📄 Забытое искусство XML

Наткнулись на статью, которая ставит под сомнение один из главных технологических трендов последних лет — отказ от XML в пользу JSON.

XML был отвергнут не из-за технической неполноценности, а потому что победил JavaScript.

Что мы потеряли, отказавшись от XML:

• Схемы и валидация — XSD позволяет проверять типы и структуру данных на уровне документа, до парсинга. JSON Schema существует, но это сторонняя надстройка, которая так и не стала стандартом.

• Пространства имён — можно комбинировать документы из разных схем без конфликтов. В JSON приходится импровизировать с префиксами.

• Комментарии — в XML они есть изначально. JSON их запрещает, потому что они усложняют парсинг.

• Самодокументирование — XML-документ содержит или явно ссылается на свою схему. В JSON приходится гадать, что значит "status": 1.

Вместо того чтобы использовать XML, мы потратили миллиарды на создание библиотек валидации, TypeScript, генераторов API-клиентов — по сути, воссоздавая то, что уже было в XML.

Microsoft, несмотря на все критику, продолжали использовать XML для MSBuild, WPF, и системы конфигурации .NET Framework. Переход на JSON в .NET Core случился не потому что XML был плох, а под давлением модных трендов.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

Читать полностью…

Пятница, 19:00. Худшее время для деплоя, но идеальное, чтобы наконец подружить .NET-приложение с нейронками через современные RAG-инструменты.

Как интегрировать LLM в проект и заставить её работать с вашими специфичными данными? Разберёмся на примере концепции RAG.

Программа открытого урока:

— сравнение RAG и Fine-tuning: архитектурный выбор;
— работа с векторными БД и эмбеддингами;
— демонстрация пайплайна, который «читает» документацию в PDF.

Один из спикеров — Алексей Яндутов, ML-инженер в поиске Яндекса.

Это вводное занятие к большому курсу «Разработка AI-агентов». Мы ориентируемся на разработчиков, а не на «промпт-инженеров».

Записаться на урок

Читать полностью…

💡 Старый трюк Windows 95 с Shift

В Windows 95 был странный эффект если перезагружать систему с зажатым Shift появлялась надпись Windows is restarting и перезапуск занимал заметно меньше времени. Для многих это выглядело как полумистический хак хотя на самом деле там работала вполне конкретная логика в старом 16 битном коде.

При обычном перезапуске Windows 95 инициировала полноценный холодный ребут то есть машина проходила полный цикл начальной инициализации BIOS и заново загружала систему из нуля.

При перезапуске с зажатым Shift вместо этого вызывался старый 16 битный ExitWindows с специальным EW флагом который говорил ядру не перезагружать железо а только выгрузить саму Windows и вернуться.

➡️ Источник

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

🤓 Группировка данных без лишних действий

ToLookup — это метод LINQ, который группирует элементы коллекции по ключу. Похож на GroupBy, но есть важные отличия, которые делают его удобным в определённых ситуациях.

— Как работает ToLookup

Метод создаёт структуру данных ILookup<TKey, TElement> — это неизменяемая коллекция групп. Каждая группа содержит элементы с одинаковым ключом.

var users = new[]
{
    new { Name = "Anna", Department = "Dev" },
    new { Name = "Boris", Department = "Dev" },
    new { Name = "Clara", Department = "QA" }
};

var lookup = users.ToLookup(u => u.Department);

foreach (var user in lookup["Dev"])
{
    Console.WriteLine(user.Name); // Anna, Boris
}

Обращение к группе происходит через индексатор lookup["Dev"]. Если ключа нет — вернётся пустая последовательность, а не исключение.

— ToLookup vs GroupBy

GroupBy возвращает IEnumerable<IGrouping<TKey, TElement>> — это отложенное выполнение. Группировка происходит при каждой итерации.

