Создайте AI-ассистентов и команды агентов, который будут работают за вас

Практический курс для тех, кто уже умеет работать с AI в разработке и хочет перейти на следующий уровень: не просто пользоваться чат-ботами, а создавать персональных AI-ассистентов, автономных агентов и мульти-агентные бизнес-системы, которые сами выполняют задачи, следят за процессами и помогают зарабатывать.

AI-агенты — это следующий этап после обычных нейросетевых чатов. Они не просто отвечают на вопросы, а могут помнить контекст, работать по расписанию, подключаться к почте, календарю, таблицам и CRM, запускать задачи, присылать отчёты, улучшать собственные навыки и брать на себя часть вашей ежедневной рутины.
На курсе вы с нуля развернёте собственного персонального AI-агента на базе OpenClaw, настроите его на VPS-сервере, подключите Telegram, память, внешние сервисы и научите его решать реальные личные и рабочие задачи.
Дальше вы перейдёте от одиночного ассистента к полноценной системе: построите операционный центр с мониторингом, задачами и контролем расходов, настроите самосовершенствующегося агента, а затем создадите мульти-агентную AI-компанию в Paperclip — с CEO-агентом, сотрудниками и бизнес-конвейерами для контента, лидогенерации и других процессов. В финале вы научитесь запускать агентов в облачных sandbox-средах и соберёте веб-сервис, который по запросу пользователя запускает агента, выполняет задачу и выдаёт готовый результат. Программа курса рассчитана на 10 занятий и последовательно ведёт от установки OpenClaw до монетизации и карьерных возможностей в сфере AI-агентов.

Для кого курс

Курс предназначен для тех, кто уже уверенно работает с AI-инструментами и хочет перейти от отдельных запросов к созданию реальных автоматизаций, ассистентов и агентных систем. Вам понадобится пройти базовый онлайн-курс «Разработка с AI на практике для всех» или иметь сопоставимый опыт: уметь использовать AI для кода, сайтов и прототипов, а также не бояться терминала и технических настроек.

Курс подойдёт предпринимателям, маркетологам, продюсерам, разработчикам и руководителям небольших команд — всем, кто хочет автоматизировать личные и бизнес-процессы с помощью AI-агентов.

Что вам понадобится

Подписка ChatGPT Plus. Она понадобится для работы с ChatGPT Codex: он будет помогать писать и проверять код, дорабатывать скиллы, скрипты и интеграции. Также подписка ChatGPT Plus будет использоваться при работе с OpenClaw и Paperclip.
Около $20 на API-вызовы в OpenRouter или другом платном LLM API.

Собственный VPS-сервер. Часть практики будет проходить на удалённом сервере, который нужно будет арендовать отдельно. Подойдёт Hetzner или аналогичный сервис, стоимость обычно начинается примерно от $6 в месяц.

Также вам понадобится Visual Studio Code или другой редактор кода, доступ к терминалу и готовность работать с техническими инструментами: командной строкой, файлами, сервером, настройками безопасности и интеграциями.

По ходу курса мы также будем использовать отдельные сервисы и инструменты: Telegram Bot API, Google Calendar, Gmail, Google Sheets, Google Drive, Composio, MCP, Paperclip, e2b.dev и другие платформы для интеграции AI-агентов с реальными задачами. Лучше заранее убедиться, что у вас есть доступ к основным Google-сервисам и Telegram.

Чему вы научитесь:

• Разворачивать и безопасно настраивать AI-ассистентов на базе OpenClaw.
• Подключать агентов к Telegram, почте, календарю, таблицам и другим сервисам.
• Настраивать память, скиллы, расписания, суб-агентов и внешние интеграции.
• Автоматизировать личные задачи: брифинги, напоминания, заметки и встречи.
• Автоматизировать бизнес-процессы: CRM, контент, лиды и follow-up.
• Строить операционный центр с дашбордом, задачами и логами.
• Создавать самосовершенствующихся и проактивных агентов.
• Работать с мульти-агентными системами и AI-командами в Paperclip.
• Запускать агентов в облаке и интегрировать их в веб-сервисы.
• Понимать, как применять и монетизировать AI-агентов в бизнесе.

