Хоттабыч
Местный
[Jam With AI] Создание RAG-системы с нуля: от разработки до продакшена (2026)

Agentic RAG System — практический курс по созданию полноценной RAG-системы с нуля, ориентированной на использование в реальных производственных условиях. Курс является первым этапом образовательного проекта The Mother of AI (MOAI) и охватывает весь процесс разработки: от настройки инфраструктуры и обработки данных до интеллектуального поиска, интеграции языковых моделей, мониторинга и создания AI-агентов.
В течение семи недель вы разработаете собственную систему для интеллектуального поиска и анализа научных публикаций с arXiv. Проект объединяет автоматизированные конвейеры обработки данных на Apache Airflow, гибридный поиск с использованием BM25 и векторных представлений, генерацию ответов через LLM с помощью Ollama и агентные механизмы на базе LangGraph.
Особое внимание уделяется архитектуре, производительности и надёжности системы. Вы научитесь реализовывать потоковую генерацию ответов, отслеживать работу компонентов через Langfuse, использовать Redis для кэширования и создавать интеллектуальные механизмы проверки запросов, оценки релевантности документов и адаптивного поиска.
В отличие от курсов, ограничивающихся простыми демонстрациями, здесь рассматривается полноценная инженерная реализация с использованием более 23 современных инструментов и технологий. Вы будете работать с реальным исходным кодом, разбирать архитектурные решения и осваивать подходы, применяемые при разработке промышленных AI-систем.
Чему вы научитесь
Инфраструктура и инженерия данных
Вы изучите основы построения инфраструктуры для RAG-систем, научитесь разворачивать взаимосвязанные сервисы с помощью Docker и работать с FastAPI, PostgreSQL, OpenSearch и Apache Airflow. Разберёте принципы проектирования надёжных сервисов, обработки ошибок, повторных попыток выполнения операций и проверки работоспособности компонентов.
Сбор и обработка данных
Научитесь создавать автоматизированные конвейеры для загрузки, извлечения и обработки научных публикаций. Реализуете интеграцию с arXiv, обработку PDF-документов, нормализацию данных и сохранение метаданных. Особое внимание будет уделено проблемам, возникающим при работе с реальными
Скачать:

Agentic RAG System — практический курс по созданию полноценной RAG-системы с нуля, ориентированной на использование в реальных производственных условиях. Курс является первым этапом образовательного проекта The Mother of AI (MOAI) и охватывает весь процесс разработки: от настройки инфраструктуры и обработки данных до интеллектуального поиска, интеграции языковых моделей, мониторинга и создания AI-агентов.
В течение семи недель вы разработаете собственную систему для интеллектуального поиска и анализа научных публикаций с arXiv. Проект объединяет автоматизированные конвейеры обработки данных на Apache Airflow, гибридный поиск с использованием BM25 и векторных представлений, генерацию ответов через LLM с помощью Ollama и агентные механизмы на базе LangGraph.
Особое внимание уделяется архитектуре, производительности и надёжности системы. Вы научитесь реализовывать потоковую генерацию ответов, отслеживать работу компонентов через Langfuse, использовать Redis для кэширования и создавать интеллектуальные механизмы проверки запросов, оценки релевантности документов и адаптивного поиска.
В отличие от курсов, ограничивающихся простыми демонстрациями, здесь рассматривается полноценная инженерная реализация с использованием более 23 современных инструментов и технологий. Вы будете работать с реальным исходным кодом, разбирать архитектурные решения и осваивать подходы, применяемые при разработке промышленных AI-систем.
Чему вы научитесь
Инфраструктура и инженерия данных
Вы изучите основы построения инфраструктуры для RAG-систем, научитесь разворачивать взаимосвязанные сервисы с помощью Docker и работать с FastAPI, PostgreSQL, OpenSearch и Apache Airflow. Разберёте принципы проектирования надёжных сервисов, обработки ошибок, повторных попыток выполнения операций и проверки работоспособности компонентов.
Сбор и обработка данных
Научитесь создавать автоматизированные конвейеры для загрузки, извлечения и обработки научных публикаций. Реализуете интеграцию с arXiv, обработку PDF-документов, нормализацию данных и сохранение метаданных. Особое внимание будет уделено проблемам, возникающим при работе с реальными
Скачать: