LangChain. Фреймворк Лэнса Мартина — write, select, compress, isolate — с конкретными примерами того, когда нужно суммировать историю действий, когда выгружать состояние в файлы, а когда запускать суб-агентов исключительно ради защиты контекста родителя. Ложится почти напрямую на раздел статьи про управление окнами в 1M токенов на практике.
Названия моделей, цены и возможности быстро меняются. Используйте видео для понимания принципа выбора, затем проверьте актуальное поведение модели перед внедрением.
Применять приёмы write, select, compress и isolate, чтобы осознанно управлять контекстом агента.
Опыт разработки или эксплуатации агентов с длинными, продолжительными сессиями контекста.
Последняя проверка: 18 мая 2026 г.
Продолжайте тот же учебный путь со следующими связанными видео.
18 минУвидеть, как точки согласования можно реализовать как явные контрольные точки процесса, а не как неформальную ручную проверку уже после сбоя.
4 минПонять, почему многоязычные модели векторных представлений важны для конфиденциального внутреннего поиска и где локальное извлечение может снизить риск раскрытия данных.
17 минНастроить рабочий процесс с несколькими кодовыми агентами и явными границами ревью, чтобы изменения оставались небольшими и протестированными.
Тщательно подобранные внешние курсы, которые глубже раскрывают эту тему.
DeepLearning.AIИса Фулфорд · Эндрю Ын
Девяносто минут — и вы получаете годовой опыт интуиции. Если вы пишете код, вызывающий LLM, это самый эффективный курс в интернете для закрытия разрыва между «играю с ChatGPT» и «выкатываю функцию с вызовом LLM в рабочую эксплуатацию».
Coursera · Vanderbilt UniversityDr. Jules White
Хорошее длинное дополнение к короткому курсу DeepLearning.AI, особенно для людей без кода. Dr. White учит промптингу как набору повторяемых паттернов, а не трюкам, поэтому работа с LLM становится системной.
Microsoft LearnMicrosoft Learn
Промпт-инжиниринг, но для инструмента, с которым большинство офисных сотрудников столкнётся первым. Собственная четырёхчастная схема промптов Microsoft (цель, контекст, источник, ожидание) — действительно полезная модель мышления, и в отличие от общих курсов по промптам для ChatGPT уже в нашем каталоге, этот полностью привязан к специфике Microsoft 365 Copilot и тому, как он опирается на данные.