Программа курса

Занятие 1. Знакомство с OpenClaw и безопасная установка вашего первого AI-ассистента

Цель: Установить и настроить персонального AI-ассистента OpenClaw на VPS сервере, подключить Telegram и провести первое взаимодействие с агентом.

Темы:

• Что такое персональные AI-ассистенты? Чем они отличаются от чат-ботов
• Обзор и сравнение агентов: OpenClaw, Hermes, IronClaw и другие
• Почему OpenClaw — он прошёл границу массового принятия и его экосистема растёт быстрее всех
• Как технически работает OpenClaw: LLM как мозг, оркестрация, heartbeat, навыки, память на файловой системе
• Выбор, где запускать OpenClaw: свой компьютер, отдельная машина или VPS — и почему VPS лучше
• Обзор LLM для работы в OpenClaw: сравнение моделей по цене и качеству. На курсе используем подписку ChatGPT Plus
• Безопасная установка OpenClaw на VPS: создание сервера, firewall, настройки безопасности
• Подключение Telegram: создание бота через BotFather, паринг, первое сообщение
• Доступ к Gateway Dashboard через SSH-туннель
• Первый разговор с агентом: настройка identity (user.md), файла "души" (soul.md), базовый набор скиллов
• Основы безопасности: отдельные аккаунты для всех сервисов, защита от prompt injection, проверка скиллов

Домашнее задание: Запустите своего первого OpenClaw на VPS сервере. Настройте Telegram, проведите "интервью" с агентом (заполните identity), настройте базовые скиллы. Ваш OpenClaw должен сам залогиниться на специальный сайт курса и отправить отчёт о том, что установка завершена и всё работает.

Технологии:

• OpenClaw
• ChatGPT Plus (Codex модель)
• VPS (Hetzner / аналоги)
• Telegram Bot API
• VS Code + Remote SSH

Занятие 2. Продвинутая настройка OpenClaw

Цель: Настроить память, мультимодальное общение, подключение к внешним сервисам и оптимизировать работу агента по стоимости и производительности.

Темы:

• Архитектура памяти OpenClaw: memory.md (долгосрочная) vs папка memory/ (дневные логи), что загружается в контекст, почему агент "забывает" информацию
• Compaction и Memory Flush: как не терять важную информацию при компактизации контекста
• Vector memory search (QMD backend): более эффективный поиск по памяти
• Оптимизация токенов и стоимости: prompt caching, команды /status, /context list, /compact, лимиты контекстного окна
• Heartbeat и Cron-задачи: настройка регулярных действий агента и запланированных задач по расписанию
• Суб-агенты: как делегировать задачи параллельным агентам для ускорения работы
• Мультимодальное общение: генерация картинок, базовый TTS через Google TTS, обзор других возможностей (голосовые сообщения через Whisper, живые звонки через ElevenLabs)
• Подключение OpenClaw к внешним сервисам: стандартный способ через MCP и скиллы
• Composio как продвинутый вариант: единый хаб интеграций с OAuth, экономия токенов через умный поиск инструментов
• Продвинутые скиллы: создание собственных скиллов, обзор Clawd Hub, аудит скиллов перед установкой

Домашнее задание: Настройте память в вашем OpenClaw (memory flush, QMD backend), создайте минимум один собственный скилл и настройте cron-задачу. Ваш OpenClaw должен сам сгенерировать инфографику, объясняющую как работает его память, и загрузить эту картинку на специальный сайт курса.

Технологии:

• OpenClaw (память, скиллы, cron)
• QMD backend
• Composio
• Google TTS
• MCP

Занятие 3. Настройка OpenClaw как вашего личного ассистента

Цель: Научиться настраивать OpenClaw для решения повседневных персональных задач — от простых уведомлений до продвинутого управления знаниями и самодисциплины.

