Промпт‑программирование и оркестрация - AI01

Описание

Программа посвящена переходу от ручного составления промптов к промпт‑инжинирингу как программируемой инженерной дисциплине: использованию сигнатур и автоматических оптимизаторов, обеспечению надёжного структурированного вывода, подключению инструментов через Model Context Protocol, организации PromptOps и систематической оценке качества.

Аудитория

инженеры прикладного ИИ, backend‑ и fullstack‑разработчики, аналитики данных, руководители AI‑направлений, ответственные за воспроизводимость и измеримость LLM‑решений.

Расписание:

День 1. От текста к программируемому промпту.

Фреймворк DSPy и переход от свободных инструкций к сигнатурам (входы и выходы). Автоматические оптимизаторы (MIPROv2, BootstrapFewShot) и подбор few‑shot примеров на основе данных. Работа с reasoning‑моделями и управление скрытой цепочкой рассуждений. Экономика контекста, кэширование запросов и снижение стоимости инференса.

День 2. Надёжность вывода и мультимодальность.

Constraint decoding и грамматики (PydanticAI, Outlines) для гарантированно валидного JSON на уровне распределения токенов. Model Context Protocol (MCP) как стандарт подключаемых инструментов и проектирование самодокументируемых интерфейсов. Принципы агентного интерфейса и vision‑инструкций для управления визуальными элементами. Стратегии работы со сверхдлинным контекстом и компенсация эффекта «lost in the middle».

День 3. PromptOps и оценка качества.

Подход LLM‑as‑a‑judge, проектирование критериев и кастомных моделей‑критиков. Семантическое версионирование и регрессионное тестирование промптов в составе CI/CD. Red‑teaming, поиск уязвимостей и встраивание guardrails в реальном времени. Гибридные схемы Prompting + RAG и критерии выбора между прямым включением данных в промпт и извлечением из графовой базы знаний.