Программа курса "AI-ассистенты и агенты на практике"
Занятие 1. Знакомство с OpenClaw и безопасная установка вашего первого AI-ассистента
Цель: Установить и настроить персонального AI-ассистента OpenClaw на VPS сервере, подключить Telegram и провести первое взаимодействие с агентом.
Темы:
Что такое персональные AI-ассистенты? Чем они отличаются от чат-ботов
Обзор и сравнение агентов: OpenClaw, Hermes, IronClaw и другие
Почему OpenClaw — он прошёл границу массового принятия и его экосистема растёт быстрее всех
Как технически работает OpenClaw: LLM как мозг, оркестрация, heartbeat, навыки, память на файловой системе
Выбор, где запускать OpenClaw: свой компьютер, отдельная машина или VPS — и почему VPS лучше
Обзор LLM для работы в OpenClaw: сравнение моделей по цене и качеству. На курсе используем подписку ChatGPT Plus
Безопасная установка OpenClaw на VPS: создание сервера, firewall, настройки безопасности
Подключение Telegram: создание бота через BotFather, паринг, первое сообщение
Доступ к Gateway Dashboard через SSH-туннель
Первый разговор с агентом: настройка identity (user.md), файла "души" (soul.md), базовый набор скиллов
Основы безопасности: отдельные аккаунты для всех сервисов, защита от prompt injection, проверка скиллов
Домашнее задание: Запустите своего первого OpenClaw на VPS сервере. Настройте Telegram, проведите "интервью" с агентом (заполните identity), настройте базовые скиллы. Ваш OpenClaw должен сам залогиниться на специальный сайт курса и отправить отчёт о том, что установка завершена и всё работает.
Технологии:
OpenClaw
ChatGPT Plus (Codex модель)
VPS (Hetzner / аналоги)
Telegram Bot API
VS Code + Remote SSH
Занятие 2. Продвинутая настройка OpenClaw
Цель: Настроить память, мультимодальное общение, подключение к внешним сервисам и оптимизировать работу агента по стоимости и производительности.
Темы:
Архитектура памяти OpenClaw: memory.md (долгосрочная) vs папка memory/ (дневные логи), что загружается в контекст, почему агент "забывает" информацию
Compaction и Memory Flush: как не терять важную информацию при компактизации контекста
Vector memory search (QMD backend): более эффективный поиск по памяти
Оптимизация токенов и стоимости: prompt caching, команды /status, /context list, /compact, лимиты контекстного окна
Heartbeat и Cron-задачи: настройка регулярных действий агента и запланированных задач по расписанию
Суб-агенты: как делегировать задачи параллельным агентам для ускорения работы
Мультимодальное общение: генерация картинок, базовый TTS через Google TTS, обзор других возможностей (голосовые сообщения через Whisper, живые звонки через ElevenLabs)
Подключение OpenClaw к внешним сервисам: стандартный способ через MCP и скиллы
Composio как продвинутый вариант: единый хаб интеграций с OAuth, экономия токенов через умный поиск инструментов
Продвинутые скиллы: создание собственных скиллов, обзор Clawd Hub, аудит скиллов перед установкой
Домашнее задание: Настройте память в вашем OpenClaw (memory flush, QMD backend), создайте минимум один собственный скилл и настройте cron-задачу. Ваш OpenClaw должен сам сгенерировать инфографику, объясняющую как работает его память, и загрузить эту картинку на специальный сайт курса.
Технологии:
OpenClaw (память, скиллы, cron)
QMD backend
Composio
Google TTS
MCP
Занятие 3. Настройка OpenClaw как вашего личного ассистента
Цель: Научиться настраивать OpenClaw для решения повседневных персональных задач — от простых уведомлений до продвинутого управления знаниями и самодисциплины.