Темы:

Простое — быстрые результаты:

• Утренний брифинг — сводка дня: погода, задачи, напоминания, важные даты
• Списки покупок и бытовые напоминания — grocery-автоматизация через Telegram
• Базовая система заметок — сохранение и поиск заметок через ассистента

Среднее — интеграции и автоматизации:

• Email-ассистент — настройка чтения почты с фильтрами, пересылка доверенных отправителей, защита от prompt injection (отдельный email-аккаунт, блокировка прямых сообщений)
• Календарь и подготовка к встречам — синхронизация с Google Calendar, автоматические напоминания, сбор контекста перед встречами
• Учёт финансов — парсинг чеков и платежей из почты, ведение Google Sheet с транзакциями

Продвинутое — роли и системы:

• Chief of Staff — приоритизация входящего потока, follow-up после звонков, еженедельный обзор прогресса по целям
• Knowledge Management по PARA/QMD — автоматическая организация знаний по методологии PARA с использованием QMD vector backend
• Automatic Discipline — трекинг привычек, проактивные напоминания о целях, рефлексия дня, «подталкивание» к выполнению задач

Домашнее задание: Настроить минимум 3 персональных сценария использования OpenClaw из разных уровней сложности (минимум 1 простой, 1 средний, 1 продвинутый). Ваш OpenClaw должен сам сгенерировать текст и инфографику, объясняющую как работают его сценарии использования и загрузить их на специальный сайт курса.

Технологии:

• OpenClaw
• Telegram
• Google Calendar
• Gmail
• Google Sheets
• Google Drive
• Composio
• Cron-задачи
• Skills
• QMD

Занятие 4. Настройка OpenClaw для выполнения бизнес-задач

Цель: Научиться применять OpenClaw для автоматизации бизнес-процессов — от мониторинга рынка до автоматического резюме встреч.

Темы:

Простое — мониторинг и контент:

• Мониторинг конкурентов и рынка — автоматический трекинг новостей, цен, активности конкурентов
• Генерация контент-идей — анализ трендов, outlier-видео, идеи для постов и статей
• Черновики постов и писем — автоматическая подготовка контента для соцсетей, рассылок, блога

Среднее — автоматизации и интеграции:

• CRM-автоматизация — управление контактами и лидами, автоматический follow-up с клиентами, отслеживание сделок, автоответы на типовые запросы
• Бухгалтерия и финансовый учёт — парсинг чеков и платежей из почты, ведение Google Sheet с транзакциями, генерация инвойсов
• Контент-маркетинг — планирование контент-календаря, базовый SEO-анализ, автоматизация публикаций

Продвинутое:

• Резюме встреч — транскрипт звонка/встречи - автоматическое summary + action items в таск-трекер
• Домашнее задание: Настроить минимум 3 бизнес-сценария использования OpenClaw из разных уровней сложности. Ваш OpenClaw должен сам сгенерировать текст и инфографику, объясняющую как работают его сценарии использования и загрузить их на специальный сайт курса.

Технологии:

• OpenClaw
• Telegram
• Google Sheets
• Google Drive
• Gmail
• Composio
• MCP
• Cron-задачи
• Sub-агенты
• Skills

Занятие 5. Операционный центр: мониторинг и автоматизация задач

Цель: Построить единый центр управления агентом — с мониторингом активности, автоматическим подхватом задач и делегированием тяжёлых операций скриптам.

Темы:

Наблюдаемость — понимаем, что делает агент:

• Ops Hub дашборд — единый центр: мониторинг сессий, логов, ошибок, активности суб-агентов
• Логирование и трейсинг — как отслеживать, какие инструменты вызывает агент, что промптит, что делает
• Бюджет токенов — трекинг расходов, квоты, уведомления о превышении лимитов

Автоматизация потока задач:

• Task Kanban — создание бэклога задач, статусы (to do / in progress / done), приоритизация
• Автоподхват через heartbeat — агент каждые N минут проверяет бэклог и берёт задачи в работу
• Параллельная работа суб-агентов — запуск нескольких задач одновременно, координация результатов
• Делегирование скриптам — вынос тяжёлых операций из LLM в bash-скрипты для экономии токенов

Домашнее задание: Построить собственный операционный центр. Агент должен сам рассказать в словах и картинках, как работает его операционный центр, и загрузить отчёт на сайт курса.

