AIET: Архитектура и инженерия мультиагентных ИИ-систем

Курс «Архитектура и инженерия мультиагентных ИИ-систем» предназначен для технических специалистов (разработчики, архитекторы, системные аналитики и дата-инженеры) и направлен на проектирование и реализацию мультиагентных систем искусственного интеллекта (ИИ) с фокусом на инженерные приемы и популярные технологии, позволяющие повысить качество и уменьшить стоимость их эксплуатации. Курс сочетает необходимую теорию с практическими упражнениями на реальных инструментах и примерах из единого сквозного кейса с описанием бизнес-ситуации и требований к решению. Вы спроектируете, реализуете, развернете и протестируете собственную мультиагентную систему с несколькими LLM, RAG-конвейером дополненной генерации, MCP-сервером и набором инструментов.
Код курса Даты начала курса Стоимость обучения Длительность обучения Формат обучения
AIET
24 ноября 2026
38 400 руб.
от 3 200 руб. в месяц
16 ак.часов Дистанционный

Аудитория:

Разработчики, архитекторы, системные аналитики и дата-инженеры, которые хотят научиться создавать безопасные и эффективные мультиагентные системы, используя инженерные приемы и популярные технологии, позволяющие повысить качество и уменьшить стоимость эксплуатации ИИ-решений.

Предварительный уровень подготовки:

Навыки работы с Python, Docker, PostgreSQL

Стоимость курса зависит от модели онлайн-обучения

  • по записям, когда самостоятельно смотрите видеоуроки, читаете учебник и выполняете задачи. Каждая тема подкрепляется практическим примером, тестами и индивидуальными заданиями. При обучении по видеозаписям без фактического присутствия в группе стоимость курса дешевле на 30%
  • дистанционно, когда с вами всегда в реальном времени работает живой преподаватель. На онлайн-занятиях вы как будто находитесь в классе и учитесь в режиме интерактивного семинара. Также предусмотрена самостоятельная работа с последующей проверкой и обратной связью от преподавателя.

Формат занятий

Командная работа в малых группах (3-4 человека) на практическом кейсе. Даже в онлайн с вами работает живой преподаватель в режиме интерактивного семинара. Теория моментально закрепляется на практике, каждая тема подкрепляется примером, индивидуальными и групповыми заданиями и самостоятельной работой с последующей проверкой и обратной связью от преподавателя. Обучение построено на реальных примерах (case studies).

Результат обучения

В результате обучения вы приобретете базовые знания об архитектуре и принципах работы Apache Kafka, а также навыки проектирования масштабируемых и отказоустойчивых потоковых конвейеров обработки данных с использованием этого брокера сообщений и описания их в виде формальных спецификаций AsyncAPI. После тренинга вы сможете самостоятельно:

  • спроектировать топологию потокового конвейера на Apache Kafka, определив оптимальный набор и конфигурации топиков;
  • описать спроектированную топологию в виде формальной спецификации AsyncAPI;
  • получить автосгенерированную спецификацию AsyncAPI с помощью Python-библиотеки FastStream;
  • использовать возможности локального редактора исходного кода VSCode для разработки Python-скриптов и визуализации структур данных.

Программа курса

  • Отличия генеративного ИИ от дискриминативного
  • Большие языковые модели (LLM): архитектура и принципы работы
  • Архитектура ИИ-систем и технологии их реализации. Популярные фреймворки разработки ИИ-приложений. Архитектура, возможности и компоненты Langflow
  • Параметры генерации, промпт-инжиниринг, системные промпты для LLM
    • Практика — создание простого чат-бота в Langflow, настройка параметров генерации LLM для различных бизнес-сценариев, настройка системного промпта
  • Промпт-инъекции и способы их предотвращения
    • Практика — дополнение системного промпта своего чат-бота для повышения устойчивости к промпт-инъекциям
  • RAG (Retrieval-Augmented Generation) и векторные БД, эмбеддинги, чанки. ETL для загрузки знаний в векторную БД
    • Практика – проектирование и реализация RAG-конвейеров в Langflow (для загрузки данных в векторную базу знаний и поиска для дополненной генерации)
  • Метрики качества RAG и средства их оценки
    • Практика – Оценка качества RAG (Retrieval и Generation) с помощью фреймворков (Ragas или TruLens) внутри Langflow-конвейера, замер галлюцинаций и точности контекст
  • Инструменты. MCP-протокол. Проектирование, реализация и развертывание MCP-сервера. Автономность ИИ-агентов и вовлечение человека в контур принятия решений (Human-on-the-Loop и другие модели)
    • Практика — тестирование MCP-сервера в Postman
    • Практика — разработка одноагентной системы в Langflow с подключением инструментов и MCP-сервера, настройка подтверждения действия человеком (Human-on-the-Loop)
  • Мультиагентные системы: архитектура, паттерны взаимодействия и топология оркестрации. Риски и способы работы с ними. Управление памятью в мультиагентой системе. Guardrails для защиты от промпт-инъекций и утечки данных
    • Практика — разработка md-файлов agents.md и skills.md
    • Практика — преобразование одноагентной ИИ-системы в мультиагентную в Langflow
    • Практика — добавление Guardrails-компонентов в мультиагентный Langflow-конвейер
  • Типовые проблемы качества генерации, стоимости и производительности ИИ-систем и как с ними справиться: оценка ИИ-агентов, кэширование запросов и семантики ответов. Наблюдаемость мультиагентной системы (LLMOps): мониторинг и трассировки с помощью Arize Интеграция Arize Phoenix с Langflow.
    • Практика — Настройка интеграции Langflow-конвейеров с сервером Arize Phoenix. Трассировка мультиагентных вызовов, логирование работы инструментов, аудит стоимости токенов и замер задержек (latency) в режиме реального времени
  • Варианты развертывания ИИ-приложений: от прототипа к production. Контейнеризация компонентов: упаковка мультиагентной системы, кастомных инструментов и хранилищ
  • Безопасность и архитектурный паттерн API Gateway/Proxy, защита секретов
    • Практика — Интеграция Langflow-конвейеров в FastAPI-сервер, сквозное тестирование API всей цепочки через Postman
  • Особенности многопользовательской работы в Langflow: развертывание отказоустойчивого многопользовательского режима через Docker Compose, замена SQLite по умолчанию на PostgreSQL для персистентного пользовательских данных, ограничения видимости на общие секреты (ключи/токены к LLM), интеграция с внешними системами
    • Практика — Анализ готового файла docker-compose.yaml (Langflow + PostgreSQL + Arize Phoenix) для развертывания отказоустойчивой многопользовательской платформы, разбор параметров масштабирования, монтирования томов для персистентности данных и изоляции сред

