19 минСоздание более эффективных ИИ-агентов
Вы улучшите проектирование инструментов так, чтобы агенты выбирали нужное действие с нужными параметрами.
Воспроизвести видеоLangChain. Наглядный разбор LLM-трассы, проекта и датасета от сооснователя LangChain — стоимость по токенам, латентность, частота ошибок, агрегация обратной связи, погружение в отдельный спан шага извлечения. Это самый близкий визуальный аналог тому, что статья описывает фразой «каждый вызов — это спан», и объяснению, почему структурированные трассировки лучше логирования через print.
Вы сможете ориентироваться в трассах, проектах и датасетах LangSmith и считывать стоимость по токенам, латентность, частоту ошибок и детализацию по каждому спану.
Последняя проверка: 18 мая 2026 г.
Продолжайте тот же учебный путь со следующими связанными видео.
19 минВы улучшите проектирование инструментов так, чтобы агенты выбирали нужное действие с нужными параметрами.
13 минВы выберете между промпт-инжинирингом, RAG, дообучением или их комбинацией, исходя из реального режима отказа.
157 минИспользовать курс как пример для планирования LoRA- или QLoRA-эксперимента и измерить ресурсы и результаты выбранной конфигурации.
Тщательно подобранные внешние курсы, которые глубже раскрывают эту тему.
Emory University Goizueta Business School faculty
Более глубокий университетский аналог нашего начинающего HubSpot-курса по маркетингу — подход бизнес-школы Emory идёт дальше «как писать промпты» к обучению генеративных моделей под брендовый вывод, экономике воронки покупок для ИИ-контента и целому модулю настоящего скепсиса о том, когда генеративный ИИ в маркетинге стоит использовать, а когда нет.
IBM AI Academy
Ответ эпохи генеративного ИИ на вопрос о стратегии для руководителей. Три коротких курса, адресованных напрямую бизнес-лидерам — техническая подготовка не нужна — о том, где генеративный ИИ создаёт ценность, как им ответственно управлять и как превратить расплывчатое «нам нужен ИИ» в конкретный, обоснованный сценарий использования. Оценка 4,6 примерно по 700 отзывам.