⭐ რეკომენდირებული LLM-ზე დაფუძნებული აპების შექმნა: RAG & Agents
შექმენით production-კლასის AI აპლიკაციები დიდი სასწავლო მოდელების გამოყენებით. Vector databases, RAG, autonomous agents, tool use, evaluation და deployment patterns.
Oleksii Anzhiiak
სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და თანადამფუძნებელი
კურსის ბოლოს თქვენ შეძლებთ
- მუშა RAG სისტემის აშენება — embeddings, retrieval, grounded generation
- multi-step agent-ის აშენება tools-ით, მეხსიერებითა და feedback loop-ებით
- AI სისტემების გულახდილი შეფასება — სად მუშაობენ რეალურად vs სად მხოლოდ ჰგვანან მუშას
- მსჯელობა production AI-ის ხარჯზე, latency-ზე და failure რეჟიმებზე
- იმ კლასის AI აპლიკაციის გაშვება, რომელიც 2026-ის დაქირავების პრემიუმს ამართლებს
გერგებათ ეს კურსი?
ეს თქვენთვისაა, თუ თქვენ…
- ხარ Senior ან Senior-ისკენ მიმავალი ინჟინერი, რომელსაც რეალური პროდუქტები გაუშვია და ახლა AI-განზომილება გინდა
- გაიარე #21 (Prompt Engineering) და გინდა „workflow"-დან „პროდუქტამდე" გადახვიდე
- შეგიძლია API დოკუმენტაციის კითხვა, telemetry-ით debug და failure-რეჟიმებზე მსჯელობა — ეს უნარები არ ქრება, როცა AI არის სისტემაში
არ აიღოთ ეს კურსი, თუ…
- კოდირებას ნულიდან იწყებ — RAG და agents არ არის დამწყებთათვის. ჯერ საფუძველი (კურსი #1, #11 ან #15)
- არ გაიარე #21 — Prompt Engineering არის წინაპირობა. agents-ის აშენება სუსტი prompt უნარებზე ფაქიზია
- ელი off-the-shelf წარმატებას — RAG და agents რეალურ პირობებში ბინძურია, და კურსი ასწავლის ამ ბინძურობაზე მსჯელობას, არა მის თავიდან აცილებას
ვინ კითხულობს
Oleksii Anzhiiak
სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და თანადამფუძნებელი
ოლექსი ანჟიაკი — სოფტვეარ არქიტექტორი, უფროსი .NET ინჟინერი და ToyCRM.com-ისა და ProfectusLab-ის თანადამფუძნებელი. 15+ წლიანი გამოცდილებით, ის სპეციალიზირდება განაწილებულ სისტემებში, cloud ინფრასტრუქტურაში, მაღალი დატვირთვის backend-ში და იდენტობის პლატფორმებში. ქმნის უსაფრთხო ავტენტიფიკაციის სისტემებს, არქიტექტურულ გადაწყვეტებს და თანამედროვე საგანმანათლებლო პროგრამებს, რომლებიც სტუდენტებს კარიერულ წინსვლაში ეხმარება.
ამჟამად ხელმძღვანელობს ToyCRM.com-ის არქიტექტურას — multi-tenant CRM პლატფორმას .NET-ზე, რომელსაც ჩვენი გუნდი აშენებს. იგივე პატერნები და დიზაინ-გადაწყვეტილებები, რომლებიც იქ გამოიყენება, პირდაპირ ჩნდება კურსებშიც: identity & auth, განაწილებული სერვისები, code review-ის კულტურა. სწავლობ ინჟინრებთან, რომლებიც აქტიურად უშვებენ production-კოდს, არა სახელმძღვანელოდან.
სილაბუსი
რვა მოდული production LLM აპლიკაციების შესაქმნელად და გასაშვებად:
- 1 მოდული 1: LLM შიდა მოწყობა — tokenization, context windows, temperature, sampling strategies
- 2 მოდული 2: Vector databases — embeddings, similarity search, Qdrant, Pinecone, pgvector
- 3 მოდული 3: RAG pipelines — დოკუმენტების ჩატვირთვა, chunking სტრატეგიები, retrieval evaluation
- 4 მოდული 4: Advanced RAG — hybrid search, re-ranking, query rewriting, HyDE
- 5 მოდული 5: AI agents — ReAct pattern, tool use, memory, multi-step planning
- 6 მოდული 6: Multi-agent სისტემები — agent orchestration, handoffs, shared state
- 7 მოდული 7: Evaluation და observability — LLM evals, tracing, LangSmith, cost monitoring
- 8 მოდული 8: Production deployment — streaming APIs, caching, load balancing, failover
წინაპირობები
Python Fundamentals ან Introduction to C# / C# Pro. AI-Powered .NET Development ძალიან რეკომენდებულია.
საჭიროა Python ან C#/.NET გამოცდილება. REST API-ების და AI ძირითადი კონცეფციების გაცნობა.
