Фаза 01 · Фундамент · AI Engineering Roadmap

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

Building Agents Learning Track

Официальный интерактивный трек обучения от OpenAI: концепции, инструменты, оркестрация, практические сценарии использования и безопасность агентов.

Whitepaper Google · ~1ч

Google Agents Whitepaper

Чтобы увидеть, что у всех трёх компаний концепции одинаковые, но акценты разные. Полезно для собственной картины.

Tutorial Anthropic · GitHub · 3–5ч

Prompt Engineering Interactive Tutorial

Не как новичок — быстро, отмечая паттерны: XML-теги, role assignment, prefilling, chain-of-thought, few-shot examples.

Repo Anthropic · GitHub

Anthropic Cookbook → patterns/agents

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