Система - Стек - Портфолио
Система вместо хаоса: чтобы быстрее делать AI-продукты, расти в карьере и доводить решения до результата.
AI-кодинг
Cистемная работа с AI-агентами. Предсказуемый результат каждый раз — не когда повезёт
- Понимание принципов работы кодовых агентов (возможности и ограничения)
- Рабочий процесс с Cursor (который легко переносится на другие инструменты)
- Rules / skills / subagents / hooks — управляемая работа и максимальная эффективность
- Подстраиваете процесс под любую задачу и проект
- Обычно это даёт x3–5 к скорости и меньше “переделок”
Арсенал навыков
Стек, за который рынок платит и который позволяет запускать свои AI-проекты. Это не "обзор всего подряд", а ядро того, что реально требуется.
- Python + работа с LLM API
- Промпт- и контекст-инжиниринг
- RAG-системы и векторный поиск
- ИИ-агенты и мультиагентные системы (LangChain / LangGraph / MCP)
- Evals и LLM-as-a-Judge (потому что "вроде работает" — не критерий)
- Вывод в production (от прототипа до эксплуатации)
Портфолио
Реальные AI-проекты — не "прослушанные курсы". Каждая тема заканчивается разработанным решением, а не конспектом.
- AI-ассистенты
- Мультимодальный AI-продукт
- Веб-приложение (облако или свой сервер)
- RAG-системы разной сложности
- Агентная система
- MCP-инструменты
- Мультиагентная система
Четыре пути роста и развития. Один из них — ваш.
Быстрый старт
Хочу быстро войти в AI-разработку
Пробовали AI-инструменты или слышали про Cursor/агентов, но всё разрозненно и непонятно, что реально работает. Нужен быстрый, практичный вход — с результатом, а не с теорией.
Что получишь:
- Cursor: базовый workflow, чтобы "получалось каждый раз"
- LLM API в практике (как подключать и использовать)
- 3 AI-продукта: ассистент → мультимодальный AI-продукт → агент
- Деплой первого решения в облако
- Работа с локальными и облачными LLM
- Шаблоны/чеклисты, чтобы повторять на новых задачах
Xочу самостоятельно закрывать весь цикл: backend + frontend + DevOps + DocOps — с AI. Цель — делать продукт быстро, качественно и до запуска, а не останавливаться на прототипе или искать команду разработки.
Что получишь:
- Системный анализ и планирование
- Архитектура AI-продукта: backend + frontend + данные
- Telegram/веб интерфейс + API + БД (реальная связка)
- Деплой: Docker + CI/CD + базовая наблюдаемость
- DevOps: от настройки окружения до деплоя в облако
- Паттерны интеграции
Хочу делать серьёзные агентные системы, которые можно улучшать и поддерживать.
Что получишь:
- RAG-практика: от базового pipeline до advanced техник
- Агенты: tool calling + LangGraph (и переход к multi-agent)
- Инструменты/интеграции: MCP (как "tool-layer")
- Качество: evals + LLM-as-a-Judge (чтобы не "вроде работает")
- Production-контур: минимальные guardrails/observability как привычка
Переход в AI-инженерию (меняю специализацию)
Хочу структурно войти в AI-инженерию: понять базовый стек, собрать портфолио и выбрать фокус. Нужен маршрут, который экономит месяцы хаотичного самообучения.
Что получишь:
- Базовый стек: Python + LLM API + RAG + агенты
- Портфолио проектов: ассистент/агент + (по треку) продукт/система
- Понимание "что учить дальше": ветка Fullstack или Agents/RAG
- Практики системной разработки с AI (чтобы расти быстро, но без хаоса)
От системного AI-кодинга к AI-driven разработке, AI-продуктам и агентным системам.
Ступень 1: Интенсив AI-кодинг ИИ-агентов в Cursor
Флагманский интенсив для быстрого старта в AI-driven разработке. Освоите системный AI-driven подход с Cursor и создадите портфолио из LLM-проектов.
Теория:
- AI-driven методология: от идеи до деплоя
- Работа с Cursor: правила, контекст, workflow
- Архитектура LLM-ассистентов и паттерн ReAct
- Мультимодальность и локальные LLM
- Настройка окружения и AI-driven разработка в Cursor
- Telegram-бот с LLM, голосом и изображениями
- Автономный агент с инструментами (ReAct)
- Деплой проекта в облако (Railway)
- Навык AI-driven разработки и деплоя
- Портфолио из LLM-проектов
- Работающий Telegram-бот
- Мультимодальный AI-продукт
- Агент с инструментами
Full Cycle Development с ИИ-агентами. Самостоятельное прохождение всех этапов от идеи до production-ready приложения.
Теория:
- LLM и AI-кодинг экосистема
- Системный анализ и проектирование fullstack-архитектуры
- Backend/API, БД и frontend-интеграция
- DevOps, CI/CD и production observability
- Разработка fullstack-приложения с AI-ассистентом
- Реализация backend, PostgreSQL и frontend
- Контейнеризация, CI/CD и деплой в production
- Production-ready fullstack-проект
- REST API, React/Next.js, PostgreSQL
- Docker, CI/CD и деплой в облако
Комплексное освоение современных технологий создания ИИ-агентов: RAG, интеграции, оценка качества и безопасность.
Теория:
- Основы LLM, AI-driven подход и работа с API
- RAG и Advanced RAG, мониторинг и evals
- LangChain/LangGraph, tool calling и MCP
- Безопасность и оценка качества агентных систем
- Создание RAG-агента с векторной базой знаний
- Разработка автономного агента с инструментами
- Внедрение мониторинга, security и evaluation
- Production-ready агентная система
- RAG, tool calling, MCP и LangGraph-паттерны
- Навыки evals, observability и security
Создание production-ready агентных систем. GraphRAG, мультимодальный RAG, context engineering и мультиагентное масштабирование.
Теория:
- GraphRAG, мультимодальный RAG и векторные/графовые БД
- Продвинутый context engineering и Deep Agents
- Evaluation, red teaming и prompt management
- Мультиагентные паттерны и протоколы A2A/A2UI
- Построение production-ready агентной системы
- Реализация мультиагентной архитектуры
- Масштабирование через A2A и A2UI
- Production-ready мультиагентная система
- GraphRAG, observability, evaluation, red teaming
- Навыки промышленного масштабирования агентов
- AI-эксперт и методолог, к.т.н.
- Мастер системных и научно-практических подходов к построению AI-разработки, руководитель RnD лаборатории
- 23 года в Software Engineering, 15 лет в Computer Science, 4 года в GenAI
- Автор корпоративных тренингов по AI-driven разработке для ИТ-команд
- Победитель и призер международных AI-хакатонов
- Призер LLM-coding challenge 2025
- 23 года в разработке ПО, 15 лет в Computer Science, 4 года в GenAI
- Руководитель лаборатории AIRnD.ru и автор канала @AI.Dialogs
- Спикер на митапах и AI-мероприятиях, создатель @devclubspb
- 5 AI-кейсов для РЖД, RUTUBE, MediaWise
- Успешные тренинги для Сбер, Системные Технологии, СИЛАРТ, ITone
По поводу приобретения курса пишите в telegram - @dolinakursov_bot или на почту mail@dolinakursov.ru