Главная страница Категория typescript Разработка персонального AI-ассистента на TypeScript

Разработка персонального AI-ассистента на TypeScript

Build Your Own AI Personal Assistant in TypeScript

Matt Pocock

★ 5 (всего оценок - 19)

Начать Сейчас

Продолжительность

3 ч 38 мин

Категория

TypeScript

Количество уроков

113 Видео

Дата добавления

9 дек. 2025 г., 00:42

Язык

Английский

Дата выхода

8 дек. 2025 г., 01:00

Дата обновления

14 дек. 2025 г., 20:37

Большие языковые модели (LLM) невероятно мощны — особенно в тех задачах, которые сложно формализовать: анализ разрозненной информации, приоритизация задач, подготовка к встречам, поиск потерянного контекста в переписке, автоматизация рутины. Однако универсальные чат-боты не раскрывают этот потенциал полностью: они не используют ваши данные, не запоминают ваши предпочтения, не настраиваются под ваши рабочие процессы и остаются «чёрным ящиком».

На этом курсе вы научитесь создавать собственного персонального ИИ-ассистента на TypeScript — полностью управляемую систему, которая работает с вашими данными, запоминает контекст, умеет пользоваться инструментами через API и всегда остаётся под вашим контролем. Вы поймёте, почему ключевая ценность находится не в самой модели, а в архитектуре системы: ретривале данных, памяти, управлении контекстом, агентных сценариях, валидации и безопасности.

За 5 дней интенсивной практики вы с нуля реализуете:

интеллектуальный поиск по собственным данным (BM25, семантический поиск, RRF, query rewriting);
продвинутую систему памяти (семантическая и эпизодическая память);
оценку качества и надёжности ответов через автоматические eval-механизмы;
безопасную работу с инструментами и API с human-in-the-loop подтверждениями.

В результате у вас будет готовый, расширяемый персональный ИИ-ассистент, который:

работает с большими объёмами данных;
обучается на ваших предпочтениях;
умеет безопасно выполнять действия;
не привязан к конкретной модели.

Кроме готового ассистента, вы получите фундаментальные навыки современного AI-инжиниринга, которые можно применять для создания любых кастомных LLM-систем — для работы, бизнеса и личных проектов.

