Направления и курсы обучения Школы траблшутеров

Модель никогда не врёт сознательно, лишь предсказывает правдоподобный текст, и именно поэтому уверенный тон ответа никак не связан с тем, насколько сказанное соответствует истине. Разберём механику галлюцинаций – от пробелов в обучающих выборках до отсутствия привязки к внешним данным. Классифицируем виды: фактические ошибки, несуществующие источники, галлюцинации в коде, ложные логические выводы. Узнаем, как снижать вероятность сбоя – от RAG до финальной проверки человеком.

Устройство и практика агентов. Разница между чат-ботом и агентом: один отвечает на вопрос, второй сам открывает браузер, подключает внешние сервисы и доводит задачу до результата. Лекция раскладывает агента на составные части – LLM как «мозг», память, инструменты и цикл принятия решений. Отдельно разберём путь для тех, кто хочет строить такие системы самостоятельно: от Python и MCP до фреймворков вроде LangGraph. Посмотрим, как за пару часов собрать прототип и подобрать сферу применения.

Применение агентов на практике. Список того, что делают агенты в бизнесе, читается как штатное расписание компании: веб-серфер, разработчик, аналитик, специалист поддержки, маркетолог, менеджер по продажам, финансист, личный ассистент – и перечень продолжает расти. Посмотрим примеры (Claude Code, ChatGPT Agent, Manus, Devin, Perplexity) и разберём сценарии – от автоматизации маркетингового конвейера и составления контент-плана до анализа фондового рынка и управления проектами.

Чем шире права агента, тем дороже обходится единственный сбой. Автономность отличается от переписки с чат-ботом тем, что ошибка случается не в тексте, а в реальном действии: отправленном письме, удалённом файле, выполненном платеже. Разберём риски – от приватности данных до промпт-инъекций – и механизмы контроля: человек в петле, agent-судья, разграничение прав, наблюдаемость каждого шага. Узнаем, как выстроить самостоятельность, которая не переходит в бесконтрольность и потери.

Банкомат не отнял работу у кассиров, а освободил время для продаж и консультаций, и банки на сэкономленном расширили сеть. iPhone, наоборот, сделал поход в отделение ненужным, и число кассиров резко упало. Разница между двумя технологиями не в степени автоматизации, а в том, перестраивается ли организационная парадигма вокруг работы целиком. Именно такой вопрос курс задаёт про сегодняшний ИИ. Разберёмся, что перемены означают для сотрудников, работодателей и общества по отдельности.