⭐ Рекомендовано Побудова LLM-застосунків: RAG та агенти
Будуйте production AI-застосунки на основі великих мовних моделей. Vector databases, RAG, автономні агенти, виклик інструментів, оцінка та патерни деплою.
Oleksii Anzhiiak
Софтвер-архітектор, Senior .NET інженер та співзасновник
До кінця курсу ви зможете
- Зібрати робочу RAG-систему — embeddings, retrieval, grounded generation
- Зібрати multi-step agent з tools, пам'яттю і feedback-loops
- Чесно оцінювати AI-системи — де вони реально працюють vs де лише здаються працюючими
- Міркувати про вартість, latency і failure-режими production AI
- Випустити той клас AI-застосунків, що виправдовує 2026-зарплатний преміум
Чи підходить вам цей курс?
Це для вас, якщо ви…
- Ви Senior або на шляху до Senior, випускали реальні продукти і тепер хочете AI-вимір
- Пройшли #21 (Prompt Engineering) і хочете крок від «workflow» до «продукту»
- Ви вмієте читати API-документацію, дебажити через телеметрію і міркувати про failure-режими — ці навички НЕ зникають, коли в системі AI
Не беріть цей курс, якщо…
- Починаєте з нуля у коді — RAG і agents це НЕ для початківців. Спочатку фундамент (курс #1, #11 або #15)
- Не пройшли #21 — Prompt Engineering це передумова. Будувати agents на хитких prompt-навичках — крихко
- Чекаєте «працює з коробки» — RAG і agents брудні в реальних умовах, і курс вчить міркувати про цей бруд, а не уникати його
Хто викладає
Oleksii Anzhiiak
Софтвер-архітектор, Senior .NET інженер та співзасновник
Олексій Анжіяк — софтвер-архітектор, Senior .NET інженер та співзасновник ToyCRM.com і ProfectusLab. Має понад 15 років досвіду у розподілених системах, хмарній інфраструктурі, high-load backend-розробці та identity-платформах. Проєктує складні архітектури, створює безпечні системи автентифікації та розробляє сучасні освітні програми, які допомагають студентам досягати реальних кар'єрних результатів.
Зараз очолює архітектуру ToyCRM.com — мультитенантної CRM-платформи на .NET, яку будує наша команда. Ті самі патерни й архітектурні рішення, що використовуються там, напряму потрапляють у курси: identity та авторизація, розподілені сервіси, культура код-рев'ю. Ви вчитеся в інженерів, які активно випускають продакшн-код, а не з підручника.
Навчальний план
Вісім модулів для побудови та запуску production LLM-застосунків:
- 1 Модуль 1: Внутрішня будова LLM — токенізація, контекстні вікна, температура
- 2 Модуль 2: Векторні бази даних — embeddings, семантичний пошук, Qdrant, Pinecone
- 3 Модуль 3: RAG-пайплайни — завантаження документів, стратегії chunking, оцінка retrieval
- 4 Модуль 4: Розширений RAG — гібридний пошук, re-ranking, переформулювання запитів
- 5 Модуль 5: AI агенти — патерн ReAct, інструменти, пам'ять, багатокрокове планування
- 6 Модуль 6: Мульти-агентні системи — оркестрація, передача управління, спільний стан
- 7 Модуль 7: Оцінка і observability — LLM evals, трейсинг, LangSmith, моніторинг витрат
- 8 Модуль 8: Production деплой — стрімінг API, кешування, балансування навантаження
Передумови
Python Fundamentals або «Вступ до C#» / C# Pro. «AI-розробка на .NET» настійно рекомендується.
Потрібен досвід Python або C#/.NET. Знайомство з REST API та базовими концепціями AI.
Що ви побудуєте
Виходите з ДВОМА робочими AI-продуктами, зібраними end-to-end — RAG-система, що відповідає на питання по вашому набору документів без галюцинацій, і agent, що виконує multi-step задачу через tools. Portfolio piece, що потрапляє в шорт-лист на найвисокооплачуваніші інженерні ролі 2026.
- RAG-архітектура: embeddings, vector DB, retrieval, generation
- Agents: планування, використання tools, пам'ять, оцінка
- Фреймворки: LangChain, LlamaIndex АБО raw SDK — і коли що обирати
- Оцінка: golden sets, тести галюцинацій, regression-suites
- Cost / latency / failure-mode для production AI
Де це у вашій кар'єрі
Читати паралельно з курсом
OpenSpec у 2026: операційна система spec-driven development
Шість тижнів тому я поставив @fission-ai/openspec. Учора відвантажив зміну на чотирнадцять файлів за дев'яносто хвилин зі двохсотрядкової специфікації, у brownfield-кодовій базі, яку троє інженерів правлять два роки — без мерж-конфліктів, без ескалацій рев'ю. Це сеньорний архітектурний розбір того, чому OpenSpec — перший SDD-інструмент, який не розвалюється під продакшен-реальністю.
