Курс по ИИ-агентам: бесплатно, без кода и с сертификатом
Бесплатный курс по ИИ-агентам для тех, кто хочет понять, как работает агент, и собрать первого для своей задачи. За 6 уроков и около 50 минут вы разберете, из чего состоит агент, какие задачи ему отдавать, на чем его собирать и как держать под контролем. Программировать не нужно, регистрации нет, сертификат появится после теста.
сотрудник или руководитель, который хочет понять, как устроен ИИ-агент, и собрать первого для своей задачи. Программировать не нужно.
6 уроков · 50 минут · Без регистрации и оплаты
Урок 1 из 6
Что такое ИИ-агент и чем он отличается от чат-бота
Чат-бот отвечает на вопрос и ждет следующего. ИИ-агент получает задачу и сам выполняет ее по шагам: ищет данные, вызывает нужные программы, проверяет результат и решает, что делать дальше. Разница не в модели, а в том, что агенту разрешено действовать.
По руководству OpenAI «A practical guide to building agents» (апрель 2025), у агента три части:
- Модель. Нейросеть, которая рассуждает и принимает решения.
- Инструменты. Функции и программы, через которые агент действует: поиск по базе, запись в CRM, отправка письма.
- Инструкции. Явные правила и ограничения: что агент делает, чего не делает и когда зовет человека.
Агент работает по циклу: собрать контекст, сделать действие, проверить результат, повторить. Этот подход описали в 2022 году под названием ReAct: модель чередует рассуждение и действие с инструментом. На нем работает большинство ИИ-агентов.
Не каждая система с ИИ работает как агент. Anthropic в статье «Building effective agents» (декабрь 2024) делит такие системы на два вида:
- Рабочий процесс. Шаги заранее заданы кодом: получить письмо, извлечь реквизиты, записать в таблицу. Модель выполняет отдельные шаги, но их порядок не выбирает.
- Агент. Модель сама выбирает, какие шаги сделать и какие инструменты вызвать, пока задача не решена.
Пример. Рабочий процесс отвечает на заявку с сайта по шаблону и передает ее менеджеру. Агент читает заявку, находит клиента в CRM, смотрит историю заказов, уточняет недостающее и ставит менеджеру задачу с готовым предложением.
Урок 2 из 6
Какие задачи отдавать агенту, а какие нет
Главный совет Anthropic: начинать с простого решения и усложнять, только когда это нужно. Иногда это значит, что агент не нужен вовсе. Если шаги задачи всегда одинаковые, надежнее и дешевле рабочий процесс или обычная автоматизация.
Агент оправдан, когда в задаче есть хотя бы одно из трех (по руководству OpenAI):
- Сложные решения и исключения. Например, решить, одобрить ли возврат денег клиенту.
- Громоздкие правила, которые дорого и долго поддерживать в коде. Например, проверка поставщика по десяткам условий.
- Много неструктурированных данных: письма, сканы, переписка, договоры.
Агенту не стоит отдавать:
- Задачи с одинаковыми шагами: перенос данных из формы в таблицу, рассылку по расписанию.
- Решения, за которые никто не готов отвечать: платежи, отказ клиенту, увольнение.
- Задачи без данных: агент не узнает цены и правила, которые нигде не записаны.
Почему это важно. По прогнозу Gartner (июнь 2025), больше 40% проектов агентного ИИ закроют к концу 2027 года из-за затрат, неясной пользы и слабого контроля рисков. Все три причины закладываются в самом начале, когда выбирают задачу.
Проверьте задачу тремя вопросами:
- Можно ли описать результат одной фразой и проверить его?
- Есть ли данные и доступы, которые нужны для работы?
- Что будет, если агент ошибется, и кто это заметит?
Урок 3 из 6
Из чего собирают агента: модель, инструменты, знания и память
Модель. Прототип собирают на сильной модели, чтобы понять, какое качество вообще достижимо. Потом пробуют модели меньше там, где результат остается приемлемым: так работа становится дешевле и быстрее.
Инструменты бывают трех видов:
- Для данных: поиск по базе знаний, чтение CRM, таблиц и почты.
- Для действий: создать сделку, отправить письмо, записать клиента.
- Для управления: передать часть задачи другому агенту.
Чтобы не писать подключение к каждому сервису заново, в ноябре 2024 года Anthropic открыла протокол MCP (Model Context Protocol): единый способ подключать ИИ к данным и сервисам. В декабре 2025 года протокол передали в Agentic AI Foundation при Linux Foundation, так что он не принадлежит одной компании.
Знания. Модель не знает ваших цен, договоров и регламентов. Чтобы агент отвечал по ним, используют RAG: перед ответом агент ищет нужные фрагменты в базе документов и отвечает по ним. Дообучать модель при этом не нужно. Если база небольшая, меньше 500 страниц, ее можно целиком положить в запрос к модели без поиска.
