Соберите собственную Agentic OS на TypeScript
Пройдите 10 версий одного проекта: от небольшого агента до приложения с инструментами, данными и проверками. Разберитесь, как устроена система вокруг модели, и соберите основу для собственных AI-продуктов.
Для JS/TS-разработчиков уровня Junior+ и Middle. Предыдущий опыт AI-разработки не обязателен.
Начинайте после оплаты. Рекомендуемый маршрут — 4 недели, доступ к материалам — 6 месяцев.
Не курс про промпты. Курс про инженерную систему вокруг модели.
Посмотрите, что мы будем строить
Agentic OS, которая разбирается на курсе, уже создана. Это веб-приложение, в котором агент проходит полный путь запроса.
Под Agentic OS мы понимаем не отдельного чат-бота, а переиспользуемое ядро, вокруг которого можно создавать разные AI-продукты. Внутри него:
Agentic OS — переиспользуемое ядро агентного приложения. Вы организуете работу модели, инструментов, контекста и проверок, а затем применяете эту архитектуру к своей задаче.
Если вы прошли практикум «Соберите своего AI-разработчика», вы уже настроили работу готового агента под конкретную задачу. На AI Engineer следующий шаг — разобраться в его механизмах и собрать ключевые части собственного агентного приложения на TypeScript.
Так выглядит финальная версия Agentic OS. На курсе вы соберёте её постепенно и разберётесь, зачем в архитектуре появился каждый компонент.
Agent loop и tools
Как модель выбирает инструмент, приложение выполняет действие и возвращает результат в следующий раунд работы агента.
Traces и replay
Полный путь запроса: где произошла ошибка, сколько стоило выполнение и сколько времени занял каждый этап.
Evals
Как одна и та же система проверяется на наборе тестовых сценариев и как сравниваются разные версии промптов или моделей.
RAG
Как документ разбивается на части, сохраняется в базе и используется агентом для ответа на вопросы.
Streaming
Как пользователь видит этапы выполнения, вызовы инструментов и постепенное формирование ответа.
Архитектура
Как разделены универсальное ядро, предметная область, tools, память, evals и внешние интеграции.
Почему просто вызвать модель через API недостаточно
Обычное приложение работает по заранее заданной логике. В AI-продукте часть решений принимает модель.
Её ответы могут меняться, инструменты — возвращать ошибки, а внешние сервисы — быть недоступны. Поэтому вокруг модели появляется инженерный слой:
Написать большой промпт недостаточно. Нужно сделать поведение системы управляемым, проверяемым и воспроизводимым.
Не недостаток информации, а её избыток
Можно месяцами смотреть обзоры, сохранять репозитории и читать документацию — и всё равно не понимать, как эти элементы соединяются в одном приложении.
Поэтому мы строим одну систему и добавляем новый слой только тогда, когда понятно, какую проблему он решает.
Что останется у вас после курса
Не набор просмотренных уроков, а конкретные артефакты, которые можно открыть, запустить и показать другому разработчику.
GitHub-репозиторий
Полный код Agentic OS со всеми архитектурными слоями — вы сможете объяснить, почему система устроена именно так.
Задеплоенное приложение
Работающий AI-продукт по ссылке, который можно протестировать и показать:
работодателю · техническому интервьюеру · своей команде · потенциальному заказчику · партнёру по продукту
Переиспользуемое ядро
Основная архитектура отделена от предметной области — фундамент для следующих AI-приложений, а не проект под одну учебную тему.
Итоговый проект в своём домене
Перенос Agentic OS на задачу, которую выберете сами. Например:
QA-агент · помощник разработчика · агент для документации · корпоративная база знаний · исследовательский агент · прототип AI-SaaS
Архитектурная документация
схема компонентов · структура модулей · описание решений · README · объяснение компромиссов · список production-рисков
Материалы для собеседования
структура, чтобы объяснить agent loop, разницу tools и MCP, память против RAG, guardrails, evals, работу с несколькими моделями и ваши архитектурные решения.
