Главная страницаКатегория typescriptРазработка персонального AI-ассистента на TypeScript

Разработка персонального AI-ассистента на TypeScript

Name: Разработка персонального AI-ассистента на TypeScript
Price: 12.5 USD
Rating: 5 (22 reviews)

Build Your Own AI Personal Assistant in TypeScript

Matt Pocock

★5 (всего оценок - 22)

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 задачах, которые сложно формализовать: анализ разрозненной информации, приоритизация задач, подготовка к встречам, поиск потерянного контекста в переписке, автоматизация рутины. Однако универсальные чат-боты не реализуют этот потенциал полностью: они не используют ваши данные, не запоминают ваши предпочтения, не адаптируются под ваши рабочие процессы и остаются «чёрным ящиком».

Что вы узнаете на курсе

На этом курсе вы научитесь создавать собственного персонального ИИ-ассистента на TypeScript — полностью управляемую систему, которая обрабатывает ваши данные, запоминает контекст, использует инструменты через API и остается под вашим контролем. Вы поймёте, что ключевая ценность заключена не в самой модели, а в архитектуре системы, включающей ретривал данных, память, управление контекстом, агентные сценарии, валидацию и безопасность.

Практическая часть курса

В течение 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 подтверждениями human-in-the-loop.

Что вы получите в результате

По завершении курса 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 приобретете фундаментальные навыки современного AI-инжиниринга, применимые для создания любых кастомных LLM-систем — для работы, бизнеса и личных проектов.

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.

+136