Память бывает двух видов:
- Краткосрочная: история одного разговора.
- Долгосрочная: данные о клиенте или задаче, которые сохраняются между разговорами.
Полная история может не поместиться в запрос, а на длинном тексте большинство моделей работают хуже. Поэтому устаревшее из памяти убирают.
Инструкции пишут так же, как задание новому сотруднику: берут существующие регламенты, делят задачу на шаги, для каждого шага задают конкретное действие и описывают нестандартные случаи.
Урок 4 из 6
На чем собирать агента: конструкторы, библиотеки и модели
Для первых агентов программировать не нужно. Открытые конструкторы позволяют собрать агента из блоков в браузере и поставить его на свой сервер:
- n8n. Платформа автоматизации с ИИ-агентами. Лицензия fair-code: можно ставить на свой сервер и менять, нельзя перепродавать как облачный сервис.
- Flowise. Визуальный конструктор агентов, лицензия Apache 2.0.
- Dify. Платформа для ИИ-приложений и агентов, лицензия Apache 2.0 с двумя условиями: без разрешения нельзя запускать многопользовательский облачный сервис по типу Dify и убирать логотип из консоли.
Когда нужен код, берут открытые библиотеки: LangChain и LangGraph для Python и JavaScript, CrewAI для команд из нескольких агентов. Все три на лицензии MIT.
Модель для российской компании. Россия не входит в списки стран, где работают сервисы OpenAI и API Anthropic. Поэтому для рабочих задач удобнее открытые модели, которые ставят на свой компьютер или сервер, например DeepSeek R1 (лицензия MIT) или семейство Qwen 3 (лицензия Apache 2.0). Запускать их удобно через Ollama.
Открытая модель на своем сервере решает и вопрос данных: переписка, документы и сведения о клиентах не уходят за пределы компании.
Как выбрать:
- Один агент, понятные шаги, нужны готовые подключения к сервисам: n8n.
- Чат с ответами по вашим документам: Dify или Flowise.
- Сложная логика, несколько агентов, свой продукт: библиотеки и разработчик.
Урок 5 из 6
Первый агент: план сборки за вечер
Возьмите одну задачу, которую вы каждую неделю делаете руками. Например, разбор входящих писем: понять, о чем письмо, найти клиента и подготовить черновик ответа.
План сборки на n8n и открытой модели:
- Запишите задачу одной фразой и опишите, как выглядит хороший результат.
- Установите Ollama и скачайте модель, которая умеет вызывать инструменты. Например, qwen3:8b весит 5,2 ГБ, а если памяти мало, есть qwen3:4b на 2,5 ГБ.
- Запустите n8n командой npx n8n и откройте его в браузере.
- Добавьте узел AI Agent и подключите к нему модель. Агенту нужен хотя бы один инструмент, без него узел не работает.
- Напишите инструкцию: роль, шаги, ограничения и что делать, если данных не хватает.
- Подключите сначала инструмент для данных, например поиск по таблице клиентов, и только потом инструмент для действий.
- Проверьте агента на 20–30 настоящих примерах и запишите, где он ошибся.
Две ловушки первого агента:
- Временное хранилище. Узел Simple Vector Store в n8n хранит данные только в памяти: после перезапуска они теряются. Он годится для проб, для работы нужна настоящая база.
- Лишние инструменты. Каждый лишний инструмент дает агенту лишнюю возможность ошибиться. Добавляйте их по одному и проверяйте после каждого.
Пошаговые инструкции с командами и настройками для n8n, Dify и Flowise есть в отдельных статьях на нашем сайте.
Урок 6 из 6
Контроль и безопасность: права, проверки, ответственность
Агент действует сам, поэтому его ошибки дороже ошибок чат-бота. OWASP, международное сообщество по безопасности приложений, называет этот риск избыточной автономией. Его причины: лишние функции, лишние права и лишняя самостоятельность.
Пять правил контроля:
- Только нужные инструменты. Агенту, который отвечает клиентам, не нужен доступ к бухгалтерии.
- Минимальные права. Если агент только читает CRM, ему не дают права удалять сделки.
- Человек подтверждает важное. Платежи, крупные возвраты и отмена заказов проходят проверку человеком, пока агент не докажет надежность.
- Передача человеку. Если агент не справился за несколько попыток, задача уходит сотруднику.
- Журнал действий. Каждый шаг агента записывается, чтобы потом разобрать ошибку. Для этого есть открытые инструменты, например Langfuse.
Ответственность несет компания. В феврале 2024 года трибунал Британской Колумбии в Канаде признал Air Canada ответственной за неверный ответ чат-бота на сайте. Довод авиакомпании, что чат-бот отвечает за себя сам, отклонили.
