| Занятие | Чему научимся | Какую проблему решим | Где можно использовать |
|---|---|---|---|
| Н1З1 (неделя 1, занятие 1). Знакомство и Ai кейсы | |||
| • Кейс стади: Использование Ai в деловой жизни. От простых кейсов к сложным. Проблемы и задачи, внедрение, окупаемость, масштабирование. | |||
| • Введение в Ai Framework. Описание концепции и общих принципов функционирования Framework. | Подтвержденные кейсы использования AI в бизнесе и жизни с данными по окупаемости, изучим Ai Framework - поймем как работают агенты и как их применять в бизнесе | Недооценка реального влияния AI на бизнес процессы | В любом бизнесе: от маркетинга до HR и автоматизации процессов |
| H1.32 Реализация распределенных ИИ сценариев. ИИ агенты | |||
| • Теория: |
◦ Принципы функционирования ИИ агентов.
◦ Определение и отличия от ботов, автоматизаций и тп
◦ Компоненты ИИ-агента: память, цели, инструменты, планировщик.
◦ Архитектуры агентов | Поймем, что такое AI-агенты и как они устроены | Путаница между ботами, автоматизациями и агентами | При решении о способе ИИфикации процессов |
| H2.31. Инструменты и экосистема • Теория:
◦ Make, Zapier, LangChain, Gigachain, Pinecone, Weaviate, GPT-4 API.
◦ Разбор сценариев: cold outreach, customer support, internal tools.
▪ Tools stack:
• Использование AutoGPT / AgentGPT / Cognosys / Relevance для создания ИИ агентов
• Практика:
◦ Подключение базовых инструментов к собственным аккаунтам. | Изучим ключевые сервисы и стек технологий для агентов | Неясность, какие инструменты использовать для реализации идей
Опасение, что разработка агентов будет слишком сложна | В бизнес-процессах: маркетинг, поддержка, CRM, автоматизация | | H2.32. Простейший пример агента - Агент-маркетолог для написания SEO статей • Подробный пошаговый разбор сценария • Домашнее задание. Собрать своего ИИ агента | Научимся собирать простого агента для SEO-контента | Ручной рутинный труд в написании контента | Маркетинг, блогинг, SEO-оптимизация | | H3.31 Структурирование задач и ролей • Теория:
◦ Подход “Decompose & Delegate”.
◦ Зачем нужны несколько агентов (ролевая модель).
• Практика:
◦ Создание команды агентов (planner + executor) в CrewAI. | Освоим подход Decompose & Delegate, создадим команду агентов | Неэффективность одиночного агента для комплексных задач | Разработка многоагентных систем, project management |
| H3.З2 Память, контекст и осознанность агента • Теория:
◦ Введение в векторную память
◦ Что такое контекстная память, зачем она нужна.
◦ Обзор Pinecone, Weaviate, FAISS. | Изучим векторную память и работу с контекстом | Агенты "забывают" и не учитывают прошлый опыт | Внутренние ассистенты, чат-боты с контекстом |
| H4.З1 Агент с памятью: FAQ-бот по продукту • Практика:
◦ Создание базы знаний и подключение к агенту.
◦ Обучение агента на документации компании. | Создадим бота, отвечающего на вопросы по документации | Сложности в поддержке клиентов и масштабируемости ответов | Customer support, knowledge management, onboarding |
| H4.З2 Агент с памятью: FAQ-бот по продукту часть 2 • Практика • Сбор сценария онлайн • Проверка качества ответов и улучшение логики. | Доработаем и улучшим агента на практике | Низкое качество ответов и слабая реализация | Повышение точности и юзабилити в саппорте и обучении | | Н5.З1 Мультимодальные агенты и работа с внешним миром • Теория:
◦ Агент с визуальными/аудио возможностями
◦ Мультимодальность: GPT-4V, Whisper, TTS.
◦ Кейсы: видеопрезентации, звонки, voice-bots. | Поймем как агенты работают с изображениями, голосом и т.д. | Ограничения текстовых систем | Видеопрезентации, voice-боты, автоматизированные звонки |
| H5.32 Агент-исполнительН5.З2 — Агент как исполнитель задач • Практика:
◦ Интеграция с Notion, Google Sheets, CRM.
◦ Сценарий: агент-ассистент для менеджера по продажам. | Научимся подключать агента к Google Sheets, CRM, Notion | Ручная работа менеджеров, ошибки, потери времени | Продажи, клиентская база, документооборот |
| Н6.З1 Управление агентами и распределённые сценарии • Теория:
◦ Распределённые агенты и управление ими, обзор Flowise и LangChain
◦ Планировщик, статус задач, приоритизация.
◦ Принципы координации (Executor-Manager pattern). | Поймем как координировать распределенные агенты | Хаос в действиях нескольких агентов | В сложных автоматизациях, больших сценариях |
| H6.З2 Кейсы распределённых агентов • Практика:
◦ Сценарий: агент-менеджер, координирующий подагентов. | Реализуем сценарий с менеджером и подагентами | Отсутствие системы в делегировании задач | Организация агентных workflow, project management |
| Н7.З1 Продвинутые сценарии и автоматизация • Теория:
◦ Агент, который учится
◦ Self-feedback loops, Reinforcement via CoT.
◦ Обеспечение безопасности ии-агентских систем | Изучим self-feedback, обучение агентов, безопасность | Отсутствие адаптивности и риски неконтролируемых агентов | Инновационные и чувствительные AI проекты |
| Н7.З2 Интеграция нескольких агентов в один процесс • Практика:
◦ Агент с обратной связью от пользователя (оценка + дообучение)
◦ Обзор Autogen от Microsoft | Построим цепочку из нескольких агентов с обратной связью | Агенты не обмениваются информацией и не оптимизируются | Customer journey, pipeline, R&D проекты |
| Н8.З1 + З2 Полный сценарий ИИ агентов • Полноценный сценарий: лидогенерация + звонки + CRM + follow-up. • Обратная связь и сертификаты • Группа Alumni, доступ к базе знаний | Реализуем полный кейс от лидогенерации до CRM | Нет понимания, как собрать всё в единую систему | Любой бизнес-процесс от маркетинга до саппорта |
Используемые сервисы (разделяются по сложности):
• Начальный уровень:
• Make.com
• Zapier
• Средний уровень:
• n8n
• AgentGPT
• AutoGPT / OpenAgents (OpenAI)
• Продвинутый уровень:
• SuperAGI