Цель курса — подготовить слушателя к самостоятельному проектированию подсказок и ИИ-помощников для цифровых сервисов. Выпускник сможет переводить рабочие требования в сценарии взаимодействия с языковой моделью, определять состав контекста, знаний и инструментов, а также выбирать методы проверки результатов.
Полученная компетенция позволит создавать управляемые решения, снижать риск недостоверных ответов, учитывать ограничения безопасности и совершенствовать систему по данным мониторинга.
Освоить принципы работы языковых моделей и систематизировать методы построения подсказок с учётом токенизации, контекста и примеров. Расширить понимание архитектуры ИИ-помощников, поисково-дополненной генерации, вызова функций и координации нескольких агентов.
Развить подходы к оценке качества, закрепить способы снижения галлюцинаций и отработать документирование сценариев. Применять требования безопасности и данные мониторинга для последовательного улучшения решений.
Слушатели будут знать понятия искусственного интеллекта, машинного обучения и обработки естественного языка, устройство больших языковых и генеративных моделей, роль токенизации, контекста и механизмов внимания. Теоретическая база включает конструкции системных и пользовательских подсказок, контекстное обучение и методы управления выводом.
Отдельное внимание уделяется принципам RAG, структуре баз знаний, схемам вызова функций, архитектуре многоагентных систем, требованиям безопасности, документации, мониторингу и эксплуатации ИИ-помощников.
Слушатели научатся анализировать требования к цифровому сервису, составлять подсказки и сценарии диалога, подбирать примеры, планировать структуру контекста и настраивать обращение к базе знаний. Они смогут применять вызов функций, проектировать распределение ролей между агентами и оформлять техническую документацию.
Практические навыки охватывают оценку фактологичности, контроль безопасности и стабильности ответов, документирование версий, разбор журналов работы и сопровождение ИИ-помощника по результатам мониторинга.