01
Урок первый · ≈ 1 неделя · 8 часов

Фундамент агентов

Понять разницу между workflow и agent. Освоить пять базовых паттернов: chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer.

Материалы — обязательно к прочтению
Article Anthropic · docs
Официальное руководство по архитектуре агентов на платформе Claude. Подробный разбор паттернов: workflows, prompt chaining, routing, parallelization, orchestrator-workers и evaluator-optimizer.
Track OpenAI · ~1.5ч
Официальный интерактивный трек обучения от OpenAI: концепции, инструменты, оркестрация, практические сценарии использования и безопасность агентов.
Whitepaper Google · ~1ч
Чтобы увидеть, что у всех трёх компаний концепции одинаковые, но акценты разные. Полезно для собственной картины.
Tutorial Anthropic · GitHub · 3–5ч
Не как новичок — быстро, отмечая паттерны: XML-теги, role assignment, prefilling, chain-of-thought, few-shot examples.
Repo Anthropic · GitHub
Клонировать, запустить ноутбуки. Это реализации всех паттернов из Building Effective Agents в коде.
Практические задания
Practice 2–3 часа
Реализовать простейший паттерн Chaining на чистом Python
Написать скрипт, передающий структурированный вывод одного вызова API (например, JSON с планом) на вход следующему вызову для детальной проработки без сторонних библиотек.
Practice 2–3 часа
Написать классификатор Routing на основе structured output
Создать роутер запросов, который распределяет входящие сообщения пользователей по 3-4 категориям (техподдержка, биллинг, общий вопрос) и вызывает соответствующую функцию.
Practice 4–6 часов
Создать автономный цикл Evaluator-Optimizer
Реализовать двухагентную систему: один генерирует Python-код по ТЗ, второй (критик) запускает тесты и возвращает фидбек. Цикл крутится до исправления всех ошибок или лимита в 3 итерации.
0 / 8 материалов завершено

Мои заметки

Не сохранено
Самопроверка
Три вопроса, чтобы убедиться, что ключевые концепции усвоены. Не для оценки — для самоконтроля.
Вопрос 1 из 3
В чём ключевое отличие workflow от agent по определению Anthropic?
A Workflow выполняется быстрее и дешевле
B В workflow LLM и tools оркеструются через предопределённые code paths, в agent LLM сам выбирает путь
C Agent работает только с одной моделью, workflow — с несколькими
D Workflow всегда требует human-in-the-loop, agent — нет
Правильно: B. Anthropic определяет workflow как систему с предопределёнными путями, где LLM используется как компонент. Agent же сам управляет своим потоком — решает, какие инструменты вызывать и когда остановиться. Это фундаментальное различие для выбора архитектуры.
Вопрос 2 из 3
Какой из паттернов НЕ описан в Building Effective Agents?
A Prompt chaining
B Parallelization
C Knowledge distillation
D Evaluator-optimizer
Правильно: C. Knowledge distillation — это техника обучения моделей (передача знаний от большой модели маленькой), не относится к паттернам построения агентов. В статье описаны: prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer.
Вопрос 3 из 3
Что такое «augmented LLM» по терминологии Anthropic?
A LLM с fine-tuning на доменных данных
B LLM с доступом к tools, retrieval и memory
C Мультимодальная модель (текст + изображение)
D LLM, обученная с RLHF
Правильно: B. Augmented LLM — это базовый строительный блок всех агентных систем по Anthropic. Модель, расширенная тремя возможностями: вызов tools, retrieval из внешних источников и сохранение состояния через memory. Всё остальное — комбинации этого блока.
0 / 3