Какой опыт нужен?

Программа для разработчиков, которые уже вызывают LLM API и писали что-то агентное руками. Нужны TypeScript, асинхронное выполнение, HTTP, Git и автоматические тесты. Очереди, изоляцию, восстановление после сбоев и устройство evals программа вводит сама.

Чем программа отличается от курсов по работе с агентом?

Курсы по работе с агентом учат им пользоваться: правила, контекст, скиллы. Здесь предмет — устройство самого агента: вы разбираете, как работает харнес, и проектируете агентную систему сами. Процесс разработки вокруг агентов, роли и внедрение разбираются в программе AI SDLC.

На каком языке примеры?

Примеры написаны на TypeScript. Механизмы при этом общие: агентный цикл, контракты инструментов, evals и изоляция устроены одинаково в любом стеке. Для разбора берутся схемы и фрагменты открытых проектов aider и OpenHands.

Что я смогу делать после программы?

Проектировать агентную систему целиком: задавать границы полномочий агента, собирать воспроизводимую оценку качества, разбирать восстановление после сбоя и обосновывать замерами архитектуру ревью, в котором работают несколько агентов.

Если обучение на курсе мне не понравится, могу я вернуть деньги?

Если вы записались на курс и вдруг поняли, что больше не хотите находиться на онлайн-платформе Хекслет, то мы гарантируем возврат всей суммы. Но только при условии, что со старта обучения прошло не более 14 дней. Также вы можете вернуть деньги за оставшуюся часть программы на любом этапе обучения. И для этого не нужно ничего объяснять

Можно ли оплатить обучение от компании?

Да, обучение можно оплатить от юридического лица, полностью или частично. Мы подготовим шаблон письма руководителю с аргументами под вашу должность, пришлём счёт, договор и коммерческое предложение для бухгалтерии и ответим на вопросы отдела обучения. Пропорцию, в которой платят компания и сотрудник, вы выбираете сами.

Кто ведёт программу?

Кирилл Мокевнин, сооснователь Хекслета, и Иван Поддубный, CTO Вебпрактика. У Ивана 16 лет в коммерческой разработке и больше десяти программных комитетов конференций, у Кирилла 18 лет в разработке и больше 10 лет преподавания.

Инженерия агентов

Q: Как проходит обучение?

Обучение проходит онлайн и длится четыре недели. Раз в неделю идёт живое занятие с авторами, по одному на каждый курс: устройство агентов, evals, инфраструктура автономных агентов и агентные системы Code Review. Между занятиями вы читаете уроки на платформе, разбираете примеры на TypeScript и проверяете себя вопросами. С вопросами помогает наставник.

Разберётесь, как устроен агентный харнес: цикл, инструменты, контекст, MCP и границы полномочий
Соберёте воспроизводимую оценку качества и научитесь отличать улучшение агента от случайности
Переведёте агента в сервис, который работает без человека в цикле и переживает сбои
Спроектируете многоагентное ревью кода и обоснуете его архитектуру замерами

Оплатить

автор курса

Иван Поддубный

Записаться на курс

Как устроен агент изнутри

Замеры вместо ощущений

Агент без человека в цикле

Многоагентное ревью кода

Старт 30 ноября

Агент в прототипе работает, в проде — нет

Написать цикл с вызовом LLM API легко. Сложно сделать так, чтобы агент не выходил за полномочия, улучшения подтверждались замерами, а запуск переживал сбои инфраструктуры

Командам нужны разработчики, которые умеют:

проектировать харнес агента
задавать границы полномочий и доверия
оценивать качество агента замерами
запускать агента как сервис
выбирать архитектуру ревью по замерам

Агентный харнес

превращает вызов модели в инженерную систему: у агента появляются проверяемые инструменты, границы доверия, состояние, наблюдаемость и оценка качества

Программа поможет разобраться

как устроен агент изнутри и как довести его до продакшена. Вы разберёте агентный цикл и MCP, соберёте evals с моделью-судьёй, построите сервис автономного выполнения и многоагентное ревью кода на примерах на TypeScript

От работы с агентом — к его устройству

Программа для тех, кто пишет агентов сам: чтобы агент работал предсказуемо, его качество подтверждалось замерами, а запуск переживал сбои

Что такое AI-агент и чем он отличается от чат-бота

Чат-бот отвечает текстом на запрос. AI-агент сам выбирает и запускает инструменты: читает и меняет файлы, вызывает API, выполняет команды — и доводит задачу до результата за несколько шагов. Ошибка чат-бота — неверный текст, ошибка агента — неверное действие. Поэтому агенту задают границы полномочий, а качество его работы проверяют замерами.

Программа разбирает устройство самого агента: агентный цикл, контракты инструментов, evals, изоляцию и восстановление после сбоев. Примеры написаны на TypeScript, для разбора берутся схемы и фрагменты открытых проектов aider и OpenHands.

Кому подойдет курс

Разработчикам уровня middle+ и senior

Уже вызываете LLM API и писали что-то агентное руками. Разберётесь, как устроен харнес, и доведёте агента до продакшена

Тимлидам и техлидам

Научитесь оценивать агентные системы замерами и выбирать архитектуру по цифрам, а не по ощущениям

Платформенным и DevEx-командам

Соберёте сервис автономного выполнения агентов: очередь, изоляция, восстановление после сбоев и наблюдаемость

авторы курса

Инженеры, которые сами строят агентную разработку в командах

18

лет

в коммерческой разработке

10+

лет

обучает программированию

>30

выступлений

на конференциях, митапах, подкастах

Кирилл Мокевнин

Сооснователь Хекслета

Разработчик

Сейчас

Хекслет

Сооснователь и автор курсов, web-разработчик

undev

VP of Engineering

Skype

Software Engineer

16

лет

в коммерческой разработке

10+

раз

в программных комитетах конференций

>50

выступлений

на конференциях, митапах, подкастах

Иван Поддубный

Технический лидер

Сейчас

Вебпрактик

CTO

Вебпрактик

Тимлид

Ранее

Fullstack-разработчик

Программа «Инженерия агентов»

4 КУРСА

44 УРОКА

Обновлена в сентябре 2026

Устройство агентов

Разберёте один запуск агента: что решает модель, что исполняет харнес, откуда берутся данные и по какому признаку запуск заканчивается

Агентный цикл и контракт модели
Инструменты с проверяемым контрактом, данные и полномочия агента
Инструкции, знания о предметной области и исследование источника
Отбор и сокращение контекста, подключение инструментов через MCP
План и состояние работы, проверка результата и завершение
Разбор траектории выполненного запуска

Результат:

Агент разбора инцидентов: читает ошибки приложения, расследует причину с доказательствами и готовит GitHub issue и PR с исправлением. Траектория запуска сохраняется

Evals агентных систем

Научитесь отличать улучшение агента от случайного изменения результата и сравнивать конфигурации с оценкой разброса

Что считать результатом оценки и как собрать набор задач
Разметка и допустимые ответы
Детерминированные проверки и модельная оценка с калибровкой
Воспроизводимый запуск и сравнение при недетерминизме
От ошибки к проверяемой гипотезе
Выбор модели и бюджета, развитие набора оценок

Результат:

Размеченный корпус, набор проверок и сравнение конфигураций с оценкой разброса

Инфраструктура автономных агентов

Переведёте агентную сессию в сервис, который выполняет задачи без человека в цикле и переживает сбои

Жизненный цикл задачи и модель угроз выполнения
Подготовка и удаление изолированного окружения
Управление запуском через API и сохранение состояния
Очередь, владение задачей, повторы и восстановление после сбоев
Проверка результата готовыми graders и ожидание решения человека
Наблюдаемость, расход ресурсов и поэтапный выпуск автономии

Результат:

Сервис, который принимает задачу, исполняет её в изоляции, восстанавливается после сбоя и отдаёт результат

Агентные системы Code Review

Соберёте всю программу на одной системе и перейдёте от одного универсального ревьюера к процессу с распределением, проверкой и публикацией

Фиксация объекта ревью и замечание как проверяемое утверждение
Делегирование частей ревью и планирование покрытия изменения
Специализация проверяющих агентов
Проверка замечаний до публикации
Подготовка и публикация ревью
Выбор архитектуры ревью по замерам

Результат:

Процесс распределения ревью, проверки замечаний и публикации подтверждённого результата

Проект «Агент разбора инцидентов»

Постройте агента, который получает реальные ошибки приложения, создаёт GitHub issue, сам исправляет код и открывает PR. Проект закрывает первые два курса: «Устройство агентов» и «Evals агентных систем»

Цикл агента и инструменты, написанные с нуля на выбранном языке
Расследование ошибки приложения incident-lab с доказательствами
GitHub issue и PR с исправлением и регрессионным тестом без дублей
Повторная проверка после выката: повтор, подтверждённое исправление, регрессия
Корпус случаев, грейдеры и модельный судья
Два эксперимента по улучшению агента с оценкой разброса

Результат:

Агент в вашем репозитории и отчёт об экспериментах: от события приложения до issue, PR и подтверждённого результата

Стоимость и тарифы

Расширенный

4 занятия

4 курса

Разбор агента

295 000 ₸

при полной оплате

Записаться на курс

Разбор вашего агента

Доступ к материалам курса навсегда

4 живых занятия

4 курса, 44 урока

Поддержка наставника

Сертификат после окончания

оплатить программу

Стандартный

4 занятия

4 курса

Поддержка наставника

195 000 ₸

при полной оплате

Записаться на курс

4 живых занятия

Доступ к материалам курса навсегда

4 курса, 44 урока

Поддержка наставника

Сертификат после окончания

оплатить программу

Записаться на курс

Поможем согласовать обучение с работодателем

Подготовим шаблон письма и договора

Предоставим счет и коммерческое предложение

Подскажем, как аргументировать ценность обучения

50/50

70/30

90/10

Этот курс может оплатить ваш работодатель

Полная оплата или компенсация в различных пропорциях:

Комфортные условия оплаты

Получите возврат денег за остаток курса, если передумаете учиться

Оплата потребуется только в момент старта вашего потока. Подробнее об условиях — в оферте

Сделаем перерыв в учебе или перенесем дедлайн

В случае непредвиденных обстоятельств напишите куратору — он подскажет, как приостановить обучение

Платите при помощи работодателя

Мы предоставляем возможность оплаты курса для юридических лиц

Бесплатная смена программы

Если выбранный курс не подошёл, вы сможете перейти на другой — без доплат и сложностей

Как проходит обучение на курсе

Обучение проходит онлайн: уроки на платформе, примеры на TypeScript, вопросы для проверки и проект «Агент разбора инцидентов». Сквозные примеры — приложение incident-lab и система ревью кода

Занятия идут раз в неделю, всего 4 занятия — по одному на курс

С вопросами по материалу помогает наставник

Разбор вашего агента авторами доступен на тарифе «Расширенный»