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
Курс не простой, я искренне советую не пропускать предыдущие курсы Александра, даже если очень хочется поскорее узнать все. Вы ничего не упустите если будете идти последовательно. Тем более что курсы постоянно меняются, так как преподаватель держит руку на пульсе и правит программу исходя из текущей обстановке на рынке ИИ (это наверное причина, почему нет предзаписанных занятий).
На этом курсе вы создадите агента, агент вместо вас будет отправлять ДЗ, агент Алекандра будет их проверять и делать просто невероятно креативные разборы домашних работ. Тут разбор ДЗ это отдельное искусство - сами увидите. И нет смысла описывать, тк это не повторится дважды.
Преподаватель практик, я доверяю в ИИ только практикам, тому кто набил шишки на реальных проектах и пришел с выжимкой инфы, так как у обычного человека просто нет столько времени в этом всем разбираться. Спасибо за этот труд отдельно.
Крайне рекомендую все эти курсы и каждый в отдельности.
Хотите результатов? Вам сюда.
Вам нужно войти или зарегистрироваться
От курса я ждал двух вещей: перестроить свой маленький бизнес (интернет-СМИ о моде) и использовать ИИ/агентов для простых/средних/неожиданных бытовых задач.
Все шесть занятий я впитывал новые знания как губка и был в восторге. Александр рассказывал не только об агентах, но и постоянно показывал решения обычных, часто встречающихся задач: как дать агенту прочитать и проанализировать то, что ты сам видишь глазами, но что от него закрыто; как работать с ТГ-группами и каналами, делать нужный анализ (кое-что подсказали участники группы, у нас реально был сильный набор); как по максимуму прокачать SEO сайта; как ориентироваться в новостях, если для тебя это бизнес; как передать данные из Apple Watch агенту на обработку; как сделать бриф на дизайн и "вдохновить" агента прототипами; как жонглировать разными моделями для максимальной эффективности. И ещё была куча разных "как" для решения самых разных задач.
Я впитал методы и технологии решения большинства задач, пересобрал свой сайт о моде по молекулам и сделал высокотехнологичный комбайн...
Но на шестом занятии неожиданно выяснилось, что для продолжения именно моих задумок надо сначала решить ряд юридических и финансовых вопросов. Это меня сильно подкосило: бизнес-модель развалилась, а вместе с ней пропало и вдохновение.
Для расширения кругозора я всё-таки досмотрел остальные занятия. На основе всего курса сделал отдельный "скил" для своего Codex и постараюсь ещё раз вернуться к своим задумкам и мечтам.
И да, Александр очень обаятельный рассказчик! Его реально приятно слушать!
Вам нужно войти или зарегистрироваться
«AI-ассистенты и агенты на практике» — мой третий курс. Я полный новичок и смогла разогнаться с нуля до 100 км/ч в освоении новой для себя области благодаря качественному преподаванию: понятной теории, практическим примерам и домашним заданиям.
Самым сложным мне поначалу казался первый курс. GitHub был чем-то совершенно непонятным, а сейчас, после третьего курса, я воспринимаю его как данность, знаю и, главное, активно использую многие инструменты, с которыми познакомилась на занятиях.
Очень благодарна Александру за энтузиазм и готовность делиться профессиональным и личным опытом.
Отдельное спасибо однокурсникам! Очень интересно наблюдать за работой других и знакомиться с их опытом в разработке и сфере ИИ. И самое удивительное — занятия интересны и полезны независимо от уровня подготовки.
Спасибо! Жду новых курсов!
Вам нужно войти или зарегистрироваться
Если не повторяться по техническим деталям, которые коллеги уже озвучили, то можно сказать так: в руках появляются инструменты с которыми можно и хочется сделать, намного больше того, что я успевал придумать, хотя забегая вперед скажу, банк идей в opnclow не пустой.
Но кое что все-таки получило практическое применение во время и сразу после курса:
OpenClow теперь мой надежный помощник, ушел за рамки учебного проекта. Вполне практичное применение.