Темы:
Простое — быстрые результаты:
Утренний брифинг — сводка дня: погода, задачи, напоминания, важные даты
Списки покупок и бытовые напоминания — grocery-автоматизация через Telegram
Базовая система заметок — сохранение и поиск заметок через ассистента
Среднее — интеграции и автоматизации:
Email-ассистент — настройка чтения почты с фильтрами, пересылка доверенных отправителей, защита от prompt injection (отдельный email-аккаунт, блокировка прямых сообщений)
Календарь и подготовка к встречам — синхронизация с Google Calendar, автоматические напоминания, сбор контекста перед встречами
Учёт финансов — парсинг чеков и платежей из почты, ведение Google Sheet с транзакциями
Продвинутое — роли и системы:
Chief of Staff — приоритизация входящего потока, follow-up после звонков, еженедельный обзор прогресса по целям
Knowledge Management по PARA/QMD — автоматическая организация знаний по методологии PARA с использованием QMD vector backend
Automatic Discipline — трекинг привычек, проактивные напоминания о целях, рефлексия дня, «подталкивание» к выполнению задач
Домашнее задание: Настроить минимум 3 персональных сценария использования OpenClaw из разных уровней сложности (минимум 1 простой, 1 средний, 1 продвинутый). Ваш OpenClaw должен сам сгенерировать текст и инфографику, объясняющую как работают его сценарии использования и загрузить их на специальный сайт курса.
Технологии:
OpenClaw
Telegram
Google Calendar
Gmail
Google Sheets
Google Drive
Composio
Cron-задачи
Skills
QMD
Занятие 4. Настройка OpenClaw для выполнения бизнес-задач
Цель: Научиться применять OpenClaw для автоматизации бизнес-процессов — от мониторинга рынка до автоматического резюме встреч.
Темы:
Простое — мониторинг и контент:
Мониторинг конкурентов и рынка — автоматический трекинг новостей, цен, активности конкурентов
Генерация контент-идей — анализ трендов, outlier-видео, идеи для постов и статей
Черновики постов и писем — автоматическая подготовка контента для соцсетей, рассылок, блога
Среднее — автоматизации и интеграции:
CRM-автоматизация — управление контактами и лидами, автоматический follow-up с клиентами, отслеживание сделок, автоответы на типовые запросы
Бухгалтерия и финансовый учёт — парсинг чеков и платежей из почты, ведение Google Sheet с транзакциями, генерация инвойсов
Контент-маркетинг — планирование контент-календаря, базовый SEO-анализ, автоматизация публикаций
Продвинутое:
Резюме встреч — транскрипт звонка/встречи → автоматическое summary + action items в таск-трекер
Домашнее задание: Настроить минимум 3 бизнес-сценария использования OpenClaw из разных уровней сложности. Ваш OpenClaw должен сам сгенерировать текст и инфографику, объясняющую как работают его сценарии использования и загрузить их на специальный сайт курса.
Технологии:
OpenClaw
Telegram
Google Sheets
Google Drive
Gmail
Composio
MCP
Cron-задачи
Sub-агенты
Skills
Занятие 5. Операционный центр: мониторинг и автоматизация задач
Цель: Построить единый центр управления агентом — с мониторингом активности, автоматическим подхватом задач и делегированием тяжёлых операций скриптам.
Темы:
Наблюдаемость — понимаем, что делает агент:
Ops Hub дашборд — единый центр: мониторинг сессий, логов, ошибок, активности суб-агентов
Логирование и трейсинг — как отслеживать, какие инструменты вызывает агент, что промптит, что делает
Бюджет токенов — трекинг расходов, квоты, уведомления о превышении лимитов
Автоматизация потока задач:
Task Kanban — создание бэклога задач, статусы (to do / in progress / done), приоритизация
Автоподхват через heartbeat — агент каждые N минут проверяет бэклог и берёт задачи в работу
Параллельная работа суб-агентов — запуск нескольких задач одновременно, координация результатов
Делегирование скриптам — вынос тяжёлых операций из LLM в bash-скрипты для экономии токенов
Домашнее задание: Построить собственный операционный центр. Агент должен сам рассказать в словах и картинках, как работает его операционный центр, и загрузить отчёт на сайт курса.
Технологии:
OpenClaw
Heartbeat
Sub-агенты
Skills
Bash-скрипты
Cron-задачи
HTML/Dashboard
Занятие 6. Самосовершенствующийся и проактивный агент
Цель: Превратить агента из инструмента, который реагирует на команды, в систему, которая сама улучшает свои навыки, организует знания и проактивно взаимодействует с человеком.
