No-code разработка и AI-агенты в социально-гуманитарных исследованиях

Бакалавриат 2026/2027

ID 1273614

Статус: Курс по выбору (Иностранные языки и межкультурная коммуникация)

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 2-й курс, 2, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Галушко Илья Николаевич

Язык: русский

Кредиты: 3

Контактные часы: 36

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс знакомит с основами создания AI-агентов и автоматизации процессов без написания кода. Студенты учатся проектировать логику сценариев в no-code платформах, работать с данными и внешними API, строить текстовых и голосовых ассистентов в AI Studio и Nodul, а также проверять их работу и обеспечивать безопасность. Курс построен вокруг практического проекта: от первого пайплайна до готового агента, решающего прикладную задачу. В фокусе — не программирование как таковое, а умение формулировать задачу для ИИ, декомпозировать её на шаги, валидировать ответы и контролировать поведение агента.

Цель освоения дисциплины

Сформировать базовое понимание алгоритмической логики (условия, циклы, ветвления) и научиться применять её в визуальных no-code конструкторах.
Освоить принципы работы с языковыми моделями: структура промпта, валидация ответов, выявление галлюцинаций.
Научиться проектировать и собирать AI-агентов в Nodul и AI Studio — от простого сценария до многокомпонентного агента с fallback-логикой.
Освоить работу с данными: форматы (JSON, CSV), получение данных через API, передача между блоками сценария.
Сформировать навыки проверки и тестирования агентов: эталонные наборы, чек-листы, анализ типовых проблем.
Выработать понимание границ безопасного поведения агента и принципов ограничения его действий.

Планируемые результаты обучения

Объясняет ключевые понятия алгоритмики (алгоритм, состояние, условие) и приводит примеры их применения в повседневных задачах.
Распознаёт схемы «если-то» в бытовых и рабочих процессах и переводит их в логические конструкции.
Перечисляет основные no-code платформы и описывает, в каких случаях целесообразно использовать вайбкодинг вместо традиционного программирования.
Собирает в визуальном конструкторе сценарий по схеме «триггер → проверка условия → действие» из готовых блоков.
Настраивает циклы повторений и фильтры для обработки повторяющихся событий.
Объясняет логику собранного сценария и предсказывает его поведение при изменении входных условий.
Описывает устройство языковой модели и роль промпта как спецификации задачи.
Различает сценарии, где достаточно одной LLM, и ситуации, где нужны RAG, агенты или автоматизация.
Структурирует промпт по шаблону (цель, формат, ограничения, критерии) и обосновывает выбор каждого элемента.
Составляет промпт по шаблону для конкретной прикладной задачи и корректирует его на основе результата.
Сравнивает два варианта промпта на одной задаче и объясняет, почему один даёт лучший результат.
Проверяет ответ ИИ на достоверность: сверяет с исходными данными, выявляет галлюцинации и логические ошибки.
Различает форматы CSV, JSON и табличные данные и объясняет, когда какой формат уместен.
Определяет типы данных (строка, число, булево) в переданных значениях и понимает, почему тип важен для обработки.
Описывает процесс получения данных через API и объясняет, почему ответ нужно «распаковать» перед использованием в сценарии.
Формирует GET-запрос в Postman к открытому API и получает корректный ответ.
Разбирает JSON-ответ, извлекает нужные поля и сохраняет результат в CSV или таблицу.
Распознаёт коды ошибок (4xx, 5xx) и описывает возможные причины и способы их устранения.
Декомпозирует прикладную задачу на подзадачи и выстраивает последовательность шагов агента в Nodul.
Проектирует сценарий по структуре «триггер → узел действия → условие → логирование».
Находит и исправляет типичные ошибки сценария: неверный порядок блоков, отсутствие проверки условия, пропущенное логирование.
Создаёт текстового ассистента в AI Studio, настраивает его роль и базовые параметры.
Собирает голосового ассистента и проверяет корректность распознавания речи и воспроизведения ответов.
Настраивает логирование взаимодействий и описывает шаги для разворачивания агента за пределами AI Studio.
Приводит примеры ситуаций, когда агент может выполнить нежелательное или опасное действие.
Формулирует ограничения для агента и объясняет, почему они необходимы в конкретном сценарии.
Описывает принципы безопасной работы с ИИ и перечисляет действия, которые агенту нельзя разрешать.
Добавляет AI-агента в сценарий Nodul и настраивает промпт по шаблону (цель, формат, ограничения, критерии).
Реализует fallback-логику: агент корректно реагирует на сбой или отсутствие данных, не выдавая некорректный ответ.
Анализирует ответы агента, выявляет типовые проблемы и корректирует промпт для их устранения.
Составляет эталонный набор из 5–10 вопросов с известными правильными ответами для тестирования агента.
Сравнивает ответы агента с эталоном, фиксирует расхождения и классифицирует их по типам (галлюцинации, отказ, выход за рамки темы).
Заполняет чек-лист готовности агента к демонстрации и принимает решение: агент готов или требует доработки.

Содержание учебной дисциплины

No‑code, вайбкодинг и логика
No-code логика на практике: условия, циклы, ветвления
LLM, агенты, автоматизация процессов
Промпт-инжиниринг: структура промпта на практике
Данные и форматы в no-code: таблицы, JSON, API как источник
Сбор данных через API и Postman: GET-запросы, JSON, экспорт
Nodul и AI-агенты: как описывать задачи и проверять результаты
Сборка базовых текстовых и голосовых ассистентов в AI Studio
Как проверить, что агент прав. Правила безопасности для агента
Создание AI-агента в Nodul
Проверка агента

Элементы контроля

Экзамен
Представляет собой проверочную работу на платформе SmartLMS с тестовыми и практическими заданиями. Демоверсия экзамена доводится до студентов не позднее 10 рабочих дней до даты экзамена.
Самостоятельная работа
На курсе предусмотрено 3 самостоятельных работы, рассчитанных на 25-30 минут. Работы размещаются на платформе SmartLMS и проводятся либо в конце, либо в начале занятия. Подробнее о дате, времени, точном количестве и темах заданий оповещает преподаватель.
Активность
Предполагает ответы на вопросы преподавателя на занятии, участие в обсуждении. Для курса из 13 занятий необходимо ответить на 8 из них, чтобы получить максимальный балл (10, отлично). Просто присутствие на занятиях не считается активностью и не оценивается. Может быть получена только на занятии (без возможности отправить какие-либо решения задач позднее). Максимум за занятие можно получить 1 балл (дробные баллы ставятся на усмотрение преподавателя).
Проектное задание
Выполняется индивидуально и представляет собой создание собственного AI-агента. На последнем занятии обязательна презентация работы и защита.

Промежуточная аттестация

2026/2027 3rd module
0.25 * Проектное задание + 0.2 * Активность + 0.3 * Экзамен + 0.25 * Самостоятельная работа

Список литературы

Авторы

Паршина Анастасия Алексеевна
Галушко Илья Николаевич
Рословцева Кристина Олеговна

Программа дисциплины