Всем привет! Работаю над масштабным обновлением своего курса. Текущий план доработок:
1. Упрощение первого практического модуля. Я вижу, что текущий пример вызывает сложности у студентов, хотя он и является опциональным. Для прохождения курса достаточно использовать LM Studio; развертывать Docker, WSL или компилировать llama.cpp с CUDA не обязательно — эти примеры даны для любопытных, но их сложно выполнить новичкам, впервые работающим с Docker. Я переработаю этот раздел, сделав его более подробным и понятным.
2. Интеграция примера по оценке RAG. Я почти завершил серию статей на Хабре по этой теме (осталась четвертая часть). В курс будет добавлен комплексный сценарий по организации итеративного непрерывного тестирования RAG-приложений.
3. Расширение практических кейсов. Я планирую добавить больше реальных примеров.
Первый кейс: создание комплексного ИИ-приложения в форм-факторе ботов для Telegram и Max.
Тема - расклады Таро. В этом проекте LLM будет выступать в роли распознавателя карт по фото и эксперта по трактовке их смыслов.
Почему такой пример? На нем можно рассмотреть работу с изображениями (сжатие, обработка для LLM) и особенности интеграции в мессенджеры и он довольно забавный :)
Второй кейс: будет ориентирован на сценарии использования агентов как помощников для работы с существующими системами. Я буду использовать API банка Тинькофф для брокерских счетов и соберу миниатюрного инвестиционного советника. Этот пример будет дан только в виде кода, без публикации работающего приложения, чтобы не нарушать законы о персональных данных и банковской тайне. Если захотите опубликовать такое приложение где-то самостоятельно, помните об этом: для этого сперва нужно зарегистрироваться в реестре как оператора перс данных по особой категории.
Возможно, у кого-то будут еще идеи, какие примеры агентов были бы полезны в качестве учебных? ;)