Evals у 2026: тест-сьют для систем, які не детерміновані
Ваша AI-фіча працювала вчора і ламається сьогодні. Ні код, ні промпт, ні модель не змінювалися. Так виглядає життя без evals. Це третя опора тріади spec → context → evals — і дисципліна, яку більшість команд пропускає.
Spec-Driven Development: коли специфікація стає кодовою базою
Я вже два місяці не написав жодної функції руками — і кодова база ніколи не була здоровішою. Ось як spec-driven development змінив те, що у 2026 означає «інженерна робота», правила, які тримають дисципліну чесною, і місця, де вона все ще ламається.
Перше заняття — за наш рахунок. Рішення — після знайомства з інструктором.
Долучіться до першої сесії. Якщо після першого уроку вирішите, що інструктор вам не підходить — ви за нього не платите, без незручних розмов. (Пробне діє на курсах довших за 5 занять; цей курс підходить.)
Вартість і що входить
Що входить
- 16 живих занять × 2 години — викладач веде особисто, а не відтворення запису
- Презентація до кожного заняття — залишається у вас і доступна для перегляду в будь-який час
- Робочі файли коду та data-файли з заняття — клонуються до вас на машину
- Щотижнева домашка з особистим код-рев'ю від викладача
- Запис на запит — попередьте викладача заздалегідь («не зможу у вівторок, запишіть, будь ласка») і заняття буде записане для вас
Часті запитання
Скільки часу на тиждень це займе?
Закладайте час на самі заняття плюс приблизно 1.5–2 години практики на кожне. Більшість студентів, які встигають у графік, витрачають 4–6 годин на тиждень. Менше — теж працює, просто довше.
Що, якщо я пропущу заняття?
Скажіть викладачу ДО заняття — «не зможу у вівторок, запишіть, будь ласка» — і він запише цей урок і пришле вам. Записи не є автоматичним архівом, вони робляться на запит, коли ви попереджуєте заздалегідь. Після уроку — виконайте домашку і приходьте з питаннями на наступне.
Що входить у вартість?
Живі заняття з викладачем; презентації до кожного заняття (залишаються у вас); робочі файли коду та будь-які data-файли, що використовувались на занятті; домашка з код-рев'ю щотижня; і записи тих занять, про які ви попередили заздалегідь. Усе понад це — сертифікат, alumni-доступ, mock-інтерв'ю — явно перелічено в «Що входить» над FAQ для тих курсів, де це застосовується.
А якщо я записався, і викладач мені не підійшов?
На курсах довших за 5 занять перше заняття фактично пробне — якщо після першого уроку вирішите, що викладач вам не підходить, ви за нього не платите. Краще піти після одного уроку, ніж тягнути 9 тижнів на поганій хімії. (Курси з 5 або менше занять занадто короткі — пробне там не має сенсу, діє звичайна оплата.)
Чи можна повернути гроші, якщо кидаю посередині?
Так — поки більше половини курсу залишається невикористаною (тобто ви відвідали менше 50% занять). Повернення — пропорційно невикористаній частині. Після половини курсу не повертаємо — вважаємо, що цінність уже отримана.
Чи можна змінити мову викладання?
Живі заняття проводяться мовою, вказаною у блоці «Доступні мови» вище. Слайди та файли коду зазвичай доступні чотирма (англійська, російська, українська, грузинська). Багато студентів слухає заняття однією мовою, а матеріали читає іншою — це нормально.
Чи буду я готовий до реальної роботи після курсу?
Один курс рідко сам по собі влаштовує когось на роботу — у будь-якій сфері. Цей курс дає фундамент, на який очікує junior-менеджер з найму: робочий код, який ви написали самі, словник, щоб читати чужий код, і звички, які роблять вас наймаються. Чесна відповідь на «чи готовий я?» — на нашій дорожній карті (посилання в шапці): відкрийте рівень, до якого хочете дійти, і прочитайте чек-лист «Готові, коли…».
Чи можна оплатити частинами?
Так для курсів, у яких у верхній панелі вказано «Щомісячна оплата» — зазвичай це два-три однакових платежі. Курси без цієї опції оплачуються одноразово. Якщо ціна — перешкода, напишіть нам, ми дивимось на кожен випадок окремо.
Вам також може сподобатись
Побудова агентів на Claude Agent SDK
Проєктуйте та запускайте власних AI-агентів на Claude Agent SDK. Будуйте agent loops, визначайте інструменти, керуйте пам'яттю і суб-агентами, оцінюйте поведінку та деплойте мультиагентні системи для реальних інженерних задач.
Побудова MCP-серверів та AI Tool Integrations
Опануйте Model Context Protocol (MCP) — відкритий стандарт Anthropic для підключення AI-моделей до зовнішніх інструментів. Будуйте MCP-сервери, підключайте API до Claude.
Патерни проєктування в C#: від теорії до практики
Опanuйте класичні патерни проєктування GoF у C#. Навчіться застосовувати породжувальні, структурні та поведінкові патерни для створення чистої, гнучкої та підтримуваної архітектури.