Темы:
Файловая система как ОС агента:
Personal Brain OS — архитектура файловой системы как основа управления агентом
Живые файлы vs мёртвые файлы — файлы, доступные агенту 24/7 и обновляемые им автоматически, vs файлы, которые ждут человека
Графы навыков — от плоского SKILL.md к сети файлов с вики-ссылками
Самосовершенствование:
Цикл Observe → Inspect → Amend → Eval — навыки как живые компоненты, которые агент сам улучшает
Daily self-improvement — анализ логов, нахождение ошибок, автоматическое улучшение навыков
Агент-лаборатория — агент строит себе среду для экспериментов и проверки своей работы
Самомодификация кода — когда агент сам дописывает и переписывает свои скрипты и скиллы
Проактивность — агент как инициатор:
От реакции к инициативе — агент сам генерирует вызовы человеку, а не ждёт команд
Практические сценарии проактивности — проактивные алерты, предложения действий, запросы на подтверждение решений
Домашнее задание: Настроить цикл самосовершенствования для минимум 2 навыков агента (Observe → Inspect → Amend → Eval). Настроить минимум 1 проактивный сценарий, где агент сам инициирует взаимодействие. Агент должен сам прийти на сайт курса и описать, какие навыки он улучшил и показать логи до/после.
Технологии:
OpenClaw
Skills (живые навыки, графы)
Файловая система
Evals
Heartbeat
Telegram
Занятие 7. Мульти-агентные системы: создаём AI-компанию в Paperclip
Цель: Перейти от одиночного агента к мульти-агентной системе — развернуть Paperclip, создать первую AI-компанию с CEO-агентом и сотрудниками, и провести первую задачу через полный рабочий цикл.
Темы:
Зачем нужны мульти-агентные системы:
Когда одного агента мало — ограничения контекста, специализация, параллельная работа
Разница между суб-агентами в OpenClaw и полноценной мульти-агентной системой
Обзор подходов к оркестрации: иерархия, конвейер, роевая модель — и почему Paperclip выбрал иерархию
Архитектура Paperclip:
CEO-агент — центральный координатор с heartbeat, который управляет всей компанией
Org Chart — найм агентов на роли, каждый со своим system prompt и специализацией
Issues-based workflow — Kanban-доска задач (Backlog → To Do → In Progress → In Review → Done)
Как агенты взаимодействуют: CEO создаёт задачу, назначает исполнителя, контролирует результат
Практика — создаём первую AI-компанию:
Развёртывание Paperclip — установка и настройка на сервере
Создание компании — название, описание, миссия
Настройка CEO-агента — system prompt, heartbeat, поведение
Найм первого сотрудника — роль, system prompt, фазы работы
Первый issue — создание задачи, назначение, выполнение, проверка результата
Продвинутое:
Бюджеты и лимиты — настройка бюджетных ограничений для агентов, контроль расходов на токены
Фазы работы агента — структурированные этапы выполнения задачи в system prompt (исследование → план → выполнение → проверка)
Review cycle — CEO проверяет работу сотрудника, отправляет на доработку, контроль качества перед закрытием задачи
Домашнее задание: Развернуть свою AI-компанию в Paperclip: CEO-агент + 2 сотрудника с разными ролями. Прогнать минимум 1 issue через полный цикл (создание → назначение → выполнение → review). Третий агент-репортёр должен сам прийти на сайт курса и описать структуру компании, роли сотрудников и результат выполненного issue.
Технологии:
Paperclip
OpenClaw
VPS
Telegram
Issues / Kanban
System prompts
Занятие 8. Paperclip на практике: бизнес-pipeline из агентов
Цель: Настроить реальные бизнес-конвейеры в Paperclip — от контент-производства до генерации лидов, показав как мульти-агентная компания решает конкретные задачи.
Темы:
Контент-конвейер — основной pipeline:
Архитектура конвейера — 4 агента с чёткими ролями: исследователь, писатель, редактор, публикатор
Настройка каждого агента — system prompt, фазы работы, критерии качества
Цепочка задач — как issue передаётся от одного агента к другому, review cycle между этапами
Запуск конвейера — полный цикл от темы до готового материала
Lead Generation pipeline:
Архитектура — агенты: ресёрчер (поиск компаний/контактов), квалификатор (оценка релевантности), outreach-специалист (персонализированные сообщения)
Настройка критериев квалификации и шаблонов outreach
Запуск pipeline и анализ результатов
Продвинутое — масштабирование компании:
Несколько отделов — контент + продажи в одной компании, координация между отделами
Онбординг новых агентов — как быстро добавлять новых сотрудников в уже работающую систему
Метрики эффективности — как оценивать работу компании, какие показатели отслеживать
Домашнее задание: Настроить один бизнес-pipeline на выбор ученика (контент, лиды или собственный сценарий) минимум из 3 агентов. Один из агентов-сотрудников компании должен сам прийти на сайт курса и описать, как работает настроенный pipeline: роли агентов, цепочка задач и результат.