Кому подходит курс
Вы уже умеете программировать, но пока не чувствуете себя уверенно в архитектуре AI-продуктов. Уровень — Junior+ или Middle на JavaScript / TypeScript.
Вы уже используете AI для кода
ChatGPT, Codex, Claude или AI в IDE — но для отдельных задач. Вы выстроите системный процесс и научитесь контролировать результат, а не просто принимать сгенерированный код.
Хотите перейти в AI-инженерию
Позиции AI Engineer, AI Developer и проекты, где нужно создавать агентов, tools, MCP-интеграции, RAG, evals, observability и production-инфраструктуру.
Хотите внедрять AI в компании
Связать модель с существующим продуктом, внутренними API, документацией, базой знаний, бизнес-процессами и корпоративными сервисами.
Планируете свой AI-продукт
Хотите создать AI-SaaS или внутренний инструмент, но не принимать все архитектурные решения методом проб и ошибок.
Устали от разрозненных материалов
Читали документацию и смотрели разборы, но не получили цельной картины: где заканчивается вызов LLM, когда нужны tools, зачем MCP, чем RAG отличается от памяти.
Готовы писать код
Это практическая программа: смотреть уроки, повторять архитектурные этапы, писать и изменять код, настраивать сервисы, проходить контрольные точки и создавать итоговый проект.
Что изменится после курса
Вы можете попросить модель написать функцию или сервис. Но при переходе к настоящей агентной системе появляются вопросы:
Вы будете понимать, как:
Один проект. 10 архитектурных версий
Вы не выбрасываете старый проект и не начинаете новый. Каждая следующая версия развивает предыдущую и решает её ограничение.
Маршрут — выберите этап
Local Agent MVP
Небольшой агент в одном TypeScript-файле — вся система целиком, без фреймворка и скрытых абстракций.
Работающий локальный агент, архитектуру которого можно полностью удержать в голове.
Курс не должен превращаться в папку с непросмотренными видео. Программа разделена на три инженерных этапа.
Agent Core
agent loop · reviewer · harness · structured outputs · собственные tools
Knowledge & Integrations
собственный MCP · внешний MCP · RAG · векторный поиск · eval-набор
Agentic OS
router · доменные модули · память · streaming UI · deployment · итоговый проект
Для каждой точки внутри программы публикуются: список обязательных артефактов, критерии готовности, формат сдачи, рекомендации по самопроверке и типовые ошибки.
Как проходит обучение
Записанная программа
Все уроки доступны в записи. Продолжительность видео не равна полному времени обучения: отдельно закладывайте время на код, настройку сервисов, контрольные точки и итоговый проект.
Начало обучения
Доступ открывается после подтверждённой оплаты. Ждать общей даты старта уроков не нужно.
Доступ к материалам
Можно возвращаться к урокам и проходить практику в собственном темпе в течение всего срока доступа.
Рекомендуемый маршрут
Это ориентир темпа, а не обязательный срок завершения. Каждую неделю вы закрываете определённый архитектурный этап.
Практика в неделю
Ориентир — 8–10 часов в неделю с практикой: просмотр уроков, написание кода, настройка сервисов и самопроверка.
Отдельный набор материалов, чтобы подготовить проект к техническому интервью:
Курс не гарантирует конкретную должность. Но у вас будут техническая база, работающий проект и понятная структура подготовки, с которыми можно увереннее претендовать на AI-позиции.
Технологии, которые вы используете руками
Состав библиотек может меняться вместе с инструментами. Архитектурные задачи, которые решает каждый слой, остаются в центре программы — вы научитесь не только использовать инструменты, но и оценивать их.
Почему ключевые механизмы мы сначала строим руками
Можно установить большой фреймворк и за несколько строк получить прототип. Проблемы появляются позже — когда нужно изменить поведение, растёт стоимость, требуется безопасность и observability, а фреймворк скрывает важный этап.
Чем программа отличается от обычного AI-курса
От рабочей системы — к понятному маршруту обучения
Agentic OS, которую мы разбираем, уже создана: рабочий код, архитектура, 10 последовательных версий, диаграммы, tools, MCP, RAG, evals и production-слои.