რას ააშენებთ
გადიხარ ორი მუშა AI პროდუქტით, რომლებიც end-to-end ააწყვე — RAG სისტემა, რომელიც შენს დოკუმენტებზე პასუხობს ჰალუცინაციის გარეშე, და agent, რომელიც multi-step ამოცანას ხსნის tools-ით. Portfolio-ნაწარმოები, რომელიც 2026-ის ყველაზე მაღალანაზღაურებად ინჟინრულ როლებზე shortlist-ში გხდის.
- RAG არქიტექტურა: embeddings, vector DB-ები, retrieval, generation
- Agents: დაგეგმვა, tool-ების გამოყენება, მეხსიერება, შეფასება
- ფრემვორკები: LangChain, LlamaIndex ან raw SDK — და როდის რომელი ავირჩიოთ
- შეფასება: golden sets, ჰალუცინაციების ტესტები, regression-suites
- Cost / latency / failure-mode production AI-სთვის
სად დევს თქვენს კარიერაში
კურსის პარალელურად წასაკითხი
OpenSpec 2026-ში: spec-driven development-ის ოპერაციული სისტემა
ექვსი კვირის წინ დავაყენე @fission-ai/openspec. გუშინ ჩავაბარე თოთხმეტ-ფაილიანი ცვლილება ოთხმოცდაათ წუთში ორას-ხაზიანი სპეციფიკაციიდან, brownfield-კოდბაზაში, რომელსაც სამი ინჟინერი ორი წელია ასწორებს — მერჯ-კონფლიქტების გარეშე, რევიუს ესკალაციის გარეშე. ეს არის სენიორ-არქიტექტორის ღრმა გარჩევა იმისა, თუ რატომ OpenSpec არის პირველი SDD-ხელსაწყო, რომელიც პროდაქშენ-რეალობის ქვეშ არ იშლება.
Evals 2026-ში: ტესტ-სიუტი სისტემებისთვის, რომლებიც დეტერმინირებული არ არიან
თქვენი AI-ფიჩა გუშინ მუშაობდა და დღეს იშლება. არც კოდი შეცვლილა, არც პრომპტი, არც მოდელი. ასე გამოიყურება ცხოვრება evals-ის გარეშე. ეს არის spec → context → evals ტრიადის მესამე საყრდენი — და დისციპლინა, რომელსაც გუნდების უმეტესობა გამოტოვებს.
Spec-Driven Development: როცა სპეციფიკაცია კოდბაზად იქცევა
უკვე ორი თვეა, ხელით ერთი ფუნქცია არ დამიწერია — და კოდბაზა არასოდეს ყოფილა უფრო ჯანმრთელი. აი, როგორ შეცვალა spec-driven development-მა ის, რასაც 2026-ში «საინჟინრო სამუშაო» ერქმევა, წესები, რომლებიც დისციპლინას პატიოსნებას უნარჩუნებენ, და ადგილები, სადაც ის ჯერ კიდევ იშლება.
პირველი გაკვეთილი ჩვენი ხარჯითაა. გადაწყვიტე ინსტრუქტორთან გაცნობის შემდეგ.
ჩაერთე პირველ სესიაზე. თუ პირველი გაკვეთილის შემდეგ გადაწყვიტე, რომ ინსტრუქტორი არ გერგო — მისთვის არ იხდი, არცერთი უხერხული საუბრის გარეშე. (საცდელი მოქმედებს იმ კურსებზე, რომლებიც 5 გაკვეთილზე გრძელია; ეს კურსი ერგება.)
ფასი და რა შედის
რა შედის
- 16 ცოცხალი სესია × 2 საათი — მასწავლებელი ცოცხლად ატარებს, არა ჩანაწერი
- სლაიდები თითოეული სესიისთვის — შენთან რჩება და ნებისმიერ დროს შეგიძლია გადახედო
- მუშა კოდის ფაილები და data-ფაილები გაკვეთილიდან — შენს მანქანაზე იქნება დაკლონილი
- ყოველკვირეული სავალდებულო პერსონალური კოდის გადახედვით მასწავლებლისგან
- ჩაწერა მოთხოვნით — წინასწარ აცნობე მასწავლებელს („სამშაბათს ვერ მოვალ, ჩაწერე გთხოვ") და გაკვეთილი შენთვის ჩაიწერება
ხშირად დასმული კითხვები
რამდენ საათს მოითხოვს კვირაში?
გათვალე ცოცხალი სესიები პლუს დაახლოებით 1.5–2 საათი პრაქტიკისთვის თითოეულზე. სტუდენტების უმრავლესობა, ვინც გრაფიკში თავსდება, კვირაში 4–6 საათს ხარჯავს. ნაკლებიც მუშაობს — უბრალოდ მეტი დრო სჭირდება.
რა ხდება თუ გაკვეთილს გავაცდენ?
უთხარი მასწავლებელს გაკვეთილამდე — „სამშაბათს ვერ მოვალ, ჩაწერე გთხოვ" — და მასწავლებელი ჩაწერს ამ გაკვეთილს და გამოგიგზავნის. ჩანაწერები არ არის ავტომატური არქივი; ისინი მოთხოვნით კეთდება, როცა წინასწარ გვაცნობებ. გაკვეთილის შემდეგ გააკეთე სავალდებულო, შემდეგ სესიაზე კი მოდი კითხვებით.