Paperclip был призван исследовать, вопросы связанные непосредственной с работой. Интересные результаты нашел и до сих пор исследует.
Впечатлил облачный агент. Хотя пока не придумал как применить на практике - но потенциально очень интересная штука.
Знания таких технологий, дает интересное ощущение, что можно взяться за любую задачу, найти ей решение и что-то изменить вокруг себя.
Вот еще: как мне показалось, навык который появляется при применении - это умение заметить, сформулировать, и понять суть задачи и проблемы и прежде всего в своей голове, далее ЛЛМ в помощь. Решение найдется.
Жду следующего развития курсов Александра.
Вам нужно войти или зарегистрироваться
Как и раньше, домашние задания старался делать не ради сдачи, а под реальные задачи — в основном вокруг моего интернет-магазина.
Начал с установки OpenClaw на VPS. Так появился Мистер Лобстер 🦞 — личный AI-помощник, который работает 24/7. Постепенно он получил память, собственные skills и cron-задачи, научился сам запускать регулярные сценарии и превратился из чат-бота в полноценного агента.
Для личных задач настроил утреннее планирование дня, вечерний check-in и еженедельный reset.
Для магазина — аудит почти 19 000 карточек товаров, vision-анализ фотографий, мониторинг checkout и фидов. Агент не просто собирает данные, а выдаёт короткий результат: где проблема, почему она важна и что с ней делать.
Следующим шагом стал многоагентный ops-центр: отдельные агенты отвечают за аудит, мониторинг и исследования, а главный агент принимает задачи, распределяет их и собирает результаты. Здесь хорошо понимаешь, что несколько агентов — это ещё не система. Нужны роли, границы полномочий, общее хранилище результатов и понятное место, где решение принимает человек.
Отдельно понравилась тема самоулучшения агентов. Я построил цикл Observe → Inspect → Amend → Evaluate: система анализирует собственные прогоны, ищет проблемы, предлагает изменения и проверяет, действительно ли после исправления стало лучше.
Например, после одной из таких доработок success rate `checkout-ping` вырос с 65,6% до 96,4%, а количество таймаутов снизилось с 11 до 0.
Дальше я развернул в Paperclip собственную маленькую AI-компанию — Vintajj Reliability Bureau: CEO, инженер по надёжности и репортёр.
И дал им уже не учебную, а реальную инфраструктурную проблему. Компания нашла дефект, исправила проверку и доказала тестами, что она теперь действительно краснеет при неисправности. Потом мы устроили аудит другим мониторинговым скриптам — и нашли несколько случаев, когда контроль мог показывать «всё хорошо» именно в тот момент, когда система была мертва.
Заодно быстро выяснилось, что автономность — штука весёлая: агент может зациклиться и 13 раз подряд делать практически одно и то же, задача может создаться, но не разбудить исполнителя, а инструмент способен радостно сообщить «создано 3 задачи», не создав ни одной :)
После этого романтическое «дадим агенту инструменты и пусть работает» проходит довольно быстро.
Ещё одна большая работа — «Радар возможностей»: система сама ищет гранты, кредиты на API и облака, конкурсы и программы для разработчиков, проверяет условия, ранжирует их и присылает результат в Telegram.
За один реальный прогон получилось:
9 источников → 25 возможностей → около 5,3 млн ₽ заявленной ценности → проверка → скоринг → решение человека → задача агенту в Paperclip.
На одном из найденных грантов цепочка прошла полностью, вплоть до автоматически созданной задачи и готового чек-листа участия.
Именно здесь у меня сформировался один из главных принципов:
скучное и точное делает код, спорное и смысловое — модель, необратимое — человек.
Финальное большое задание превратилось уже в самостоятельный сервис для атрибуции антикварных предметов.
Пользователь вводит описание → создаётся одноразовый E2B sandbox → внутри запускается Pi coding agent с веб-инструментами → агент сам проводит исследование → на выходе получается досье с предполагаемой атрибуцией, аналогами, ценами и источниками.
