AI Developer на Python: LLM в реальных приложениях¶
Основы AI-разработки и надежный LLM-клиент¶
- Что создает AI Developer
- Первый запрос к модели
- Как работает LLM на уровне, необходимом разработчику
- Сообщения и параметры запроса
- Конфигурация и секреты
- Делаем надежный LLM Client
Инструкции, контекст и AI-диалоги¶
- Проектирование инструкций и контекста
- Шаблоны и версии промптов
- Чат с историей сессии и изоляция
- Управление размером истории
- Потоковая генерация
- Проверка промптов и диалогов
Структурированные ответы и безопасный вызов инструментов¶
- От свободного текста к контракту данных
- Структурированные ответы и JSON Schema
- Pydantic и валидация AI-ответов
- Практические AI-функции
- Вызов инструментов
- Реестр и выполнение инструментов
- Безопасность действий
- Большое ревью и рефакторинг проекта
Документы, таблицы и изображения¶
- Безопасная работа с файлами
- Извлечение текста из документов
- Табличные данные
- Проектирование Document AI Service
- Большие документы без RAG
- Изображения и Vision LLM
- Итоговые сценарии и проверка
AI-бэкенд на FastAPI¶
- От консольного приложения к FastAPI
- Типизированные AI эндпоинты и ошибки
- Chat API и сессии
- Потоковые ответы через SSE
- Загрузка и анализ файлов
- Тестирование AI API