ToLookup выполняется немедленно и возвращает готовую структуру в памяти. Это значит:

• Данные группируются один раз при вызове метода
• Повторные обращения к группам не пересчитывают результат
• Потребляет память под всю структуру сразу

— Когда использовать ToLookup

Подходит, если вам нужно:

+ Многократно обращаться к одним и тем же группам
+ Избежать повторных вычислений группировки
+ Получать пустые последовательности вместо исключений для отсутствующих ключей
+ Неизменяемую структуру данных

Не подходит, если:

- Данные большие и в памяти не поместятся
- Нужна отложенная обработка
- Группировка нужна один раз — тогда GroupBy эффективнее

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

🙂 Подборка вакансий для шарпистов

C# Developer — удалёнка в Ростиксе.

.NET разработчик — долларовая удалёнка.

Senior Unity Developer Teamlead — до 400 000 ₽ на гибрид в Москву.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека шарписта

Читать полностью…

🔄 NBomber 6.2.0: фильтрация метрик, OpenTelemetry и улучшенные отчёты

NBomber — это фреймворк для распределённого нагрузочного тестирования в .NET. Вы пишете сценарии на обычном C# или F#, тестируете любые системы независимо от протокола и модели взаимодействия.

Что нового в версии 6.2.0:

Теперь можно фильтровать метрики по имени — полезно, когда у вас десятки показателей. На графике Throughput отображается Fail RPS, так что проблемы видны сразу.

Кластерный режим теперь настраивается через CLI без JSON-конфига. Можно указать целевые сценарии, а группы агентов стали опциональными.

Реализована интеграция с OpenTelemetry — теперь метрики можно отправлять в стандартные системы мониторинга.

➡️ Релиз на GitHub

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

📎 Преобразование Excel в JSON

Сделаем минимальный код для чтения таблиц для конвертации в JSON.

Подключите NuGet-пакеты FreeSpire.XLS и Newtonsoft.Json. Первая читает .xlsx без зависимостей, вторая формирует JSON.

Код начинается с загрузки файла в поток. Библиотека преобразует лист в DataSet, где строки становятся объектами. Первая строка служит заголовками полей.

Чтение и конвертация данных:

using Spire.Xls;
using Newtonsoft.Json;

Workbook wb = new Workbook();
wb.LoadFromFile("данные.xlsx");
DataTable таблица = wb.Worksheets.ExportDataTable();

JsonSerializerSettings опции = new JsonSerializerSettings
{
Formatting = Formatting.Indented,
NullValueHandling = NullValueHandling.Ignore
};

string результат = JsonConvert.SerializeObject(таблица, опции);
File.WriteAllText("выход.json", результат);

Игнорируйте null для компактности. Форматируйте даты единообразно. Тестируйте на реальных данных — библиотека FreeSpire.XLS ограничена объемом, но достаточна для большинства случаев.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

🛠 Parallel.For — когда циклы работают параллельно

Представьте: у вас есть массив из миллиона элементов, и каждый нужно обработать. Обычный цикл for будет делать это последовательно — один элемент за другим. А что если задействовать все ядра процессора?

Базовое использование:

// Было
for (int i = 0; i < 1000; i++)
{
    ProcessImage(images[i]);
}

// Стало
Parallel.For(0, 1000, i =>
{
    ProcessImage(images[i]);
});

Вот и всё. Task Parallel Library сам распределит работу по потокам, сам управляет ThreadPool, сам балансирует нагрузку.

Когда это имеет смысл:

+ Обработка изображений, видео
+ Математические вычисления
+ Парсинг больших объёмов данных
+ Криптографические операции


Не подходит:

- Обработка меньше 100 элементов
- Операции с базой данных или API
- Быстрые операции вроде i * 2

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

public const Price = OldPrice; // до 20.01

Мы меняем значение константы: завтра обучение станет дороже. Успейте пробросить заказ сегодня, чтобы зафиксировать текущую стоимость в своём стеке.

Инициализировать рост компетенций

Читать полностью…

👼 Дайджест первой недели

Прошла первая рабочая неделя 2026 года. Собираем яркие материалы и новости в один пост.