После нескольких раундов ревью и реальных запусков проект дорос до 174 backend-проверок и 49 браузерных тестов.
Наверное, главный результат курса для меня именно в этом пути:
OpenClaw на VPS → память и skills → cron и проактивные сценарии → бизнес-автоматизация → несколько специализированных агентов → самоулучшение → AI-компания → многоэтапные бизнес-процессы → отдельный агентный сервис.
И одновременно отношение к AI-агентам стало гораздо менее наивным.
Самое сложное — не заставить модель что-нибудь сделать. Самое сложное — построить систему, где понятно, что агенту разрешено, как проверяется результат, что происходит при ошибке и где окончательное решение остаётся за человеком.
Как и на предыдущих курсах, очень нравится подход Александра: домашние задания можно вытаскивать далеко за пределы учебного примера и превращать в собственные рабочие проекты.
Если предыдущий курс помог мне практически в одиночку полностью переработать интернет-магазин, то после этого курса рядом с магазином начала формироваться уже собственная агентная инфраструктура.
AI всё ещё не волшебная палочка. Но возможность одному человеку проектировать и запускать такие системы по-прежнему производит на меня огромное впечатление.
Это совершенно фантастическое время, чтобы что-нибудь создавать.
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться
Я уже не представляю свою жизнь без AI-ассистента, которого сделал на курсе. Я смог автоматизировать большое количество задач, причём многие из них раньше мне даже не приходило в голову автоматизировать. В итоге я реально облегчил себе жизнь, отдав ИИ большой кусок рабочей рутины, и продолжаю постепенно передавать всё больше.
И отдельный плюс курса в том, что он сильно меняет представление о возможностях AI-агентов. После него начинаешь постоянно замечать новые задачи и процессы, которые можно отдать ИИ. Курс оказался даже полезнее на практике, чем я ожидал.
Вам нужно войти или зарегистрироваться
Я по-прежнему опасаюсь развития искусственного интеллекта и того, что он может принести в нашу жизнь. Но это не мешает мне наслаждаться плодами происходящего, делать всякие штуки, о которых я раньше и не мечтала. И да, самое главное: послушав вашего совета (еще после первого курса), я постоянно практикую. И это позволяет мне «налётывать часы», которых многим в будущем будет не хватать. Налётывать часы и набивать шишки 🤣.
Спасибо огромное. Конкретно про этот курс я могу сказать ровно то же самое, что и про все остальные. Абсолютно наидичайше рекомендую 🤝.
Вам нужно войти или зарегистрироваться
По быстрому я скажу так: это ускоренный лифт в реальность, которая всё равно наступит. Только ты приезжаешь туда заранее и можешь подложить себе подушку в том месте, где упадёшь.
А теперь длинная версия :)
Мы, конечно, изучали и модели, и память, и sandbox, и многоагентные системы . Но в какой-то момент произошло кое-что поинтереснее самих технологий: настраивая агенту характер, память, правила - ты начинаешь замечать, что отвечаешь на эти вопросы и про себя тоже. Что важно помнить? Когда действовать самому, а когда спросить? Как реагировать на ошибку? Что считать успехом?
Агентная система постепенно становится чем-то вроде цифрового портрета автора. Поэтому для меня это оказался не просто технический курс - скорее ретрит, на котором вместо медитации ты проектируешь архитектуру собственного мышления.
Расскажу три вещи, которые запомнились больше всего.
Laura и логотип. Одной из моих любимых возможностей оказались индивидуальные skills - инструкции для агента, основанные на твоих собственных предпочтениях и опыте. Мой агент Laura начинался как помощник для разбора художественных работ, а потом стал вполне реальным напарником при создании логотипа для моего хобби-проекта по фотографии. Не абстрактный «ассистент» - а конкретный инструмент, заточенный под мои задачи. Вот в этот момент я по-настоящему почувствовал разницу между «написать хороший промпт» и «построить систему».