Для выполнения практических заданий вы получаете доступ к Langflow-, Arize Phoenix и MCP-серверам нашего УЦ, развернутым в инфраструктуре Yandex Cloud. Также для выполнения практических заданий вы получите заготовки с шаблонами промптов, конфигураций и программного кода.

Для работы на курсе вам понадобятся следующие программные и аппаратные ресурсы (на вашем компьютере):

  • Браузер последней актуальной версии (Google Chrome, Яндекс.Браузер или Mozilla Firefox)
  • Инструмент тестирования веб-API Postman (обязательно десктопная версия, не веб-клиент)
  • Любой редактор кода (VS Code с установленным расширением Python или Notepad++)
  • Доступ к публичным CDN-сервисам (https://cdn.jsdelivr.net) и внешним IP-адресам по портам 80, 443, 7860 и 8000 (точные адреса серверов УЦ будут предоставлены на занятии)
  • Стабильное интернет-подключение без ограничений на входящий/исходящий трафик по портам 80, 443, 7860 и 8000. Разрешить исходящий UDP-трафик в диапазоне портов 10000–20000 (критически важно для передачи WebRTC видео- и аудиопотоков в реальном времени) для онлайн-трансляций
  • Процессор 2-4 ядра и более
  • Оперативная память: минимум 8 ГБ RAM
  • Мышь и клавиатура. Желательно большой монитор (от 24 дюймов и выше с разрешением не менее Full HD 1920×1080) или 2 монитора (основной от 22–24 дюймов для сборки агентов и второй любого размера под онлайн-трансляцию, чтобы видеть экран преподавателя и чат занятия)

Кто проводит тренинг

Анна Вичугова
Анна Вичугова
Автор и ведущий курса
  • основатель и CPO Школы анализа и проектирования информационных систем
  • аналитик в ИТ-проектах с 2009 года
  • разработчик и проектировщик ИС
  • автор и преподаватель ИТ-курсов
  • кандидат технических наук (Системный анализ, управление и обработка информации, 2013)
  • сертифицированный бизнес-аналитик (CBAP 2020, международная сертификация IIBA)

Подробнее о преподавателе

Зоя Маттис (Степчева)
Преподаватель курса
  • Работает в ИТ с 2005 года как аналитик, разработчик, архитектор ИС
  • Бэкенд-разработчик с 10-летним опытом
  • Ведущий системный аналитик в ТБанке
  • Автор и преподаватель ИТ-курсов
  • Кандидат технических наук, доцент

Подробнее о преподавателе

Оставьте заявку на обучение

Остались вопросы по формату обучения, содержанию курсов, стоимости, сертификатам или другим важным моментам? Оставьте номер телефона или e-mail и мы оперативно проконсультируем вас в течение дня.

    Условия обучения

    Работаем напрямую без посредников. Все наши программы учебных курсов являются авторской разработкой наших преподавателей и специалистов.

    Стоимость обучения

    Предлагаем гибкие условия оплаты: предоплата; оплата по факту проведения занятий; счет-оферта; заключение рамочного договора; пост-оплата под гарантийное письмо.

    Минимальная группа

    Минимальный размер группы для проведения корпоративного или выездного обучения — 6 человек. Стоимость составляет 2400р за один час обучения одного человека, в том числе НДС 5%.

    Остались вопросы?

    Звоните нам +7 (495) 108-70-38

    Или напишите нам в соц.сетях