Месяц 5 — LLM, RAG и AI-агенты

🎯 Цель этого месяца

К концу месяца вы сможете:

• Знать архитектуру и экосистему LLM (Large Language Model)
• Уметь работать с API OpenAI, Anthropic, Google AI
• Применять техники prompt engineering
• Строить pipeline Vector DB и RAG (Retrieval Augmented Generation)
• Создавать AI-агентов (tool use, function calling)
• Знать, как делать fine-tuning через LoRA/QLoRA
• Создавать чатбота для узбекскоязычных документов

Распределение по неделям

Порядок глав

1. LLM fundamentals — как работают GPT, Claude, Llama
2. Prompt Engineering — написание хороших промптов
3. API OpenAI и Anthropic — практика
4. LangChain и LlamaIndex — фреймворки
5. Vector Databases — Qdrant, ChromaDB, pgvector
6. RAG Pipeline — полная реализация RAG
7. AI Agents — tool use, multi-agent
8. Fine-tuning — LoRA, QLoRA, PEFT
9. Упражнения

Что вы сможете делать в конце месяца?

• Создавать полноценного чатбота через LLM API
• Строить RAG pipeline из 1000+ документов
• Multi-agent AI системы (CrewAI, LangGraph)
• Documentation-бот на узбекском языке
• Небольшой domain-specific fine-tuning через LoRA
• Вывод в production: streaming, caching, observability

Совет для Backend Dev

Работа с LLM — это 80% prompt engineering + 20% кода. Ваши сильные стороны как backend dev:

1. Интеграция API — REST, streaming, retry logic
2. Schema design — structured output (Pydantic + JSON)
3. Caching и cost optimization — с Redis
4. Async/concurrent — асинхронные LLM-вызовы
5. Observability — логирование каждого LLM-вызова

Бюджет LLM API

Для этого месяца достаточно $10-30:

• OpenAI: GPT-4o-mini (очень дёшево — $0.15 за 1M токенов)
• Anthropic: Claude Haiku 4.5 (Sonnet 4.6 тоже недорого)
• Google: Gemini 2.5 Flash (есть бесплатный tier)
• Groq: бесплатно (модели Llama, Mixtral)
• OpenRouter: единый API для множества моделей

**Совет:**пополните OpenRouter на $10 — этого достаточно для тестирования всех моделей.

Начать

Начните с раздела LLM fundamentals.