92 этапа. На курсе была задача про бизнес-процессы. Я решил не делать учебный пример, а собрать настоящую продакшн-систему для видео. Это вылилось в 92 этапа и 11 дней почти непрерывного кодинга. Тяжело, но именно на этой задаче переключился способ мышления. Перестаёшь думать промптами и начинаешь думать как архитектор: где память, кто за что отвечает, где граница доверия, как один агент передаёт работу другому.
3D-робот. Отдельно хочу сказать про формат обратной связи Александра. Каждую неделю разбор домашних работ превращался в что-то неожиданное —-викторины, пародии, визуальные эксперименты. Но больше всего меня поразил 3D-робот, внутри которого были спрятаны агентские системы моих коллег по курсу. Можно было просто открыть презентацию и разобрать задания по списку. Но Александр каждый раз показывал своим примером: AI становится интересным тогда, когда человеку тесно в стандартных форматах.
Ещё одна важная вещь: курс не навязывал единственно правильную архитектуру. Нам дали конструктор. Кто-то собирал личного ассистента, кто-то - исследовательскую систему, кто-то - инфраструктуру для бизнеса. У каждого в итоге получилась не копия системы Александра, а своя собственная, под свой характер и задачи.
Спасибо Александру за техническую глубину, за терпение и за постоянное желание раздвигать рамки. После этого курса трудно смотреть на AI как на просто ещё один инструмент. Начинаешь видеть другое: мы уже не пользуемся готовыми программами - мы учимся строить вокруг себя системы, которые работают вместе с нами и постепенно становятся продолжением нашего собственного мышления.
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться
В качестве пожеланий хотелось бы, наверное, чтобы было чуть больше технических деталей. Какую-то часть я, в принципе, и так понимаю, но просто в качестве примера: я совсем не уверен, что каждый ученик на нашем курсе понимает, что ту же систему на VPS необходимо периодически обновлять, и это надо делать вручную, через консоль.Потому что это тоже вопрос безопасности, и без дополнительных телодвижений твой агент никак это тебе не покажет. Хотя приложив минимальное усилие и знания, которые были получены на этом курсе, очень легко сделать саб-агента, который будет, по крайней мере, отслеживать все критические изменения и создавать тебе, как минимум, предупреждения.
Всё-таки, персональный агент снимает с тебя огромное количество рутины, которую тебе приходится исполнять каждый день, и сам подход к организации таких процессов начинает меняться. Если раньше ты продумывал какие-то особые подходы и ритуалы для того, чтобы не забыть что-то, то, сейчас, в принципе, это всегда можно обсудить со своим агентом и вместе разработать какой-то рабочий поток, который будет тебе существенно помогать в повседневной жизни.
Общий вывод обычный для любых курсов по применению AI: ты ожидаешь, что после прохождения какого-то обучения и понимания, как работает "эта AI", у тебя не будет никакой работы вообще, всё за тебя будет делать компьютер, но реальность - работы стаёт раз в сто больше, потому что ситуация такова, что ты начинаешь успевать всё это выполнить и даже немного больше. Поэтому, к сожалению, облегчения жизни не будет. Если хотите, чтобы ваша жизнь становилась сложнее, но интереснее, этот курс для вас.
И да, отдельный минус: во время курса все домашние задания сдавал за тебя агент, а отзыв по курсу ты должен, как животное, писать самостоятельно. Позор. :-)
Вам нужно войти или зарегистрироваться
---
А теперь по-серьезному. Курс про AI-агентов — огненный огонь. У меня по его итогам теперь целых два агента на базе OpenClaw — один для рабочих задач, другой для личных обсуждений. А еще мультиагентная компания на базе Paperclip, где восемь виртуальных сотрудников с разными ролями создают курсы для бухгалтерской онлайн-школы. И еще сервис с облачным агентом внутри, который мастерит обучающий модуль под внутренний регламент компании.