Посмотреть больше

Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

Урок 1. 00:02:08

001 Course Overview
Урок 2. 00:00:47

002 Skill Building Vs. Project
Урок 3. 00:02:42

003 How to Do Skill Building Exercises
Урок 4. 00:03:56

004 Project Repo Intro
Урок 5. 00:04:43

005 How to Do The Project Exercises
Урок 6. 00:01:32

006 Getting Model Keys
Урок 7. 00:01:47

007 Introduction to Discord
Урок 8. 00:01:10

008 What to Do Now
Урок 9. 00:03:01

009 Retrieval Introduction
Урок 10. 00:03:48

010 Overview of the BM25 Algorithm
Урок 11. 00:01:20

011 Retrieval with BM25
Урок 12. 00:01:53

012 Retrieval with BM25 solution
Урок 13. 00:04:13

013 Replacing BM25 with Embeddings
Урок 14. 00:01:32

014 Replacing BM25 with Embeddings solution
Урок 15. 00:03:06

015 Rank Fusion
Урок 16. 00:01:45

016 Query Rewriting
Урок 17. 00:01:48

017 Query Rewriting solution
Урок 18. 00:01:42

018 Building Your Own Dataset
Урок 19. 00:00:53

019 Intro to Building a Search Algorithm
Урок 20. 00:01:52

020 Adding BM25 Search
Урок 21. 00:02:23

021 Caching Embeddings
Урок 22. 00:01:08

022 Searching with Embeddings
Урок 23. 00:01:29

023 Combining Results with Reciprocal Rank Fusion
Урок 24. 00:00:21

024 Intro to Adding Search Tool to Agent
Урок 25. 00:02:23

025 Search Tool
Урок 26. 00:01:14

026 Context Engineering Search Tool
Урок 27. 00:01:33

027 Chunking Intro
Урок 28. 00:02:53

028 Fixed Size Chunks
Урок 29. 00:02:06

029 Structural Chunking
Урок 30. 00:02:37

030 Structural Chunking Solution
Урок 31. 00:01:43

031 Retrieval with Chunks
Урок 32. 00:02:14

032 Reranking
Урок 33. 00:02:17

033 Reranking Solution
Урок 34. 00:00:22

034 Chunking Emails Playground Intro
Урок 35. 00:01:30

035 Abstracted Embeddings Cache
Урок 36. 00:01:21

036 Adding the Text Splitter
Урок 37. 00:02:09

037 Applying Chunking to Search Algorithms
Урок 38. 00:00:25

038 Reranking and Chunking in Search Tool Intro
Урок 39. 00:01:44

039 Adding the Reranker
Урок 40. 00:02:21

040 Giving the Reranker More Context
Урок 41. 00:02:22

041 Viewing Tool Calls in the Frontend
Урок 42. 00:00:45

042 Custom Filter Tools Intro
Урок 43. 00:03:29

043 Added Filter Emails Tool
Урок 44. 00:00:41

044 Displayed Filter Tools in Frontend
Урок 45. 00:00:48

045 Metadata First Retrieval Pattern Intro
Урок 46. 00:04:13

046 Make Search Only Provide Metadata
Урок 47. 00:02:29

047 Including Whole Threads
Урок 48. 00:02:51

048 Basic Memory Setup
Урок 49. 00:02:10

049 Basic Memory Setup Solution
Урок 50. 00:01:52

050 Updating Previous Memories
Урок 51. 00:02:49

051 Updating Previous Memories Solution
Урок 52. 00:01:34

052 Memory as Tool Call
Урок 53. 00:03:05

053 Memory as Tool Call Solution
Урок 54. 00:02:26

054 Semantic Recall on Memories
Урок 55. 00:00:42

055 Intro to Semantic Recall on Memories
Урок 56. 00:01:48

056 Made Embedding Functions Generic
Урок 57. 00:02:50

057 Added Memory Search Function
Урок 58. 00:01:25

058 Added Memories to the Agent
Урок 59. 00:02:05

059 Added Memory Extraction
Урок 60. 00:01:29

060 Fixed System Prompt
Урок 61. 00:01:01

061 Intro to Working Memory via Message Embeddings
Урок 62. 00:02:03

062 Make Chat API Receive One Message
Урок 63. 00:01:01

063 Added Search Messages Function
Урок 64. 00:01:54

064 Implemented Working Memory
Урок 65. 00:01:11

065 Intro to Episodic Memory from Conversations
Урок 66. 00:01:21

066 Storing Chat Summaries
Урок 67. 00:01:58

067 Added the reflectOnThat Function
Урок 68. 00:00:49

068 Searching for Related Chats
Урок 69. 00:02:47

069 Working Episodic Memory Setup
Урок 70. 00:02:33

070 Evaluating Tool Call Agents
Урок 71. 00:01:37

071 Evaluating Tool Call Agents Solution
Урок 72. 00:01:31

072 Implementing a Deterministic Tool Call Scorer
Урок 73. 00:01:05

073 Implementing a Deterministic Tool Call Scorer Solution
Урок 74. 00:01:07

074 Using Evalite Each for A_B Testing
Урок 75. 00:01:52

075 Using Evalite Each for A_B Testing Solution
Урок 76. 00:01:09

076 Adversarial Inputs
Урок 77. 00:01:48

077 Adversarial Inputs Solution
Урок 78. 00:01:36

078 Creating a Clarifying Questions Tool
Урок 79. 00:01:45

079 Creating a Clarifying Questions Tool Solution
Урок 80. 00:00:24

080 Intro to Evaluating Memory Extraction
Урок 81. 00:01:02

081 Make extractMemories Testable
Урок 82. 00:01:24

082 Added createUIMessageFixture
Урок 83. 00:02:13

083 Scaffold Eval
Урок 84. 00:01:59

084 Added Dataset
Урок 85. 00:04:20

085 Added answerCorrectness Scorer
Урок 86. 00:01:56

086 Moved to answerSimilarity
Урок 87. 00:01:04

087 Intro to Evaluating End to End Agent
Урок 88. 00:01:33

088 Moved Agent Into Its Own File
Урок 89. 00:02:08

089 Scaffolding the Eval
Урок 90. 00:01:13

090 Customized Evalite's UI
Урок 91. 00:01:43

091 Added Answer Correctness Scorer
Урок 92. 00:02:34

092 Adding Multi-Hop and Filtering Queries
Урок 93. 00:01:11

093 Human in the Loop Intro
Урок 94. 00:02:12

094 Initiating Human in the Loop Requests
Урок 95. 00:00:51

095 Initiating Human in the Loop Requests Solution
Урок 96. 00:03:33

096 Approving Human in the Loop Requests
Урок 97. 00:01:27

097 Converting Custom Data Parts For The LLM
Урок 98. 00:01:01

098 Converting Custom Data Parts For The LLM Solution
Урок 99. 00:02:53

099 Processing Human in the Loop Requests
Урок 100. 00:01:29

100 Processing Human in the Loop Requests Solution
Урок 101. 00:01:57

101 Executing the Human in the Loop Requests
Урок 102. 00:02:28

102 Executing the Human in the Loop Requests Solution
Урок 103. 00:01:45

103 Intro to Building the Destructive Tools
Урок 104. 00:02:21

104 Hooked Up Zapier MCP
Урок 105. 00:02:04

105 Removed Unwanted Tools
Урок 106. 00:02:16

106 Added Local Definitions
Урок 107. 00:00:15

107 Intro to Build the Human in the Loop Harness
Урок 108. 00:04:21

108 HITL on the Backend
Урок 109. 00:02:53

109 HITL on the Frontend
Урок 110. 00:02:15

110 Intro to Filtering Tool Groups on the Frontend
Урок 111. 00:02:19

111 Added Types and Helper Functions
Урок 112. 00:01:52

112 Implemented App Tagging on Frontend
Урок 113. 00:02:00

113 Implemented App Tagging on Backend

https://github.com/ai-hero-dev/cohort-002-project
https://github.com/ai-hero-dev/cohort-002-skill-building

Автор - Matt Pocock

Matt Pocock

До создания Total TypeScript я был членом основной команды XState и работал как разработчик в Vercel. Я работал с TypeScript в качестве ведущего разработчика полного стека, сопровождающего библиотеки, а теперь и в качестве штатного преподавателя. Я создал Total TypeScript, чтобы сделать секреты разработчиков программного обеспечения с открытым исходным кодом и отраслевых экспертов доступными для всех.