Напишите скрипт, где один агент ставит задачу, а второй её проверяет...

Слишком сложно? Мы научим! Сегодня в 19:00 МСК стартует курс «Углубленные AI-агенты».

Что будем делать:

— 13 живых вебинаров с кодингом в реальном времени;
— разбор State Management в сложных агентах;
— создание мультиагентных систем для реальных задач;
— интеграция сторонних API в качестве инструментов.

Записаться на практику

Как заставить Python-скрипт принимать решения самостоятельно?

Ответ — через агентские архитектуры. Пока обычные программы следуют жестким алгоритмам, ИИ-агенты используют LLM для адаптации и выбора инструментов под задачу.

Научитесь строить автономные системы на курсе «Углубленные AI-агенты».

Что вы освоите:

— разработка мультиагентных пайплайнов на Python;
— работа с LangGraph, CrewAI и AutoGen;
— создание кастомных инструментов (Tools) для агентов;
— деплой и масштабирование готовых решений.

Поток уже в пути, но у вас есть шанс успеть.

🚀 Записаться на основной курс

Если сомневаетесь — просто посмотрите вводное занятие.

Можно ли объявить несколько присваиваний в одном выражении?

На изображении представлены оба варианта. В первой строке переменные a, b и c получают значения 3, 4 и 5 соответственно, а во второй строке все переменные устанавливаются в значение 3.

Задача: Агент с самокоррекцией (Self-Correction)

ТЗ: Написать агента, который пишет код, запускает тесты, и если они падают — правит код.
В линейном скрипте это будет ад из if/else.

В LangGraph это изящный цикл: Generate -> Test -> (if error) -> Fix -> Test.

— управляемый поток;
— state хранит историю попыток;
— безопасность (лимит итераций).

Учим кодить такие паттерны. Курс уже идёт.

Записаться на курс

Смотреть певрую лекцию

Каким будет результат выполнения кода?

👾 — 3 1
👍 — 1 3
🥰 — Error
⚡️ — Другое

Библиотека задач по Python

Задача: Написать агента с памятью

Обычный скрипт забывает переменные после завершения. Агент на LangGraph должен помнить контекст неделями.

Используйте MemorySaver или базу данных (Postgres/Redis) как бэкенд для графа. Граф сохраняет state после каждого шага. Это позволяет поставить агента «на паузу», ждать ввода от человека и продолжить с того же места.

Хотите научиться писать такой код?

Записаться на курс

Пример архитектуры: Смотрите вводный урок бесплатно.

Что выведет код?

👾 — 25 29
👍 — 29 35
🥰 — Error
⚡️ — None

Библиотека задач по Python

Что выведет код сверху?

👾 — 100
👍 — 25
🥰 — 50
⚡️ — Error

Библиотека задач по Python

Что выведет этот код?

👾 — True
👍 — False
🥰 — Error

Библиотека задач по Python

Задача: автоматизировать workflow с помощью LLM

Обычные скрипты работают по жёсткой логике. Агенты умеют принимать решения. На курсе мы учим писать именно таких «умных» ботов на Python.

Инструменты:

— LangGraph для сложной логики;
— векторные БД для долгосрочной памяти;
— AgentOps для контроля качества.

Курс стартовал, но вы успеваете. Вводная лекция доступна бесплатно — там база по архитектуре и промпт-инжинирингу.

Смотреть лекцию

Присоединиться к группе

Что гарантирует GIL в CPython?

👾 — Отсутствие гонок данных в пользовательском коде
⚡️ — Параллельное выполнение CPU-bound задач в потоках
🥰 — Единовременное выполнение байткода одним потоком интерпретатора
👍 — Что все I/O операции неблокирующие

Библиотека задач по Python

Не просто import openai, а полноценная архитектура

Задача: написать бота, который отвечает на вопросы по внутренней базе знаний компании со ссылками на источники.

Решение новичка: отправить вопрос в API.

Решение профи: GraphRAG-пайплайн с реранкингом, проверкой фактов и фильтрацией галлюцинаций.

На курсе мы учим писать код уровня продакшн. На вебинарах разбираем ошибки в реализации, оптимизируем запросы и настраиваем логирование.

Твой инструментарий:

👉 Modern Python (Pydantic v2, Type Hints);
👉 LangChain & LangGraph (Stateful Architectures);
👉 FastAPI (для сервивинга агентов).

Прокачать навыки на реальных задачах

Что возвращает a[:] для списка?

👾 — Новую (поверхностную) копию
⚡️ — Ссылку на исходный список
🥰 — Новую глубокую копию

Библиотека задач по Python

Что верно для Python ≥3.7 про завершение генератора и yield from?

👾 — raise StopIteration(x) эквивалентен return x; yield from игнорирует значение
👍 — Явный raise StopIteration внутри генератора превращается в RuntimeError (PEP 479), а return x задаёт StopIteration.value=x; выражение yield from sub() возвращает это x
🥰 — return x приводит к RuntimeError; корректно только raise StopIteration(x)
⚡️ — yield from всегда возвращает None

Библиотека задач по Python