Learn AI Agents: Agentic AI
Learn AI Agents: Agentic AI — Узнайте, как работают AI-агенты, и создавайте собственных на телефоне
Learn AI Agents: Agentic AI — бесплатное приложение-курс для iPhone и Android, которое объясняет разработчикам, студентам и тем, кто меняет профессию, как работают AI-агенты и как их создавать. В приложении 60 курсов и 239 коротких уроков: от первого цикла LLM через вызов инструментов, RAG, LangChain и LangGraph до оркестрации мультиагентных систем. Кроме того, здесь есть Agent Lab, где можно запустить агента с заданием и пошагово наблюдать за каждым вызовом инструмента, результатом и ответом, а также AI Mentor, который поможет, когда что-то пойдёт не так.
- Цена
- Бесплатно, переход на Pro
- Платформы
- iOS и Android
- Языки
- 22
- Возрастной рейтинг
- 4+
- Требуется
- iOS 15.1 или новее
Агент хорош лишь настолько, насколько хорошо вы можете отследить вызов инструмента.
В большинстве руководств по агентам показывают схему цикла — подумать, действовать, наблюдать — и переходят дальше. Эта программа останавливается на каждой стрелке: вы пишете функцию, которую модели разрешено вызывать, точно считываете возвращённый результат и видите, как некорректный результат инструмента уводит цикл в сторону.
Что это
Learn AI Agents: Agentic AI — бесплатное приложение для iOS и Android, где можно изучить создание AI-агентов. В нём 60 курсов и 239 уроков продолжительностью от пяти до десяти минут. Программа начинается со знакомства с агентами на основе LLM и prompt engineering, затем переходит к вызову инструментов, retrieval-augmented generation (RAG) и векторным базам данных, а после — к LangChain, LangGraph и LlamaIndex, оркестрации мультиагентных систем, агентам для работы с компьютером и развёртыванию в production. В уроках есть примеры на Python, которые можно запускать прямо в приложении, Agent Lab с пошаговым отображением работы агента, тесты после каждой темы и AI Mentor, которому можно задавать вопросы по ходу обучения.
В приложении
Как это выглядит
Курс
Что входит в курс AI Agents
60 курсов и 239 уроков из собственной учебной программы приложения — от первого цикла LLM-агента до оркестрации мультиагентных систем и развёртывания в production.
Основы агентов
Intro to LLM Agents, Prompt Engineering for Agents, LLM APIs in Practice (SDK OpenAI и Anthropic), File System Agent Operations, Conversational Memory Basics и первый набор практических проектов.
Использование инструментов и поиск данных
Паттерн Tool-Use / Function-Calling, API Integration for Agents, Email and Calendar Agents, Working with Embeddings, основы Retrieval-Augmented Generation, Vector Databases for Agents и Agent Observability Foundations.
Агенты для реальных платформ
Slack and Chat Platform Agents, GitHub and Repository Agents, Web Scraping and Data Fetching Agents, Agent CLI and Interactive Tools, Secrets and Configuration Management, LangChain Fundamentals, Structured Output and Parsing и Database Agents, которые преобразуют естественный язык в SQL.
Тестирование, отладка и надёжность
Agent Testing Fundamentals, Debugging Agent Loops, LangGraph for Stateful Agents, LlamaIndex Deep Dive, Multi-Tool Agents (паттерн ReAct), Building Reliable Agents и Memory Architectures for Agents.
Специализированные агенты
Voice and Audio Agents, Knowledge Graph Integration, Personal AI Assistant Architecture, Agent Evaluation and Benchmarking, Agent Safety and Guardrails, Cost and Latency Optimisation, а также системы Customer Service и Deep Research Agent.
Production и передовые технологии
Multi-Agent Orchestration, Production Agent Deployment, Computer-Use and Browser Agents, Code-Generating Agents, Long-Horizon Planning Agents, Sandboxing and Secure Code Execution и Self-Improving Agent Systems.
Как это работает
Как проходит урок по AI Agents
Курс построен в порядке создания системы — сначала цикл, затем инструменты, память, фреймворки и производственные аспекты, — а Agent Lab позволяет наблюдать результат, а не только читать о нём.
Изучите один элемент цикла агента
Каждый урок посвящён одному конкретному шагу: как выглядит вызов инструмента при передаче данных, как векторная база данных возвращает совпадение и почему prompt требует разделения ролей. Объяснения написаны простым языком и рассчитаны на небольшой свободный промежуток в течение дня.
Запустите агента и изучите его трассировку
В Agent Lab задайте агенту задачу и наблюдайте, как каждый вызов инструмента, результат и ответ появляются шаг за шагом. Просмотрщик трассировки работает как отладчик: вы точно видите, где произошла ошибка. В уроках также есть примеры на Python, которые можно запускать прямо внутри них.
Создайте собственного агента и исправьте его
Выберите системный prompt, инструменты, лимит шагов и задачу в Agent Builder, а затем сохраните собственного агента. В миссиях Lab вам предстоит выполнить первый вызов инструмента, исправить сломанный вызов, прочитать трассировку, добавить защитное ограничение, направить задачу и разделить работу между параллельными агентами. AI Mentor объяснит, что сделал модель, если трассировка окажется непонятной.