Технологии:
Paperclip
OpenClaw
Telegram
Issues / Kanban
System prompts
Review cycle
Занятие 9. Агенты в облаке: создаём сервис на основе облачных sandboxов
Цель: Научиться запускать AI-агентов в облачных sandbox-средах и создать сайт-сервис, который по запросу пользователя запускает агента в облаке, получает результат и отображает его на сайте.
Темы:
Облачные sandboxы для агентов:
Что такое облачные sandboxы и зачем они нужны — изолированные среды, которые поднимаются по запросу и умирают после выполнения
Обзор платформ облачных агентов — сравнение, цены, особенности
Когда использовать sandbox вместо постоянного агента — разовые задачи, масштабирование, безопасность
Запуск агента в облаке:
Работа с API платформы — создание sandbox, запуск агента, получение результатов
Жизненный цикл sandbox — запуск, выполнение, сбор результата, завершение
Настройка окружения агента — инструменты, зависимости, таймауты
Интеграция с сайтом:
Архитектура сервиса — сайт принимает запрос, запускает агента в облаке, отображает результат
Отображение прогресса — поллинг статуса, стриминг промежуточных результатов
Обработка ошибок и таймаутов — что делать когда агент завис, ошибся или превысил лимит
Практика — строим ресёрч-сервис:
Создание сайта — пользователь вводит тему исследования
Запуск агента в облаке — агент проводит исследование в изолированной среде
Отображение результата — готовый отчёт на сайте, агент завершает работу
Домашнее задание: Создать собственный сайт-сервис, который запускает агента в облачном sandbox для выполнения задачи (ресёрч или любой другой сценарий на выбор ученика). Агент должен сам прийти на сайт курса и описать, какой сервис был создан и как он работает.
Технологии:
e2b.dev
OpenCode
API интеграции
HTML/JS (сайт)
Webhook / Polling
Занятие 10. Монетизация и возможности: как зарабатывать на AI-агентах
Цель: Собрать вместе все знания курса и показать, как другие люди уже зарабатывают на AI-агентах, какие модели монетизации работают, и вдохновить учеников на собственные проекты.
Темы:
Реальные кейсы — как люди уже зарабатывают:
Felix — AI-агент на OpenClaw, который приносит тысячи долларов в неделю: как это работает изнутри
TikTok-агент — как AI-агент набрал миллионы просмотров за неделю
AI Chief of Staff — замена руководителя аппарата агентом, который работает лучше любого нанятого человека
Один человек = команда из 5 — как AI-агенты позволяют одному человеку выдавать результат целой команды
Агенты в корпорациях — что происходит когда вся компания начинает использовать агентов
Модели монетизации:
Сервисы на агентах — ресёрч, контент, аналитика как продукт (как в Занятии 9)
Консалтинг и настройка агентов для бизнеса — настройка AI-ассистентов и мульти-агентных систем под заказ
Автоматизация собственного бизнеса — идеи автоматизаций, которые можно собрать за выходные
Продукты на агентах — обвязка как продукт
Цифровые сотрудники — создание армии агентов как бизнес-модель
Карьерные возможности:
Новая профессия: онбординг AI-агентов — как устроены AI-native компании и каких специалистов они ищут
AI-грамотность как новый стандарт — что требуют работодатели уже сегодня
Самое предприимчивое поколение — почему сейчас лучшее время начинать
Вдохновение и следующие шаги:
Что вы теперь умеете — обзор всех навыков курса и как они складываются в единую экосистему
Куда движется индустрия — тренды, новые инструменты, что изучать дальше
Гиперпродуктивность — следующий этап AI, когда агенты меняют не отдельные задачи, а весь подход к работе
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться