Модель ответила на три заготовленных вопроса. Потом пользователи написали иначе, счёт вырос, парсер упал ночью. Версии промпта в логе не было. Это не неудачный промпт. Это отсутствие контура.
Обычная функция скучная: тот же вход, тот же выход. Модель внутри похожа на функцию и ведёт себя как внешний исполнитель. Исполнитель может быть точным, усталым или уверенно неправым. Инженерная задача не верить ему. Инженерная задача построить контур.
Явный use case
Версионированный prompt
Строгая схема входа
Строгая схема выхода
Timeout
Retry policy
Error mapping
Логирование без секретов и PII
Метрики стоимости и latency
Тестовый набор примеров
Fallback или понятный отказ
Это не лестница зрелости. Это вход в книгу через ночную поломку.
Новичок умеет вызвать модель. Инженер умеет вернуть ответ и пережить ошибку. Сеньор видит, где модель не нужна. Эксперт держит контур. Слово «агенты» само по себе никуда не ставит.
«AI/LLM-интеграции» ведёт от первого честного вызова до контура: контракт, пайплайн, RAG без магии, FastAPI и Django, агент без театра, evals, бюджет. Основной стек примеров: Python, FastAPI, Pydantic, Celery, Redis, PostgreSQL.
29 написанных глав из 58 · 10 частей · 2 сквозных трека
Издание
Константин Потапов
10 частей · открытый учебник
Не пакет и не «внедрим агентов». Письмо: что делает фича, на чём стоит, что уже сломалось, чего в контуре нет. Я отвечу, какого контура не хватает, или скажу, что это не тот разговор.
Написать про разборЦены и формата на сайте нет. Их нет, потому что формат ещё не зафиксирован, а не потому что они «по запросу звучит дороже».