— Microsoft показали как делать виджеты

— Удаляем хлам из браузера

— Новая база корпоративной культуры

— Январские обновления .NET

— Скоро будет домен .meow

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

🔄 .NET: январские обновления

Microsoft выпустила очередную порцию сервисных обновлений для платформы .NET. Вышли новые версии для трёх поддерживаемых веток:

.NET 10.0.2 — самая свежая версия платформы
.NET 9.0.12 — актуальная STS-версия
.NET 8.0.23 — предыдущая LTS-версия

➡️ Блог разработчиков

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

«Этот манёвр будет стоить нам 51 год...»

Для .NET разработчика архитектура и алгоритмы — это база. Если вы хотите проектировать сложные системы или внедрять ИИ в свои энтерпрайз-решения, сейчас лучший момент для старта.

В Proglib Academy поднимаются цены. Успейте забрать курс по старой стоимости:

— Разработка ИИ-агентов
— Математика для разработки AI-моделей
— ML для старта в Data Science
— Математика для Data Science
— Специалист по ИИ
— Алгоритмы и структуры данных
— Программирование на Python
— Основы IT для непрограммистов
— Архитектуры и шаблоны проектирования

Забрать по старой цене

⚠️ Повышение уже 19 января

Читать полностью…

🤩 Громкость прокруткой колеса

В дефолтном микшере Windows 11 для настройки громкости отдельных приложений нужно сделать много действий:

1. В меню найти иконку громкости и кликнуть по ней
2. Кликнуть по ещё одной иконке в выпавшем меню
3. Пролистать вниз и настроить громкость.

Мод с Windhawk меняет это: наводим на иконку звука в таскбаре — прокручиваем колёсико мыши — сразу меняем громкость активного приложения.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

⚡️ Чистый LINQ, грязные аллокации

Проблема LINQ в горячих местах обычно не в вычислениях, а в том, что вокруг каждого запроса появляются маленькие кусочки инфраструктуры.

Where и Select сами по себе ленивые, они не выполняются пока не началось перечисление. Но как только появляется ToArray, начинается реальная работа и выделяется новый массив под результат

Если внутри цикла постоянно вызывается ToArray, то постоянно создаются новые массивы.
Если еще и лямбды захватывают переменные, добавляются лишние замыкания, и это тоже может стать частью мусора, который потом будет собирать GC.

Пример:

foreach (var batch in batches)
{
    var validItems = batch
        .Where(IsValid)
        .Select(Transform)
        .ToArray();

    Process(validItems);
}

Ручной цикл выглядит скучнее, но дает контроль над буфером и позволяет переиспользовать память:

var buffer = new List<Result>(batch.Count);

foreach (var item in batch)
{
    if (!IsValid(item))
        continue;
    buffer.Add(Transform(item));
}
Process(CollectionsMarshal.AsSpan(buffer));
buffer.Clear();

CollectionsMarshal.AsSpan дает доступ к внутреннему массиву List как Span, то есть можно передать данные дальше без копирования, но важно не менять List пока Span используется.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#garbage_collector

Читать полностью…

❓ Что выведет код

Не спешите отвечать, код вполне может содержать намеренные ошибки. На интервью ценят скорость, но лучше ответить без ошибок.

Посмотреть ответ 👉 в нашем канале

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#dotnet_challenge

Читать полностью…

👨‍💻 ToLookup для поиска дубликатов

ToLookup — это не только группировка данных. Метод создаёт индексированную структуру, что делает его быстрой альтернативой GroupBy в некоторых сценариях.

Допустим, у вас есть список чисел и нужно найти те, что встречаются больше одного раза.

Стандартный подход через GroupBy:

public static IEnumerable<int> FindDuplicates_GroupBy(List<int> data)
{
    return data.GroupBy(x => x)
               .Where(g => g.Count() > 1)
               .Select(g => g.Key);
}

Работает, но GroupBy выполняется лениво — при каждой итерации происходит перегруппировка.

