция инструментов и разработка агентов.
DocsAnthropic
Начинать с success criteria, evals и первой версии prompt, а не с хаотичного подбора формулировок.
DocsAnthropic
Client tools, server tools, structured tool calls, MCP connector and strict schema conformance.
DocsAnthropic
Prompt test sets, variables and manual review loop in Claude Console before pushing changes into app code.
DocsClaude Code
Управление проектом из терминала: repo context, tool permissions, terminal loop, review and handoff discipline.
CookbookAnthropic
Практические notebooks для tool use, extraction, RAG, multimodal and advanced Claude patterns.
Google / Gemini / ADK
DocsGoogle ADK
Production agent framework: graph workflows, multi-agent orchestration, sessions, memory, deployment and observability.
DocsGoogle ADK
Разобрать структуру agent definition, model selection, instructions, tools, state and runtime.
DocsGoogle ADK
Function tools, agents-as-tools, tool context, auth, error handling and sequential tool use.
DocsGoogle ADK
Trajectory, tool-use quality, final response quality, pytest integration and CI-friendly regression checks.
DocsGemini API
Function declarations, call IDs, parallel/compositional calls and connecting Gemini to external systems.
DocsGemini API
Когда model-run code execution полезнее обычного tool call и как ограничивать такой capability.
Microsoft / GitHub Agentic AI
Study guideMicrosoft Learn
Использовать как внешний skill map: SDLC, tools/MCP, memory/state, evals, multi-agent coordination и guardrails.
ModuleMicrosoft Learn
Plan → act → evaluate, GitHub as system of record, contributor model, risks and traceability.
ModuleMicrosoft Learn
Agent responsibilities, inputs/outputs, planning vs execution, PR governance, checks, CODEOWNERS and environment gates.
ModuleMicrosoft Learn
Tools, APIs, MCP servers, GitHub Actions, execution boundaries, branch restrictions and environment safeguards.
PracticeGitHub
Сверить capstone с GH-600 skill weights
Отдельно отметить: architecture/SDLC, tools/MCP, memory, evals, multi-agent and guardrails. Это хороший финальный self-review.
PortfolioGitHub
Добавить GitHub governance в README финального проекта
PR template, required checks, branch/ruleset policy, CODEOWNERS, artifacts, eval report and human review boundaries.
DocsGitHub Copilot
Background agent workflow: repo research, implementation plan, branch changes, tests, PR and review loop.
DocsGitHub Copilot
Подключение MCP servers к Copilot Chat как практический слой context and tool governance.
DocsMicrosoft
Python/.NET agent abstractions, orchestration and Azure/OpenAI agent types for enterprise apps.
DocsMicrosoft Foundry
Managed platform for prompt agents, workflow agents and hosted code agents with identity, observability and enterprise controls.
Не делайте английский отдельной задачей. У вас уже есть мощная мотивация — карьера в AI. Все материалы и так на английском.
0 / 52 extras завершено