Automatica

AI без кода: автоматизация и LLM-приложения с Flowise

На практике осваиваем работу с языковыми моделями, автоматизацию и построение AI-агентов без программирования

Запись недоступна

Стоимость — 25 000 ₽. Можно оплатить от компании — цена будет такой же

Необходимо наличие локальной или облачной установки Flowise. Если нет — поможем установить и настроить

Продолжительность — 2,5 недели (6, 13, 16, 20 и 23 мая 2025)

Занятия проходят по вторникам с 19:00 до 20:30 и по пятницам с 19:00 до 20:30

10 академических часов лекций и практических занятий

А ещё домашние задания и курсовой проект

Начало занятий — 6 мая 2025

Чему научитесь

1

Работать с Flowise: освоите визуальный инструмент для создания цепочек с LLM

2

Внедрять генеративный ИИ: научитесь встраивать AI в бизнес-процессы и автоматизацию

3

Создавать агентов и чат-ботов: построите собственных агентов на базе LLM без программирования

4

Интегрировать данные и API: подключите внешние данные, построите RAG-системы и автоматизируете задачи

Что в программе

Познакомимся с интерфейсом Flowise, создадим первую цепочку для работы с GPT. Обсудим архитектуру LLM-приложений и роль визуальных инструментов в автоматизации.

  • Обзор возможностей Flowise и LangChain
  • Установка и настройка Flowise (локально/облако)
  • Структура цепочек: узлы ввода, LLM, память, вывод
  • Создание первого чатбота: ввод → GPT → ответ
  • Прототип FAQ-помощника

Домашнее задание: собрать собственную цепочку по выбранному сценарию — например, бот-консультант или генератор текста по шаблону.

Разбираемся, как подключать документы и базы знаний, чтобы LLM отвечал на основе фактов. Строим RAG-бота: поиск + генерация.

  • Концепция Retrieval-Augmented Generation (RAG)
  • Векторизация данных и поиск: Chroma, Pinecone, Qdrant
  • Работа с PDF, TXT, HTML
  • Сборка цепочки: загрузка → эмбеддинг → поиск → LLM
  • Демо: бот, читающий загруженные документы

Домашнее задание: реализовать Q&A-бота по внутренним документам.

Углубляемся в агенты и планировщики. Строим цепочки, в которых модель принимает решения, вызывает инструменты и делит задачи между собой.

  • Агентный подход в LangChain и Flowise
  • Создание Tool/Agent узлов
  • Примеры: генератор запросов, критик, резюмирующий агент
  • Сценарий: агент-исследователь + агент-писатель
  • Связка с Python/Requests для внешних вызовов

Домашнее задание: собрать цепочку из двух агентов, работающих над одной задачей.

Учимся подключать Flowise к внешнему миру: публиковать API, связывать с n8n, получать данные из веба и других систем.

  • Публикация цепочек как API (HTTP endpoint)
  • Интеграция с Zapier/Make/n8n
  • Использование HTTP Request внутри Flowise
  • Подключение внешних API (новости, базы знаний, GPT, погода и пр.)
  • Демо: бот, собирающий информацию из интернета и отвечающий в Telegram

Домашнее задание: настроить интеграцию — Flowise + внешний сервис (Telegram/Zapier/n8n).

Собираем все инструменты воедино, реализуя комплексный проект с использованием MCP, интегрируем голосовой синтез и чат-интерфейсы через Flowise, подключаем генерацию контента с помощью Together.AI и Flux.

  • Архитектура многоступенчатой цепочки: сбор данных → генерация → оценка → вывод
  • Интеграция с календарями, почтой, чатом
  • Примеры: автоотчёты, писатель-агент, контент-маркетинг-бот
  • Индивидуальные проекты: разбор и советы
  • Разбор типичных ошибок, масштабирование, деплой

Кто преподаёт

Антон Вдовиченко

Антон Вдовиченко

Основатель и CEO Automatica

Специализируется на разработке решений с использованием искусственного интеллекта и машинного обучения, инженер ИИ из топ-30. Более 20 лет создаёт цифровые продукты — от стартапов до международных корпораций (Dell, PwC, Avaya).

Эксперт по дизайну интерфейсов. Более 7 лет преподавал на программе «Дизайн диджитал-продукта» в Британской высшей школе дизайна. Ведёт авторские курсы по искусственному интеллекту.

Курс завершён

Следите за расписанием новых курсов в нашем Telegram.

Запись недоступна

Вопросы? Пишите в Telegram: @codegeek