Мультиагентную компанию надо еще пошлифовать доводкой скиллов, чтобы результат был ближе к нужному. А все остальное работает так, что хоть сейчас неси на выставку достижений народного хозяйства. 😊
Я давно не новичок в работе с нейронками, но агенты — это какой-то принципиально новый уровень взаимодействия с AI. Когда мне мой OpenClaw написал первое сообщение в Телеграм, а потом с пол-оборота подхватил мои ожидания по стилю и по заданной ему роли — восторгу не было предела. Сразу создается стойкое ощущение: это пишет не какой-то робот, а кто-то вполне себе живой и осмысленный. Сокурсники в чате делились такими же впечатлениями. И, поверьте, они не передаваемы словами — такое волшебство надо прочувствовать самим.
Не меньший восторг накрывает с головой, когда видишь, как целая команда виртуальных коллег в Paperclip подключается к проектированию учебной программы: одна чекает и размечает вводные, другая проектирует структуру, третий создает практические задания, четвертый пишет конспект и т.д. Причем они там друг дружке сами возвращают работу на переделку, CEO сообщает о результатах мне в ТГ, а учебные материалы даже после первого прогона по еще не обкатанным скиллам уже получились годными. В общем, если три месяца назад я про AI-агентов только мечтала, то теперь у меня есть целый агентский рой, который закрывает мои рабочие задачи.
Моя признательность Александру безгранична! Где-то год назад я пришла на его первый курс по AI-разработке с уровнем, когда слово «терминал» исключительно про аэропорт. И совершенно точно, что никакие курсы не прокачивали меня настолько мощно. Кажется, будто за этот год я получила новую профессию. Александр, нижайший вам за это поклон! 💖💖💖
И, как всегда, огромная благодарность Школе Profile за возможность постигать самое передовое, что есть в нейронках. Большое спасибо, что собрали на своей площадке таких крутых преподавателей и поддерживаете их в создании и обновлении курсов про AI!
Вам нужно войти или зарегистрироваться
Для меня это оказался курс, после которого остаются не просто конспекты и общее представление о теме, а реальные навыки и работающие инструменты. За время обучения я успела настроить OpenClaw на VPS, подключить Telegram, поработать с памятью, скиллами и расписаниями, создать нескольких агентов с разными ролями и организовать их взаимодействие. Появились собственные рабочие сценарии, мини-CRM, бизнес-инструменты, автоматические задачи и понимание того, как вообще проектировать агентные системы, а не просто пользоваться готовым AI-чатом.
Особенно ценно для меня то, что многие вещи я делала впервые. Где-то приходилось разбираться, ошибаться, переделывать, искать более удачное решение — и именно благодаря этому материал действительно усваивался. К концу курса я стала гораздо лучше понимать архитектуру AI-ассистентов и агентов, работу с моделями, инструментами, контекстом, памятью, автоматизацией, контроль качества и стоимость такой системы.
Отдельное большое спасибо Александру Свету. Очень чувствуется огромный практический опыт и глубокое понимание темы. Александр даёт не просто набор инструкций «нажмите сюда, затем сюда», а показывает логику: почему система устроена именно так, где могут возникнуть проблемы, как искать решение и как думать дальше самостоятельно. Для меня это особенно важно, потому что технологии меняются настолько быстро, что гораздо ценнее научиться ориентироваться в них, чем запомнить конкретные кнопки.
Уровень преподавателя говорит сам за себя — у Александра учатся в том числе другие преподаватели Profile.
После курса у меня осталось главное ощущение: я теперь смотрю на AI-агентов уже не как на что-то сложное и далёкое, а как на настоящий рабочий инструмент, который могу использовать в собственных проектах, автоматизации и будущей работе.
Спасибо Александру за этот курс, знания, практику и очень продуктивно проведённый отпуск. Для меня он точно прошёл с пользой.
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться
Вам нужно войти или зарегистрироваться