Что внутри
Что именно входит в приложение
В реальном времени
Agent Lab с запусками в реальном времени
Задайте агенту задачу и наблюдайте, как каждый вызов инструмента, результат и ответ появляются шаг за шагом, а затем изучите запуск в просмотрщике трассировки, созданном для точного отображения места сбоя. Ежедневное количество запусков в реальном времени доступно бесплатно.
60
Курсы для начинающих и продвинутых
60 курсов и 239 уроков: от первого цикла агента на основе LLM и prompt engineering через вызов инструментов, RAG, векторные базы данных, LangChain и LangGraph до оркестрации мультиагентных систем, агентов для работы с компьютером и развёртывания в production.
5
Orchestration Lab
Сравните пять подходов бок о бок — одного агента, последовательный конвейер, маршрутизатор, параллельное распределение задач и генератор с критиком — и увидите, как каждый из них сочетает скорость, стоимость и надёжность. Один подход доступен бесплатно; Pro открывает остальные.
Создание
Agent Builder
Выберите системный prompt, инструменты, лимит шагов и задачу, затем сохраняйте собственных агентов и запускайте их в Lab.
6
Миссии Lab и примеры на Python
Шесть миссий для агентов — первый вызов инструмента, исправление сломанного вызова, чтение трассировки, добавление защитного ограничения, маршрутизация задачи и разделение работы между параллельными агентами, — а также примеры на Python, которые можно запускать прямо в уроках.
AI
AI Mentor
Спросите, почему вызов инструмента вернул данные в неправильной форме или почему агент дважды выполнил один и тот же шаг, и получите понятный ответ простым языком за несколько секунд.
Контекст
Что такое AI-агент и что на самом деле включает его создание?
AI-агент — это программа, которая использует языковую модель, чтобы решать, что делать дальше, а не только что сказать. Вместо одного ответа он выполняет цикл: анализирует ситуацию, выбирает действие, вызывает инструмент — поисковый индекс, базу данных, API или фрагмент кода, — считывает результат и повторяет процесс, пока не достигнет цели. Создание агента в основном сводится к инженерной работе вокруг этого цикла: определить, какие инструменты модели разрешено вызывать, структурировать получаемые данные, обработать сбой инструмента или некорректный ответ и сохранить достаточно информации о предыдущих шагах, чтобы агент не повторялся.
Вызов инструментовfunction calling
Механизм, который позволяет модели запрашивать реальное действие — выполнить запрос, загрузить страницу или отправить электронное письмо, — формируя структурированный вызов, который ваш код выполняет и передаёт результат обратно. Это связующее звено между моделью, которая лишь предсказывает текст, и программой, которая действительно что-то делает.
RAGretrieval-augmented generation
Получение релевантных документов в момент запроса — обычно из векторной базы данных эмбеддингов — и передача их модели в качестве контекста, чтобы ответ основывался на ваших данных, а не только на том, что модель запомнила во время обучения.
Фреймворки для агентовLangChain, LangGraph, LlamaIndex
Библиотеки, которые берут на себя повторяющиеся части работы агента — сам цикл, память, подключение инструментов и многошаговые графы с сохранением состояния, — чтобы вы занимались логикой, специфичной для вашего агента, а не базовой инфраструктурой.
Оркестрация мультиагентных системагенты, использующие других агентов
Подход, при котором один агент делегирует подзадачи другим — агенту-исследователю, агенту-программисту и агенту-рецензенту, — у каждого из которых есть собственные инструменты и контекст. Их координирует отдельный слой, который решает, кто будет действовать следующим, и объединяет полученные результаты.
Подходит
Кому это подходит — а кому нет
Подойдёт, если вы
- Хотите создать агента, который действительно вызывает инструмент или обращается к базе данных, а не просто отправляет запросы чат-боту
- Начинаете с нуля в LLM и хотите разобраться в цикле агента до изучения фреймворков
- Хотите практические курсы по конкретным платформам — ботам Slack, агентам GitHub и агентам баз данных, а не один универсальный шаблон
- Вы разработчик и хотите увидеть LangChain и LangGraph в рабочем коде, а не только на диаграмме
- Хотите со временем перейти к оркестрации мультиагентных систем и развёртыванию в production, а не остановиться на демонстрационном примере
Это не тот инструмент, если вы
- Хотите бесплатно получить всю библиотеку из 60 курсов — первый курс бесплатен, а Pro открывает остальные
- Не хотите видеть рекламу на бесплатном тарифе; Pro убирает её
- Вам нужен безлимитный AI Mentor на бесплатном тарифе, где действует ежедневный лимит
- Вы уже запускаете агентов в production и хотите изучать исследовательские работы, а не проходить курс с порядком создания системы
Вопросы
Часто задаваемые вопросы
Какое приложение лучше всего подходит для изучения AI-агентов на телефоне?
