Клуб проектирования AI-систем

Разрабатываем будущее с помощью AI-агентов ⚡️⚡️⚡️

Лучшие материалы по изучению агентов

Yandex Agents Week 2026

Интенсив Яндекса по AI-агентам: основы LLM, инструменты и MCP, память, guardrails, оценка агентов и прод-инженерия (RUS, 2026). Записи лекций и код.

Открыть на GitHub

Multi-Agent System: LangGraph + MCP + Supervisor

Сквозной пример end-to-end мультиагентной системы: супервизор, guardrails, Human-in-the-Loop и MCP-сервер с FastAPI-интерфейсом (ENG, 2026). Пошаговый видео-разбор и код.

Открыть на GitHub

Знаете хороший материал по агентам — предлагайте, добавим в подборку!

Лучший из бесплатных инструментов для разработки с помощью агентов — "opencode". Работает в терминале с разными моделями, в том числе с лучшей из бесплатных - DeepSeek v4 Flash Free. В РФ нет ограничений и не требует VPN и платные токены.

Бесплатные лимиты токенов можно взять у OpenRouter и GitHub Models

Всем привет! Мы запускаем сообщество, где фокус смещен с простого написания кода на архитектуру. Мы учимся организовывать, развивать и поддерживать полноценные AI-системы и агентские приложения.

Клубные встречи — по понедельникам в 20:00 по Москве. Собираются инженеры, изучающие работу с агентами.

Ищем темы для обсуждения и людей, готовых поделиться своими наработками. Если есть чем поделиться — приходите!

Хочется получить больше информации от людей по теме Kimi K3 и изолированных средах для запуска агентов в Kubernetes.

Формат клуба

Мы предлагаем формат «живого» взаимодействия — аналог парного программирования или командного проектирования у доски.

Теория и новости

Разбираем свежие подходы и архитектурные паттерны.

Практика

Пробуем подходы на практике и делимся результатами.

Записи встреч

Записи всех клубных встреч с видео и схемами вынесены на отдельную страницу.

Смотреть записи встреч

Что в программе

Spec-Driven Development и BMAD.
Архитектура систем (OpenClaw, анализ Claude Code).
Безопасность и организация памяти (Memory Management).
Enterprise vs Pet-проекты: что работает на больших данных.
Идеи LLM Wiki и AutoResearch Андрея Карпатого.

Для участников и спикеров

Приходите с темой или MVP своего агентского приложения. Презентуйте решение (30–60 мин) и получите сертификат RS School. Мы всегда рады новым спикерам с реальным опытом!