Данные. По 152-ФЗ персональные данные граждан России при сборе записывают и хранят в базах на территории России. Если агент работает с данными клиентов, проверьте, где стоит модель и где хранится база знаний.
Итог курса в пяти правилах:
- Начинайте с простого решения: агент нужен не всегда.
- Агент состоит из модели, инструментов и инструкций, и каждую часть можно проверить отдельно.
- Знания агент берет из ваших документов, а не из памяти модели.
- Первого агента собирают на одной задаче и проверяют на настоящих примерах.
- Важные действия подтверждает человек, а за ответы агента отвечает компания.
Полезно после курса
Как собрать ИИ-агента на n8n: пошаговая инструкцияДля руководителя
Отправьте ссылку на курс сотрудникам, которые будут ставить задачи агентам или проверять их работу. Курс проходят за один подход, в конце тест: нужно ответить верно на 10 вопросов из 12. Сертификат с номером присылает сам сотрудник, а сайт имен не собирает и не знает, кто прошел курс.
Курс не учит программировать. Он дает команде общий язык: что такое модель, инструменты и инструкции, где агент окупается, а где хватит простого сценария, какие действия нельзя отдавать агенту без проверки человеком. С этим языком проще обсуждать проект с подрядчиком и оценивать его предложение. Когда нужен ИИ-агент, а когда хватит сценария автоматизации, разобрано в отдельной статье.
Пошаговая инструкция, как собрать ИИ-агента на n8n и открытой модели, вынесена в отдельную статью. Если сотрудникам нужны занятия на задачах вашей компании, посмотрите форматы корпоративного обучения.
Как выбрать первую задачу для агента
Главная ошибка первого проекта случается до сборки: агенту отдают не ту задачу. Курс учит начинать с простого решения и усложнять, только когда это нужно. Если шаги задачи всегда одинаковые, надежнее и дешевле обычная автоматизация.
Агент оправдан, когда в задаче есть хотя бы одно из трех: решения с исключениями, например одобрить ли возврат клиенту; громоздкие правила, которые дорого держать в коде, например проверка поставщика по десяткам условий; много неструктурированных данных: письма, сканы, договоры.
Перед стартом задачу проверяют тремя вопросами. Можно ли описать результат одной фразой и проверить его? Есть ли данные и доступы для работы? Что будет, если агент ошибется, и кто это заметит? Если на последний вопрос ответа нет, задачу агенту не отдают.
Пример из курса. Сценарий автоматизации отвечает на заявку с сайта по шаблону и передает ее менеджеру. Агент читает заявку, находит клиента в CRM, смотрит историю заказов и ставит менеджеру задачу с готовым предложением. Первый вариант проще и дешевле, второй нужен, когда заявки сильно отличаются друг от друга.
Данные и права агента
Агент действует сам, поэтому его ошибка дороже ошибки чат-ботачат-бот. Чат-бот это программа, которая переписывается с человеком в окне чата: на сайте, в мессенджере или в приложении.: он может отправить письмо, изменить сделку или показать лишнее. Курс разбирает правила контроля: агенту дают только нужные инструменты и минимальные права, платежи и отмену заказов подтверждает человек, а задача, с которой агент не справился, уходит сотруднику.
Отдельный вопрос касается данных клиентов. По итогам 2025 года объем данных, ушедших из 150 российских организаций в публичные ИИ-сервисы, вырос в 30 раз, среди них клиентские базы и финансовые отчеты. Агент, подключенный к CRM и к зарубежной облачной моделиоблачная модель. Облачная модель это нейросеть, которая работает на серверах поставщика, а вы пользуетесь ею через сайт, приложение или API и платите за объем запросов., отправляет ей сведения о клиентах в каждом запросе, где они нужны для ответа.
Цена такой ошибки записана в законе: с 30 мая 2025 года по 420-ФЗ штраф за утечку персональных данных составляет от 3 до 15 млн ₽, за повторную утечку от 1 до 3% годовой выручки. Поэтому для рабочих задач с данными клиентов курс советует открытую модельмодель с открытыми весами. Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. на своем сервере: переписка и документы не уходят за пределы компании.
Что делать после курса
Курс заканчивается планом первого агента на одной задаче. Дальше у компании три пути. Агента с понятными шагами и без доступа к данным клиентов сотрудник собирает сам по инструкции. Агента с доступом к CRM, почте или клиентской базе собирают при участии ответственного за безопасность. Агента для нескольких отделов или для своего продукта делают с разработчиком, и тогда общий язык из курса помогает проверить его предложение.
Две ловушки первого агента курс разбирает отдельно. Первая ловушка во временном хранилище: узел Simple Vector Store в n8n держит данные только в памяти, после перезапуска они теряются, поэтому для работы нужна настоящая база. Вторая в лишних инструментах: каждый дает агенту еще одну возможность ошибиться, поэтому их подключают по одному и после каждого проверяют агента на настоящих примерах.