LLM-инженерия: LangChain, RAG и агенты

Практический курс по построению продакшен-приложений на LLM. Разбираем LangChain и LangGraph: chains, prompt templates, output parsers, memory, retrievers; RAG целиком — chunking, embeddings, vector DB (pgvector, Qdrant, Pinecone), hybrid search, reranking, оценка качества retrieval; агенты и tool calling, планирование, обработка ошибок и ограничение циклов; structured output и function calling; evaluation (LLM-as-judge, golden datasets, regression tests); контроль стоимости и latency (кэширование, streaming, батчинг, выбор модели); guardrails, prompt injection и безопасность; observability (LangSmith, трассировка); деплой и мониторинг. Практика: собрать RAG-бота и агента с инструментами.