Узнайте, как создать ИИ-агента с нуля
Освойте разработку ИИ-агентов с помощью 12 прогрессивных занятий. Создайте цикл агента, системы инструментов, планирование, память и координацию агентов — шаг за шагом.
Основной паттерн
Каждый ИИ-агент для программирования использует один и тот же цикл: вызов модели, выполнение инструментов, возврат результатов. Производственные системы добавляют уровни политики, разрешений и жизненного цикла.
while True:
response = client.messages.create(messages=messages, tools=tools)
if response.stop_reason != "tool_use":
break
for tool_call in response.content:
result = execute_tool(tool_call.name, tool_call.input)
messages.append(result)Рост сообщений
Наблюдайте за ростом массива сообщений при выполнении цикла агента
Учебный путь
12 прогрессивных занятий: от простого цикла до изолированного автономного выполнения
The Agent Loop
The minimal agent kernel is a while loop + one tool
Tools
The loop stays the same; new tools register into the dispatch map
TodoWrite
An agent without a plan drifts; list the steps first, then execute
Subagents
Subagents use independent messages[], keeping the main conversation clean
Skills
Inject knowledge via tool_result when needed, not upfront in the system prompt
Compact
Context will fill up; three-layer compression strategy enables infinite sessions
Tasks
A file-based task graph with ordering, parallelism, and dependencies -- the coordination backbone for multi-agent work
Background Tasks
Run slow operations in the background; the agent keeps thinking ahead
Agent Teams
When one agent can't finish, delegate to persistent teammates via async mailboxes
Team Protocols
One request-response pattern drives all team negotiation
Autonomous Agents
Teammates scan the board and claim tasks themselves; no need for the lead to assign each one
Worktree + Task Isolation
Each works in its own directory; tasks manage goals, worktrees manage directories, bound by ID
Архитектурные слои
Пять ортогональных аспектов, объединяющихся в полноценного агента
Tools & Execution
2 версийPlanning & Coordination
4 версийMemory Management
1 версийConcurrency
1 версийЧасто задаваемые вопросы
Всё, что нужно знать о создании ИИ-агентов
Этот сайт представляет собой подробное пошаговое руководство по созданию ИИ-агента с нуля. Мы проведём вас через 12 занятий, начиная с простого цикла агента и постепенно добавляя такие возможности, как использование инструментов, планирование, управление памятью, параллелизм и мультиагентное сотрудничество. Каждое занятие включает рабочий код, интерактивные симуляции и подробную документацию.
Вам не нужно быть экспертом по ИИ, но требуются базовые знания программирования. Если вы уверенно владеете Python и понимаете основные концепции программирования (циклы, функции, классы), вы сможете следить за курсом. Мы объясняем специфические концепции ИИ по ходу дела, делая курс доступным для инженеров, студентов и энтузиастов технологий, которые хотят понять, как работают ИИ-агенты.
12 прогрессивных занятий охватывают:
1. Цикл агента - Базовый паттерн while-loop (ответ → выполнение инструмента)
2. Инструменты - Наделение агента возможностями (чтение, запись, выполнение)
3. TodoWrite - Управление задачами и система напоминаний
4. Под-агенты - Изоляция контекста для параллельных задач
5. Навыки - Загрузка специализированных возможностей по требованию
6. Сжатие - Управление памятью и сжатие контекста
7. Задачи - Доски задач с учётом зависимостей
8. Фоновые задачи - Неблокирующее выполнение с уведомлениями
9. Команды агентов - Координация нескольких агентов через почтовые ящики
10. Протоколы команды - Паттерны командного сотрудничества на основе FSM
11. Автономные агенты - Самостоятельное выполнение агентом задач
12. Worktree + Изоляция задач - Готовая к использованию изоляция задач
Да! Каждое занятие включает полный рабочий код. Вы можете:
- Просматривать исходный код прямо в браузере
- Загружать полную реализацию
- Видеть различия между версиями, чтобы точно понять, что изменилось
- Запускать код локально со своими API-ключами
Код создан для обучения, но также готов к использованию в продакшене, следуя лучшим практикам реальных агентных систем вроде Claude Code.
Конечно. Каждое занятие включает интерактивный симулятор, где вы можете:
- Наблюдать за выполнением цикла агента шаг за шагом
- Видеть, как сообщения передаются между пользователем, агентом и инструментами
- Визуализировать рост и сжатие памяти
- Наблюдать за коммуникацией нескольких агентов
- Управлять скоростью выполнения и ставить на паузу в любой момент
Это помогает понять концепции перед погружением в код.
Большинство уроков либо слишком простые (базовые API-вызовы), либо сразу переходят к сложным фреймворкам. Мы используем подход прогрессивного раскрытия:
- Создание с нуля - Никаких скрытых абстракций, видна каждая строка
- Инкрементальная сложность - Каждое занятие добавляет одну концепцию
- Паттерны реального мира - На основе того, как работают продакшен-агенты вроде Claude Code
- Интерактивное обучение - Симуляции, визуализации и практическое программирование
- Полная кодовая база - Не фрагменты, а полные рабочие реализации
Вы понимаете *почему* принимается каждое архитектурное решение.
К концу курса вы создадите готового к использованию ИИ-агента для программирования, способного к:
- Автономному планированию и выполнению задач
- Использованию инструментов (файловые операции, выполнение кода, веб-поиск)
- Управлению долгими задачами с памятью
- Мультиагентному сотрудничеству для сложных проектов
- Фоновому выполнению задач
- Изолированным окружениям для задач
Вы достаточно хорошо поймёте архитектуру, чтобы адаптировать её под свои нужды — будь то ассистент для программирования, исследовательский агент или система автоматизации.
Да! Хотя основное внимание уделяется архитектуре агента, мы рассматриваем важные темы продакшена:
- Безопасность - Песочницы, системы разрешений
- Масштабируемость - Паттерны параллелизма и управление ресурсами
- Обработка ошибок - Восстановление после сбоев инструментов и API
- Мониторинг - Логирование, трассировка и точки наблюдаемости
- Оптимизация cost - Сжатие контекста и эффективное использование токенов
- Изоляция - Разделение задач на основе worktree для безопасности
Финальные занятия конкретно посвящены тому, чтобы сделать вашего агента надёжным и готовым к развёртыванию.
Основной стек намеренно минимальный:
- Python - Основной язык
- Anthropic API - Claude для возможностей языковой модели
- Стандартная библиотека - Без тяжёлых фреймворков, понятные зависимости
Простота гарантирует, что вы сосредоточитесь на концепциях агентов, а не на специфике фреймворков.
Да, полностью бесплатно и с открытым исходным кодом. Образовательный контент и код распространяются под лицензией MIT. Вы можете:
- Использовать код в личных проектах
- Создавать коммерческие продукты на основе архитектуры агента
- Изменять и распространять свои версии
- Предлагать улучшения сообществу
Мы верим в открытое образование и хотим увидеть, что вы создадите!
Время варьируется в зависимости от вашего темпа и глубины погружения:
- Быстрый обзор - 2-3 часа (чтение + просмотр симуляций)
- Практическое программирование - 1-2 дня (реализация вместе с каждым занятием)
- Глубокое освоение - 1-2 недели (эксперименты, модификации, создание расширений)
Каждое занятие рассчитано на 30-60 минут целенаправленного обучения. Прогрессивная структура означает, что вы можете остановиться в любой момент с работающим агентом — вам не нужны все 12, чтобы создать что-то полезное.