Решение через ToLookup:

public static IEnumerable<int> FindDuplicates_Lookup(List<int> data)
{
    var lookup = data.ToLookup(x => x);
    return lookup.Where(g => g.Count() > 1)
                 .Select(g => g.Key);
}

ToLookup создаёт индекс сразу и дальнейшие операции работают с готовой структурой в памяти.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

Почему так сложно просто принять оплату❓

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#garbage_collector

Читать полностью…

🗑 Soft Delete в базах данных

Многие проекты добавляют в таблицы колонку deleted или archived_at, чтобы не удалять данные окончательно. Звучит удобно: пользователь случайно что-то удалил — можно восстановить. Но на практике это создаёт массу проблем.

Основные проблемы классического подхода

Мёртвые данные в живых таблицах. 99% архивных записей никогда не будут прочитаны, но они постоянно болтаются рядом с актуальными данными.

Каждый запрос должен фильтровать WHERE archived_at IS NULL. Индексы раздуваются. Миграции данных становятся сложнее — надо ли обрабатывать записи двухлетней давности? Всегда есть риск, что архивные данные случайно попадут туда, где их быть не должно.

Создание записи затрагивает внешние системы. Восстановление может требовать сложной логики, которая всегда будет неполной копией API создания. Старые данные могут не пройти новые правила валидации.

Альтернативные подходы

• Архивирование на уровне приложения

При удалении записи приложение отправляет событие в очередь, а отдельный сервис сохраняет архивные данные в другом месте.

Плюсы: основная БД остаётся простой, удаление асинхронное (быстрее и надёжнее), данные можно сериализовать в удобном формате.

Минусы: легко допустить баг и потерять архивные данные, больше инфраструктуры, сложнее искать записи для восстановления.

• Триггеры PostgreSQL

Создаём универсальную таблицу archive, которая хранит JSON-представление удалённых записей:

CREATE TABLE archive (
    id UUID PRIMARY KEY,
    table_name TEXT NOT NULL,
    record_id TEXT NOT NULL,
    data JSONB NOT NULL,
    archived_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
);

Триггер автоматически копирует удаляемую строку в архив. Можно даже отслеживать каскадные удаления через session variables.

• Реплика без DELETE

Держать логическую реплику, которая игнорирует DELETE-запросы или превращает их в archived_at.

➡️ Источник

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

Читать полностью…

Интеграция LLM в .NET: подходы RAG и Fine-tuning

23 января в 19:00 обсудим создание интеллектуальных ассистентов на открытом уроке к курсу «Разработка ИИ агентов». Разберём, как реализовать контекстный поиск по вашим документам и когда стоит прибегать к дообучению моделей.

Спикер — Игорь Стурейко, тимлид в «Газпроме» и эксперт с 20-летним опытом в ML. Игорь подготовил видеосообщение, в котором рассказывает о переходе от чат-ботов к автономным агентам и архитектуре будущей программы.

Ключевые темы:

— использование RAG для ответов по внутренней документации;
— фреймворки уровня LangChain и LlamaIndex в Enterprise-среде;
— работа с хранилищами векторных эмбеддингов (FAISS, Chroma).

📅 Когда: 23.01 в 19:00 МСК

Узнать подробности

Читать полностью…

🧬 Мутационное тестирование

Вы пишете unit-тесты, coverage показывает 80-90%, но уверены ли вы, что эти тесты реально ловят баги? Мутационное тестирование помогает проверить качество самих тестов.

Суть подхода

Инструмент автоматически вносит небольшие изменения в ваш код: меняет операторы, условия, константы. Если тесты проходят с «поломанным» кодом — значит, они недостаточно строгие.

Stryker.NET в действии

Установка занимает пару минут через dotnet tool. После запуска Stryker анализирует код, создаёт мутантов и прогоняет по ним тесты. В отчёте вы видите:

• Какие мутации выжили
• Mutation Score — процент убитых мутантов
• Конкретные строки кода, где тесты слабые

Практический пример

Допустим, у вас метод проверяет возраст пользователя. Stryker меняет age >= 18 на age > 18. Если тест с граничным значением 18 отсутствует — мутант выживает, и вы понимаете, где дописать проверку.