То, которое проведёт вас от чтения о цикле агента до наблюдения за его запуском. Learn AI Agents: Agentic AI включает 60 курсов: от первого цикла LLM через вызов инструментов, RAG и LangChain до оркестрации мультиагентных систем; Agent Lab, где можно наблюдать каждый вызов инструмента и результат в трассировке; и AI Mentor на случай, если вызов инструмента вернёт неожиданный результат. Начать можно бесплатно на iOS и Android.
Что такое AI-агент простыми словами?
AI-агент — это программа, которая использует языковую модель, чтобы решить, что делать дальше, а не только что сказать. Она работает в цикле: анализирует ситуацию, выбирает действие, вызывает инструмент — например, поисковый индекс, базу данных или API, — получает результат и повторяет процесс. Модель определяет, что делать дальше; окружающий код — ту часть, которую приложение учит вас писать, — предоставляет инструменты и выполняет действие.
Чем AI-агент отличается от чат-бота?
Чат-бот получает одно сообщение и выдаёт один ответ — текст на входе, текст на выходе, и в мире ничего не происходит. Агент получает цель и продолжает работу, пока не достигнет её, выполняя по пути реальные действия: отправляет запрос к базе данных, вызывает API, читает файл, проверяет собственный результат и повторяет попытку, если шаг завершился ошибкой. Курсы Learn AI Agents по вызову инструментов и циклам агентов посвящены именно этой разнице — тому, какой код нужен, чтобы решение модели превратилось в действие.
Нужно ли уметь программировать до начала изучения AI-агентов?
Некоторое знакомство с кодом будет полезно, но первый курс не предполагает никаких знаний и начинается с объяснения того, что вообще представляет собой цикл LLM-агента. Каждый урок сочетает краткую теорию с примерами на Python, которые можно запускать прямо внутри урока, поэтому программирование изучается одновременно с концепциями агентов, а не как отдельное предварительное требование. Learn AI Agents: Agentic AI подходит как новичкам, так и разработчикам.
Что такое RAG и почему курс по агентам включает Vector Databases?
Retrieval-augmented generation означает поиск релевантных документов в момент вопроса и передачу их модели в качестве контекста, чтобы ответ основывался на ваших данных, а не на том, что модель запомнила во время обучения. Vector Databases обеспечивают такой поиск на практике: они хранят эмбеддинги и быстро возвращают наиболее близкие к запросу совпадения. Агенты, отвечающие на вопросы о конкретной кодовой базе, продукте или наборе документов, почти всегда используют этот паттерн, поэтому ему посвящены отдельные курсы, а не один абзац.
В чём разница между LangChain, LangGraph и LlamaIndex?
LangChain объединяет распространённые компоненты агента — промпты, инструменты и память, — чтобы вам не пришлось создавать эту инфраструктуру с нуля. LangGraph добавляет поверх явное состояние и ветвление, что подходит агентам, чьи шаги зависят от предыдущих событий, а не образуют простую линейную цепочку. LlamaIndex специализируется на поиске: эффективной загрузке, индексации и запросах к вашим документам. Learn AI Agents посвящает каждому из них отдельный курс, а курс Multi-Tool Agents разбирает паттерн ReAct, на котором они часто строятся.
Стоит ли изучать AI-агентов в 2026 году?
Агенты — один из наиболее очевидных способов превратить языковую модель в инструмент, который выполняет работу, а не только описывает её; при этом базовые навыки переносятся между фреймворками: проектирование инструментов, структурирование промптов, поиск данных и понимание того, когда автоматизированный цикл должен остановиться и обратиться к человеку. Learn AI Agents: Agentic AI включает курсы по безопасности агентов, guardrails, оценке, а также оптимизации стоимости и задержки — именно с такими вопросами команды сталкиваются после выпуска агента.
Бесплатен ли Learn AI Agents: Agentic AI?
Приложение можно бесплатно скачать и начать использовать бесплатно. Первый курс — введение в LLM-агентов — бесплатен; вместе с ним доступны ежедневный лимит AI Mentor, один паттерн Orchestration Lab, первый дизайн в Agent Builder и ежедневный лимит живых запусков. Pro открывает все курсы и все паттерны оркестрации, снимает ежедневное ограничение на запуски и убирает рекламу.
Есть ли сертификат по окончании?
Да. После сдачи финального экзамена вы получите сертификат об окончании, который можно показать вместе с созданными вами агентами. Он подтверждает выполненную вами работу, но не является аккредитованной академической квалификацией.
Какие платформы и языки поддерживаются и почему у приложения два названия?
Learn AI Agents: Agentic AI работает на iPhone (iOS 15.1 или новее) и Android, поддерживает интерфейс на 22 языках и имеет рейтинг 4+. В Google Play приложение называется Learn AI Agents: Agentic AI, а в App Store указано то же приложение под названием Learn AI Agents. Оно входит в CoddyKit — семейство из 40+ приложений для изучения программирования, поэтому формат уроков совпадает с другими курсами этой линейки.
Начать
Запустите своего первого AI-агента уже сегодня
Начните бесплатно на iOS и Android — на 22 языках.
Другие приложения CoddyKit
Доступно на iOS и Android.