Закончил просмотр лекций и семинаров
Agent Week от ШАДа. Итоговый контест я ещё не проходил — про него будет отдельный пост в конце месяца.
При просмотре возникло желание разделить проведённую работу над самим контентом и над его оформлением. И я его удовлетворю.
В комментариях к посту скину ссылки на лекции для тех, кто хочет сам посмотреть.
ОформлениеСкажу честно: некоторых спикеров было невозможно душно слушать — слабая подготовка и отсутствие навыков выступления. Не понимаю, в чём проблема отсмотреть записи, если лекции были не в онлайн-режиме.
«Отборочный контест» вообще не коррелирует с преподаваемым материалом.
В практической части рад был увидеть LangGraph — инструмент для построения взаимодействия с LLM через графы. Он появляется с первого же дня, но подан очень сумбурно. Именно здесь не хватило отдельного семинара. На семинаре второго дня стало значительно лучше: спикер подробнее разобрал инструмент по коду.
КонтентСамо по себе теоретическое наполнение — на хорошем уровне: интересные тезисы, наглядные эксперименты, хорошо выстроен пайплайн интенсива.
Всё начинается с одного промта и постепенно расширяется до целой агентной платформы.
Приятно было слышать предостережения, чувствуется, что материал написан на опыте наступания на грабли. Например, не советуют обращаться к механизму "дообучения" LLM, так как это дорого и по времени, и по деньгам.
Решаемая задача — создание агента для сервиса бронирования авиабилетов.
В конце приходим к тому, что такая система не окупается.Понравился подобранный девиз про ИИ:
Модель обучена помогать пользователю
Именно с этой фразы начинаются все проблемы. «
Пользователь хочет найти рейс, которого нет — почему бы не помочь и не сказать, что он есть?».
Отсюда и атаки на безопасность:
Если мы что-то позволяем сделать модели — это может быть использовано злоумышленниками
В последней лекции закладывают очень полезную мысль:
У агентов есть ошибки, которых нет в классической разработке, потому что они не падают. Они деградируют, врут и каскадируют ошибки.
Разработка — программирует поведение
Агенты — проектируют среду, поэтому они не падают, а врут
Другие интересные моменты интенсива:
— Метафора LLM как операционной системы
— Принципы проектирования инструментов
— MCP, A2A — протоколы взаимодействия агентов
— RAG (рассмотрена одна концепция из многих)
— Цикл TAO (сравнил с SDLC — TAO показался более точным для агентов)
— Разработка мультиагентных систем (MAS)
— DSPy — механизм автоматического улучшения промтов
— Оценка качества модели
Рассказали про стоимость запросов и защиту от лишних затрат, но
обошли стороной одну реальную угрозу:
злоумышленник может устроить DDoS на LLM и буквально истощить кошелёк провайдера.ВыводЕсли строить предположения по показанным примерам — в Яндексе используют наработки от Google. В Google ADK как раз встречаются концепции "координатор" и "критик".
Интенсив считаю полезным, но не уверен, что он подходит для новичков. Интенсив подойдёт тем, кто уже касался этой темы с целью создания агентных систем.
#ai@jestkiy_denisk
