Складчина: RAG-боты и автоматизация LLM [Karpov.courses] [Ярослав Шуваев]
Научитесь создавать AI-инструменты, которые помогают в работе:
- Находят нужную информацию
- Отвечают на вопросы
- Получают данные из внешних сервисов — от no-code прототипа до простого Python-бота
- Это практический интенсив, на котором вы шаг за шагом пройдёте путь от простой no-code сборки до локального приложения с поиском по документам, подключением сервисов и Telegram-интерфейсом
- За 4 вебинара вы получите необходимые навыки LLM-инженера и соберёте основу ассистента: настроите поиск и обработку ваших данных, подключите инструменты, добавите свою логику и запустите Telegram-бота с фоллбэком на GPT-4o
- Программа выстроена так, чтобы вы понимали не только шаги, но и общую логику работы AI-ассистентов: подготовку данных, механизм поиска, подключение инструментов через MCP и выполнение запросов
Аналитикам
- Проектирование и сборка прототипов AI-сервисов
- Интеграция внешних инструментов через MCP-сервер
- Работа с векторными базами данных для поиска по документации
- Архитектурный паттерн RAG и компоненты современного AI-стека
- Сервер локальных моделей (Ollama) и векторная БД (pgvector)
- MCP-сервер для интеграции инструментов
- Интеграция LLM-компонентов в IT-ландшафт компании
- Развертывание локальных моделей через Ollama и работа с векторными БД
- Подключение внешних сервисов, создание безопасных и масштабируемых AI-ассистентов
- Удобное время занятий: все уроки онлайн, можно задавать вопросы и разбирать кейсы в реальном времени.
- Фокус на практику: вы делаете всё своими руками — от сборки Flowise до Telegram-бота.
- Постоянный доступ к материалам: записи, код, пайплайны и инструкции остаются у вас навсегда.
- Поддержка преподавателя: уточнение деталей, разбор ошибок и рекомендации прямо на занятии.
- Быстро находить информацию в документах
Соберёте ассистента, который понимает файлы и помогает искать данные. - Получать данные из внешних сервисов
Настроите API через MCP для подгрузки погоды, курсов или метрик. - Настраивать поведение (Low-code)
Научитесь управлять поиском, обрабатывать ошибки и переключать модели. - Создавать прототипы на базе LLM
Разберётесь с цепочками поиска, инструментами и тестированием функций. - Работать с локальной векторной базой и API
Освоите сплиттинг текста, Pgvector и FastAPI для семантического поиска. - Собирать Telegram-ассистента
Создадите бота на Python, настроите Webhook, авторизацию и работу через Ollama.
Тема 1. Сборка первого ассистента в Flowise без кода.
- Загрузка документов, обработка текста и подключение модели в визуальном интерфейсе.
- Добавление инструментов (API) и разбор работы Model Context Protocol.
- Внедрение JS/Python фрагментов для управления поиском и обработки ошибок.
- Организация последовательности «поиск — модель — инструменты». OpenAI Functions и Ollama.
- Хранение в Pgvector, запросы через FastAPI и вайб-кодинг в Cursor.
- Настройка команд, Webhook, авторизации и работы через Ollama.
- 20+ лет опыта в цифровой разработке.
- 10+ лет внедрения инноваций в корпорациях (Альфа-Банк, Ак Барс Банк, МТС, Viasat).
- 10+ лет опыта в корпоративном обучении.
Скрытая ссылка