Stryker умеет работать с xUnit, NUnit, MSTest. Настраивается через JSON-файл, где можно указать пороговые значения mutation score, исключить файлы из анализа, настроить уровни логирования.

Процесс требует времени — каждая мутация прогоняет весь набор тестов. Но результат того стоит: вы находите слепые зоны в тестовом покрытии, которые обычный coverage не показывает.

➡️ Репозиторий

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

Читать полностью…

👍 JIT .NET 10 убирает абстракции почти бесплатно

В .NET 10 Microsoft сильно доработали JIT компилятор. Цель простая сделать так, чтобы привычный высокоуровневый С# код работал почти как вручную вылизанный низкоуровневый.

Главная идея обновления JIT убрать лишнюю цену за высокоуровневые конструкции. Раньше интерфейсы, делегаты, итераторы легко приносили дополнительные аллокации и лишнюю индирекцию, сейчас JIT старается пробиться сквозь них к конкретным типам и генерировать более плотный машинный код.

Ключевой механизм это улучшенный escape analysis. Если JIT может доказать, что объект живет только внутри метода не передается наружу и не сохраняется в поля, он размещает его на стеке.

Пример:

[Benchmark]
[Arguments(42)]
public int SumWithOffset(int offset)
{
    Func<int, int> addOffset = value => value + offset;
    return ApplyTwice(addOffset, offset);
}

В старой версии платформы такой код почти гарантировал лишнюю аллокацию делегата и замыкания в куче.

По сути JIT делает за разработчика ту оптимизацию которую раньше приходилось реализовывать вручную через отказ от лямбд и делегатов на горячем пути.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

Читать полностью…

🚀 Одна строка кода для ускорения EF Core

Когда EF Core загружает связанные сущности через Include(), он генерирует один огромный SQL-запрос с множеством JOIN. Результат? Тысячи дублирующихся строк, гигабайты трафика и медленная работа.

Пример:

var posts = await context.Posts
    .Include(p => p.Comments)
        .ThenInclude(c => c.Reactions)
    .ToListAsync();

При 100 постах, у каждого по 10 комментариев, в каждом по 10 реакций — вместо 11 100 записей получаем результирующий набор на 10 000 строк.

Добавьте .AsSplitQuery() — и EF Core разобьёт один большой запрос на несколько маленьких:

var posts = await context.Posts
    .AsSplitQuery() // ← магия здесь
    .Include(p => p.Comments)
        .ThenInclude(c => c.Reactions)
    .ToListAsync();

Query Splitting — это не хак и не костыль. Это правильный способ работы с EF Core в read-heavy сценариях.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#il_люминатор

Читать полностью…

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#garbage_collector

Читать полностью…

🧑‍💻 Исключения — не для обычного управления потоком

Исключения во флоу — это не просто дорогие операции. Они дороги когнитивно: затуманивают логику программы и размывают границу между ошибкой и нормальным поведением.

Антипаттерн, который всё ещё встречается:

{
    var value = dictionary[key];
    Process(value);
}
catch (KeyNotFoundException)
{
    // ignore
}

Отсутствие ключа в словаре — это не исключительная ситуация. Это ожидаемый сценарий. Использование exceptions в таких случаях передаёт неправильный смысл и усложняет отладку, когда происходят настоящие ошибки.

Правильный подход — явное ветвление:

if (dictionary.TryGetValue(key, out var value))
{
    Process(value);
}

Этот код читается понятно, работает быстрее и сохраняет исключения значимыми.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

👨‍💻 Когда if начинает распухать

Паттерн стратегия подходит, когда один и тот же сценарий можно выполнить несколькими способами, и выбор зависит от условий. Вместо большого switch внутри сервиса разные варианты выносятся в отдельные классы с общим интерфейсом, а контекст просто делегирует работу выбранной реализации.

