Дорожня карта AI-інженера
Повна карта: моделі, RAG, контекст, агенти, MCP, оцінки. Глибоко, але завжди з практикою.
Середній · 33 уроки · ~7,5 год
Уроки
Почніть тут
- 1Хто такий AI-інженерПерший крок дорожньої карти AI-інженера: що це за роль, чим вона відрізняється від ML-інженера та дослідника і чому така професія взагалі з’явилася.
- 2Як насправді працюють LLMЩо таке велика мовна модель насправді: передбачення наступного токена, токени, навчання та інференс, контекстне вікно — і чому моделі іноді впевнено вигадують факти.
- 3ШІ та AGI: де ми насправдіВузький ШІ в нас є, AGI — ще ні. Що ця різниця означає на практиці, чому сучасні моделі — це інструменти, а не самостійні суб’єкти, і чому вона важлива тим, хто створює продукти.
Моделі
- 4Види AI-моделейГотові (попередньо навчені) моделі, закриті й відкриті ваги, self-hosting. Хто їх створює — OpenAI, Anthropic, Google, Meta, Mistral, DeepSeek — і як вибрати свій варіант.
- 5Як вибрати потрібну модельМожливості, ціна, швидкість і розмір контексту: як знайти баланс. Практичний чек-лист вибору моделі та випадки, коли досить невеликої недорогої моделі.
- 6Розмова з моделлю: токени, контекст і семплінгЯк влаштована розмова з LLM: як текст перетворюється на токени, чому переповнюється контекстне вікно і що насправді роблять temperature, top-p та top-k.
- 7API та SDK: як код розмовляє з моделямиСтандарт, сумісний з OpenAI, Claude Messages API, Gemini API та екосистема Hugging Face — з робочим кодом, який можна скопіювати й запустити.
Промпти
- 8Анатомія промпта: з чого він складаєтьсяЗ чого складається хороший промпт: системні промпти, формат вхідних даних, обмеження та приклади — плюс чек-лист і пара «поганий — добрий промпт», яку можна скопіювати.
- 9Техніки промптингу: Zero-shot, Few-shot, CoT, ReActЧотири основні техніки промптингу, якими користується кожен AI-інженер: zero-shot, few-shot, chain-of-thought і ReAct — з промптами, які можна скопіювати, та розбором того, коли яка допомагає.
- 10Основи безпеки ШІ для розробниківПрактична безпека ШІ: промпт-ін’єкція на живому прикладі, упередженість, приватність і модерація — та заходи захисту, які можна впровадити цього тижня. Боятися нічого: це звичайна інженерія.
Ембеддинги
- 11Що таке ембеддингиІдея, на якій тримаються семантичний пошук і RAG: перетворення тексту на вектори чисел так, щоб близькі за змістом тексти опинялися поруч. І де ембеддинги застосовують у реальних продуктах.
- 12Моделі ембеддингів і провайдериOpenAI, Cohere, Gemini, Jina чи відкриті Sentence Transformers? Розмірність, вартість, багатомовність — і практичний спосіб вибрати модель ембеддингів.
- 13Векторні бази данихЧому семантичному пошуку потрібна векторна база даних, як індекси ANN на кшталт HNSW швидко знаходять найближчих сусідів, яку базу вибрати — і робочий приклад пошуку за схожістю.
RAG
- 14Що таке RAGГенерація, доповнена пошуком (RAG): дайте моделі ваші дані в момент відповіді, замість того щоб сподіватися, що вона їх запам’ятала. Чому виникають галюцинації, де RAG застосовують на практиці й чим він відрізняється від fine-tuning.
- 15RAG-пайплайн крок за крокомРозбиваємо документи на фрагменти, будуємо ембеддинги, індексуємо, шукаємо за запитом, збираємо промпт, генеруємо відповідь. Кожен етап RAG — з покроковим розбором і підрахунком токенів у реальному промпті.
- 16Способи реалізації RAGSDK напряму, LangChain, LlamaIndex, Haystack або повністю вручну: компроміси між контролем, зручністю та прив’язкою до інструмента — і мінімальний RAG у ~30 рядків на Python без API-ключів.
Контекст
- 17Контекст і промпт-інжиніринг: що модель бачить насправдіВаш промпт — це одне повідомлення, а контекст — усе, що бачить модель: системний промпт, пам’ять, знайдені документи, результати інструментів, історія. Чому контекстна інженерія стає ширшою дисципліною, ніж промпт-інжиніринг.
- 18Прийоми контекстної інженерії: стиснення, ізоляція, RAG та не тількиП’ять основних прийомів контекстної інженерії — стиснення, ізоляція, RAG із динамічними фільтрами, обробка довгого контексту та керування станом — і коли який застосовувати.
- 19Як ламається контекст: коли більше — значить гіршеВтрата посередині, отруєння контексту, «гниття» контексту й суперечливі інструкції — як ламається контекст, як це виявити й як запобігти.
Агенти
- 20Що таке AI-агенти?Модель у циклі з інструментами: думає, діє, спостерігає, повторює. Що таке агенти, чим вони відрізняються від чат-ботів і чому стали практичними лише нещодавно.
- 21Інструменти та виклик функційЯк модель викликає ваш код: схеми інструментів, повний круг виклику функції, робочий бот погоди та практики, що роблять агентів надійними.
- 22SDK і фреймворки для агентівOpenAI Agents SDK, Claude Agent SDK, LangChain і LlamaIndex: що саме дає SDK і коли вигідніше написати цикл самому.
- 23Мультиагентні системиКоли одного агента замало: ізоляція контексту, спеціалізація, паралельна робота, шаблон «оркестратор — виконавці» та підводне каміння, про яке ніхто не попереджає.
MCP
ШІ для коду
- 27Програмування зі ШІ: нові інструментиClaude Code, Cursor, Windsurf, Codex, Gemini, Replit і opencode. Чим агентні інструменти для коду відрізняються від автодоповнення та як вибрати один із них.
- 28Робота з агентами для кодуЯк домагатися добрих результатів від агентів для коду: файли контексту, невеликі завдання, перегляд діффів, тести як огорожа та випадки, коли роботу взагалі не варто доручати.
Якість: observability та eval
- 29Спостережуваність LLMЧому функціям ШІ потрібен моніторинг понад звичайні логи: трасування кожного запиту — промпт, модель, інструменти, токени, вартість, затримка, — а також моніторинг у реальній експлуатації та інструменти для цього.
- 30Оцінка якості LLMЧому «ніби все гаразд» — це не перевірка якості: детерміновані перевірки, LLM у ролі судді й оцінка людьми, плюс крихітний робочий каркас оцінок, який запускається просто в браузері.
- 31Регресійне тестування промптівПравка промпту ламає випадки, які ви ніколи не перевіряли: золоті набори даних, запуск оцінок за кожної зміни промпту чи моделі та CI-шлюз, що не пропускає погані релізи.