AI/აგენტ ინჟინერია

როგორ მუშაობს LLM

ენობრივი მოდელის საფუძვლები, სრული ციკლი კითხვიდან პასუხამდე.

საუბრის მართვა და Tool Call-ები

საუბრის ისტორიის მართვა და ენობრივი მოდელის დამატებითი ფუნქციებით გამდიდრება.

AI SDK - შესავალი

არსებული ცოდნის AI SDK-ში გადატანა და უპირატესობების აღმოჩენა.

Structured Output და მისი გამოყენება

Zod, რაში ვიყენებთ Structured Output-ს და როგორ ვიყენებთ მათ ეფექტურად.

Prompt Engineering

Prompt-ების წერა, მათი რეალური შესაძლებლობების აღმოჩენა, იტერაციები და უსაფრთხოება.

მულტიმოდალური AI მოდელები

სურათები, აუდიო და ვიდეო. როგორ ხდება მათი ანალიზი და გენერაცია.

API და მონაცემთა ბაზა

გავხადოთ AI აგენტი, მომხმარებლებისთვის ხელმისაწვდომი და ჩავაშენოთ რეალურ აპლიკაციაში, Express-ის და MongoDB-ის გამოყენებით.

Streaming - პასუხები რეალურ დროში

გავაუმჯობესოთ UX და ავაჩქაროთ პასუხები streaming-ის გამოყენებით.

შესავალი RAG-ში

რა არის RAG, ვექტორული ბაზები და როგორ იყენებს აგენტი მას. როგორ ითვლება სემანტიკური მსგავსება სიტყვებს შორის.

RAG სრული პროცესის შესწავლა

მონაცემთა დაყოფა, ვექტორულ ბაზაში შენახვა, სემანტიკურად მსგავსი ინფორმაციის წამოღება და აგენტის კონტექსტის გამდიდრება.

LLM vs AI Agent

განსხვავებები და სწორი გამოყენების გზები. სხვადასხვა აგენტური არქიტექტურის განხილვა და მათი იმპლემენტაცია.

AI აგენტები და AI SDK

რა უპირატესობები აქვს AI SDK-ს აგენტების შექმნისთვის. Human-in-the-loop არქიტექტურა AI SDK გამოყენებით.

პროდაქშენისთვის მზადება

რა ნაბიჯებია საჭირო აგენტის პროდაქშენისთვის მოსამზადებლად. მონიტორინგი, ტესტირება, Rate limiting და უსაფრთხოების საუკეთესო პრაქტიკები.

ფინალური პროექტი - ნაწილი 1

ფინალური პროექტი - ნაწილი 2