Типовая схема такая. Есть интерфейс Strategy, есть несколько конкретных стратегий, и есть контекст, который держит ссылку на стратегию и вызывает ее метод, не зная деталей реализации. Это снижает связность и позволяет добавлять новые варианты без переписывания старого кода.

Мини пример на C#:

public interface IDiscountStrategy
{
    decimal Apply(decimal total);
}

public sealed class RegularDiscount : IDiscountStrategy
{
    public decimal Apply(decimal total) => total;
}

public sealed class VipDiscount : IDiscountStrategy
{
    public decimal Apply(decimal total) => total * 0.9m;
}

public sealed class Checkout
{
    private readonly IDiscountStrategy _discount;

    public Checkout(IDiscountStrategy discount) => _discount = discount;

    public decimal TotalWithDiscount(decimal total) => _discount.Apply(total);
}

Если стратегия выбирается по условиям, условие должно выбирать объект, а не ветку кода:

var checkout = serviceProvider.GetRequiredService<Checkout>();
var total = checkout.TotalWithDiscount(100m);

Выбор стратегии лучше делать на границе приложения, например в фабрике или при конфигурации через DI, потому что прямое создание зависимостей внутри сервиса жестко привязывает код к конкретной реализации.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

📎 SelectMany это двойной foreach, просто в красивой упаковке

SelectMany проектирует каждый элемент во вложенную последовательность и потом склеивает эти последовательности в одну общую.

И это отличный выбор для чистой проекции без сложной логики, когда нужно ровно развернуть коллекцию коллекций.

Но если в задаче появляется управление потоком или условия выхода:

var allItems = orders
    .SelectMany(o => o.Items)
    .Where(i => i.IsActive)
    .ToList();

Цикл часто дает больше ясности и предсказуемости:

var allItems = new List<Item>();

foreach (var order in orders)
{
    foreach (var item in order.Items)
    {
        if (!item.IsActive)
            continue;
        allItems.Add(item);
    }
}

Плюс тут легко вставить break, continue, счетчики, ограничения, и не гадать как они сложатся с отложенным выполнением.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#sharp_view

Читать полностью…

🏭 Новая база корпоративной культуры

В 2025 году индустрия провела эксперимент и пришла к циничному выводу: забота о сотрудниках экономически невыгодна. Теперь карьерный рост зависит не от крутого продукта, а от способности закрывать KPI и не сгореть раньше коллег.

Почему так произошло и кто в этом виноват — разбираемся в статье.

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

Читать полностью…

🌐 Браузер без всего лишнего

Наткнулись на проект, который помогает вырезать из Chrome, Edge и Firefox всё лишнее, что не относится к работе браузера.

Что сносит:

• AI-фичи (Copilot в Edge, AI-саммари в Chrome)
• Телеметрия и отчёты об использовании
• Спонсорский контент и реклама
• Интеграция сторонних продуктов
• Рекомендованные новости и виджеты
• Бесполезные UI-элементы

Вместо ручного копания в about:config или реестре Windows — готовые конфиги + скрипты установки.

➡️ Удалить мусор из браузера

📍 Навигация: Вакансии • Задачи • Собесы

🐸Библиотека шарписта

#async_news

Читать полностью…

Roadmap для .NET-разработчика: от промптов к Semantic Kernel

ИИ-агенты становятся стандартом автоматизации. Для тех, кто работает в экосистеме Microsoft, это шанс занять нишу архитектора автономных систем.

Ваш план развития:

— понимание основ агентной логики и Reasoning;

— проектирование систем памяти и доступа к данным;

— создание мультиагентных пайплайнов для рабочих задач;

— интеграция агентов в бизнес-процессы компании.
Курс «Разработка ИИ-агентов» — это интенсивный путь от теории до создания сложных производственных систем.

Начать погружение в ИИ

До 19 января купите курс и заберите два дополнительных в подарок (акция «3 в 1»).

Читать полностью…