რა შედის ფასში?
ცოცხალი სესიები მასწავლებელთან; სლაიდები თითოეული სესიისთვის (შენი რჩება); მუშა კოდის ფაილები და ნებისმიერი data-ფაილი, რომელიც გაკვეთილზე გამოვიყენეთ; ყოველკვირეული დავალება კოდის გადახედვით; და იმ სესიების ჩანაწერები, რომელზეც წინასწარ გაგვიფრთხილე. ყველაფერი დანარჩენი — სერთიფიკატი, alumni-წვდომა, mock ინტერვიუ — ცალსახად ჩამოთვლილია „რა შედის"-ში FAQ-ის ზემოთ იმ კურსებზე, სადაც ეს მოქმედებს.
და თუ ჩავეწერე და მასწავლებელი არ მერგო?
კურსებზე, რომლებიც 5 გაკვეთილზე გრძელია, პირველი სესია ფაქტობრივად საცდელია — თუ პირველი გაკვეთილის შემდეგ გადაწყვიტე, რომ მასწავლებელი არ გერგო, მისთვის არ იხდი. სჯობს ერთი გაკვეთილის მერე წახვიდე, ვიდრე 9 კვირა იტანო ცუდი კავშირი. (5 ან ნაკლები გაკვეთილის კურსები ძალიან მოკლეა — საცდელი შეთავაზება იქ აზრს კარგავს, ჩვეულებრივი ფასი მოქმედებს.)
შეიძლება თანხის უკან დაბრუნება, თუ შუაში მივატოვებ?
დიახ — სანამ კურსის ნახევარზე მეტი გამოუყენებელია (ანუ ნაკლებად ვიდრე 50% გაკვეთილისა გაიარე). თანხის დაბრუნება — გამოუყენებელ ნაწილზე პროპორციულად. შუა გზის შემდეგ აღარ ვაბრუნებთ — ვთვლით, რომ ღირებულება უკვე მიწოდებულია.
შემიძლია სასწავლო ენის შეცვლა?
ცოცხალი სესიები მიმდინარეობს იმ ენაზე, რომელიც ზემოთ ბლოკში „ხელმისაწვდომი ენები"-ა მითითებული. სლაიდები და კოდის ფაილები ჩვეულებრივ ხელმისაწვდომია ოთხივე ენაზე (ინგლისური, რუსული, უკრაინული, ქართული). ბევრი სტუდენტი უსმენს ერთ ენაზე და კითხულობს მეორეზე — ეს ნორმალურია.
მზად ვიქნები რეალური სამუშაოსთვის კურსის შემდეგ?
ერთი კურსი იშვიათად ანიჭებს ვინმეს სამუშაოს თვითონ — არცერთ სფეროში. ეს კურსი გაძლევს იმ საფუძველს, რომელსაც junior-დაქირავების მენეჯერი ელის: საკუთარი ხელით დაწერილი მუშა კოდი, ლექსიკა სხვისი კოდის წასაკითხად და ჩვევები, რომელიც გხდის დასაქირავებელ. გულახდილი პასუხი კითხვაზე „მზად ვარ?" ჩვენს roadmap-ზეა (ბმული გვერდის თავში) — გახსენი ის დონე, რომელზეც გინდა მისვლა, და წაიკითხე ჩეკლისტი „მზად ხარ, როცა…".
შემიძლია განვადებით გადახდა?
დიახ იმ კურსებისთვის, რომლებსაც ზედა ზოლში „ყოველთვიური გადახდა"-ა მითითებული — ჩვეულებრივ ეს ორი ან სამი თანაბარი თანხაა. ის კურსები, რომლებსაც ეს ოპცია არ აქვთ, ერთჯერად უნდა გადაიხადო. თუ ფასი ბარიერია, მოგვწერე — თითოეულ ქეისს ცალკე ვიხილავთ.
ეს ასევე შეიძლება მოგეწონოთ
Agents-ის შექმნა Claude Agent SDK-ით
შექმენით საკუთარი AI აგენტები Claude Agent SDK-ით. ააწყვეთ agent loops, განსაზღვრეთ tools, მართეთ memory და sub-agents, შეაფასეთ behavior და deploy multi-agent სისტემები, რომლებიც რეალურ საინჟინრო ამოცანებს ავტონომიურად ხსნიან.
MCP სერვერების და AI Tool Integrations-ის შექმნა
დაეუფლეთ Model Context Protocol (MCP) — Anthropic-ის ღია სტანდარტს AI მოდელების გარე ინსტრუმენტებთან და მონაცემებთან დასაკავშირებლად. შექმენით MCP სერვერები, გაუმართეთ API Claude-ს.
დიზაინის შაბლონები C#-ში: თეორიიდან პრაქტიკამდე
ისწავლეთ GoF-ის კლასიკური დიზაინის შაბლონები C#-ში. გამოიყენეთ პოროჟდაიანი, სტრუქტურული და ქცევითი შაბლონები სუფთა და მოქნილი არქიტექტურის შესაქმნელად.