Это не курс, собранный из пересказа документации. Вы будете разбирать систему, которую автор сначала построил сам.
Result University
Более пяти лет обучает разработчиков и помогает переходить от теории к рабочим проектам.
Выберите формат участия
Самостоятельный тариф можно купить напрямую после открытия продаж. Для тарифа с поддержкой сначала должны быть опубликованы точные условия сопровождения.
Для тех, кто готов проходить маршрут и выполнять практику в своём темпе.
Продажи ещё не открыты. Кнопка оплаты станет доступна после подключения и проверки заказа второго потока.
Для тех, кому нужно сопровождение во время обучения.
Лимит относится только к сопровождению и не ограничивает самостоятельный тариф.
Контрольные точки сами по себе не означают персональную проверку кода. Наличие проверки определяется условиями выбранного тарифа.
Что произойдёт после заявки
Поможем разобраться с подготовкой, форматом обучения и доступными способами оплаты.
Заявка не обязывает покупать курс.
До оплаты вы понимаете, что покупаете
Частые вопросы
После подтверждения оплаты открывается доступ к записанной программе. Ждать общей даты старта уроков не нужно.
Нет, это рекомендуемый темп. Материалы доступны 6 месяцев. Срок сопровождения и дедлайны проверок, если они включены, будут указаны отдельно в условиях тарифа.
Точные условия сопровождения ещё не опубликованы. До их публикации тариф с поддержкой недоступен для оплаты: можно уточнить детали у менеджера. Контрольные точки сами по себе не означают персональную проверку кода. Наличие проверки определяется условиями выбранного тарифа.
Предыдущий опыт создания AI-приложений не обязателен. Нужна база JavaScript или TypeScript: функции, объекты, модули, асинхронный код и работа с API. Программа не заменяет обучение программированию с нуля.
TypeScript позволяет внутри одного стека создавать локальные скрипты, backend, API, интерфейс, streaming, tools, MCP-серверы и полноценные веб-приложения. Вы проходите весь маршрут без постоянного переключения между языками.
Сторонние подписки, модели и API оплачиваются отдельно от программы.
В программе будет отдельный актуализируемый раздел с официально доступными вариантами подключения и легальными альтернативами. Курс не строится вокруг обязательного использования одного поставщика.
Часть архитектуры строится через совместимые API, поэтому вы увидите, как менять провайдеров. Для отдельных этапов подойдут более доступные модели; на сложных задачах сильная coding-модель обычно требует меньше итераций.
Интерфейсы и названия будут меняться. Программа учит устойчивым навыкам: постановке задач, управлению контекстом, проверке diff, проектированию agent loop, работе с tools, валидации, evals, observability. Уроки по конкретным интерфейсам будут обновляться при необходимости.
15 часов — это продолжительность подготовленных видео, а не полное время обучения. Для результата понадобится дополнительное время на код, инфраструктуру, контрольные точки и итоговый проект.
Вместо большого количества формальных домашних работ программа содержит три инженерные контрольные точки и итоговый проект. Результат каждого этапа подтверждается работающим кодом.
Доступные для новых тарифов варианты можно уточнить у менеджера. Заявка не означает одобрение оплаты частями и не обещает конкретный платёж или срок.
Курс не гарантирует трудоустройство. После программы у вас будут системная техническая база, работающий репозиторий, deployment, итоговый проект, архитектурная документация и материалы для подготовки к интервью.
Да. Смысл домен-независимого движка — заменить prompts, tools, данные и eval-кейсы, сохранив базовую архитектуру. Учитывайте правила безопасности, конфиденциальность, лицензирование и требования к персональным данным.
Пройдите рекомендуемый маршрут и соберите систему, которую можно профессионально объяснить
локальный агент → приложение → harness → tools → evals → MCP → RAG → streaming → Agentic OS → production → итоговый проект
Рекомендуемый маршрут — 4 недели при нагрузке 8–10 часов в неделю с практикой. Материалы доступны 6 месяцев.