Коллеги, рекомендую серию из семи лекций об агентных системах. На мой взгляд, это хороший вариант бесплатного и качественного самообразования: можно последовательно разобраться, как устроены современные AI-агенты, что они умеют и какие задачи приходится решать, чтобы им можно было доверять в работе.
В подборке — основы, архитектуры, инструменты, оценка качества и самообучение. Кратко о каждой лекции:
1. [Определение, уровни автономии, агентный цикл](
https://www.youtube.com/watch?v=HfQzAyotOcQ) — Владимир Шапошников
База: как работает языковая модель и что превращает её в агента — инструменты, память, планирование и взаимодействие со средой. Разбираются агентный цикл, уровни автономии и цена самостоятельности: сложность отладки, дополнительные вызовы модели и необходимость ограничений.
2. [System prompts для автономных агентов. RAG как self-retrieval для агента](
https://www.youtube.com/watch?v=sQHRU3DFnwo) — Никита Глазков
Как задавать агенту роль, правила, ограничения и условия обращения к человеку. Помимо системных промптов, разбираются способы организации рассуждений и поиск по данным, при котором агент сам решает, какой информации ему не хватает и где её искать.
3. [Tool use: function calling, MCP, A2A. Error handling / fallbacks](
https://www.youtube.com/watch?v=13VtYAb1Co4) — Ольга Волкова, Никита Глазков
Как агент переходит от текста к действиям: вызывает функции, подключает инструменты через MCP и взаимодействует с другими агентами через A2A. Много практики про описание инструментов, проверку параметров, тайм-ауты, повторные попытки и действия при сбоях.
4. [Архитектуры агентных систем. ReAct, Reflection, Plan Execute. Фреймворки](
https://www.youtube.com/watch?v=p07glxmRBxw) — Владимир Шапошников
Как организовать работу агента: чередовать рассуждения и действия, проверять результат критиком, заранее строить и затем выполнять план. Также — распределение задач между несколькими агентами, выбор фреймворков и причины начинать с простой, управляемой ар