AI-агенты: анализ рынка

AI-агенты: анализ рынка На HHRU по запросу "LLM агенты" выдает более шестисот вакансий. Ещё год назад агентами занимались исследовательские команды Сбера и Яндекса, и на этом список заканчивался. Теперь агента хотят все: строительный стартап, медиахолдинг, доставка еды и так далее. И зовут на эти вакансии не каких-то жестких ресерч инженеров, а обычных вкатунов. Вот вакансия , которая называется Junior AI/ML-инженер, компания ELEMENT, 100-120 тысяч. Внутри: LLM-агенты, tool use, RAG, построение evals. И примечательная строчка: опыт с API годится "хотя бы на уровне пет-проектов". То есть по сути: принеси работающего агента, и мы поговорим. Аксис зовёт инженера с опытом от года на вилку 150-300: оркестрация агентов, tool calling, RAG с указанием источников. У Медийных Технологий открыта позиция, где человек занят исключительно оценкой качества LLM. Тема, которой в типичном курсе отводят полчаса, успела вырасти в отдельную профессию. Виден и потолок: старший разработчик агентов для Алисы , вилка 253-508. Туда не устраиваются с улицы, туда дорастают. Но весь вопрос в первой ступеньке. Загвоздка в том, что привычные пет-проекты ступенькой быть перестали. Чат по PDF, собранный за вечер по туториалу, никого не впечатляет: такой же лежит в каждом втором резюме. На собеседовании вас будут спрашивать о другом. Как агент решает, какой инструмент вызвать? Что происходит, когда он зацикливается? Чем вы докажете, что новая версия промпта лучше старой? Это вопросы об инженерии, которая начинается там, где заканчивается туториал. И вот её как раз почти нигде не учат. Ровно под этот разрыв мы собрали новый курс по AI-агентам : Устроен он так. Первым делом пишем ReAct-агента с нуля, на чистом Python, без фреймворков: цикл "рассуждение, действие, наблюдение" нужно один раз собрать руками, иначе он навсегда останется магией. Затем добавляем готовые фреймворки: инструменты, RAG над собственным корпусом, долговременная память. Переносим агента на LangGraph и smolagents и на живом сравнении видим, что фреймворк экономит, а что прячет. Дальше мульти-агентная система с критиком, MCP, браузерный агент, prompt injection и защита от него. А в финале то, ради чего всё затевалось: свой датасет, eval-пайплайн с LLM-судьёй, трейсинг, деплой. Тот самый список из вакансий выше, пункт за пунктом. Кому курс подойдет: - джунам и стажёрам, уставшим конкурировать с сотней одинаковых резюме за классические ML-позиции; - действующим DS-ам, которым выдали задачу "прикрутите нам LLM" без инструкции; - бэкендерам, которые хотят войти в AI через инженерию, а не через полгода матстата; - тем, кто метит в middle: спрос на агентный стек сейчас заметно обгоняет предложение ➡️ Записаться