Технологии:

• OpenClaw
• Heartbeat
• Sub-агенты
• Skills
• Bash-скрипты
• Cron-задачи
• HTML/Dashboard

Занятие 6. Самосовершенствующийся и проактивный агент

Цель: Превратить агента из инструмента, который реагирует на команды, в систему, которая сама улучшает свои навыки, организует знания и проактивно взаимодействует с человеком.

Темы:

Файловая система как ОС агента:

• Personal Brain OS — архитектура файловой системы как основа управления агентом
• Живые файлы vs мёртвые файлы — файлы, доступные агенту 24/7 и обновляемые им автоматически, vs файлы, которые ждут человека
• Графы навыков — от плоского SKILL.md к сети файлов с вики-ссылками

Самосовершенствование:

• Цикл Observe - Inspect - Amend - Eval — навыки как живые компоненты, которые агент сам улучшает
• Daily self-improvement — анализ логов, нахождение ошибок, автоматическое улучшение навыков
• Агент-лаборатория — агент строит себе среду для экспериментов и проверки своей работы
• Самомодификация кода — когда агент сам дописывает и переписывает свои скрипты и скиллы

Проактивность — агент как инициатор:

• От реакции к инициативе — агент сам генерирует вызовы человеку, а не ждёт команд
• Практические сценарии проактивности — проактивные алерты, предложения действий, запросы на подтверждение решений

Домашнее задание: Настроить цикл самосовершенствования для минимум 2 навыков агента (Observe - Inspect - Amend - Eval). Настроить минимум 1 проактивный сценарий, где агент сам инициирует взаимодействие. Агент должен сам прийти на сайт курса и описать, какие навыки он улучшил и показать логи до/после.

Технологии:

• OpenClaw
• Skills (живые навыки, графы)
• Файловая система
• Evals
• Heartbeat
• Telegram

Занятие 7. Мульти-агентные системы: создаём AI-компанию в Paperclip

Цель: Перейти от одиночного агента к мульти-агентной системе — развернуть Paperclip, создать первую AI-компанию с CEO-агентом и сотрудниками, и провести первую задачу через полный рабочий цикл.

Темы:

Зачем нужны мульти-агентные системы:

• Когда одного агента мало — ограничения контекста, специализация, параллельная работа
• Разница между суб-агентами в OpenClaw и полноценной мульти-агентной системой
• Обзор подходов к оркестрации: иерархия, конвейер, роевая модель — и почему Paperclip выбрал иерархию

Архитектура Paperclip:

• CEO-агент — центральный координатор с heartbeat, который управляет всей компанией
• Org Chart — найм агентов на роли, каждый со своим system prompt и специализацией
• Issues-based workflow — Kanban-доска задач (Backlog - To Do - In Progress - In Review - Done)
• Как агенты взаимодействуют: CEO создаёт задачу, назначает исполнителя, контролирует результат

Практика — создаём первую AI-компанию:

• Развёртывание Paperclip — установка и настройка на сервере
• Создание компании — название, описание, миссия
• Настройка CEO-агента — system prompt, heartbeat, поведение
• Найм первого сотрудника — роль, system prompt, фазы работы
• Первый issue — создание задачи, назначение, выполнение, проверка результата

Продвинутое:

• Бюджеты и лимиты — настройка бюджетных ограничений для агентов, контроль расходов на токены
• Фазы работы агента — структурированные этапы выполнения задачи в system prompt (исследование - план - выполнение - проверка)
• Review cycle — CEO проверяет работу сотрудника, отправляет на доработку, контроль качества перед закрытием задачи

Домашнее задание: Развернуть свою AI-компанию в Paperclip: CEO-агент + 2 сотрудника с разными ролями. Прогнать минимум 1 issue через полный цикл (создание - назначение - выполнение - review). Третий агент-репортёр должен сам прийти на сайт курса и описать структуру компании, роли сотрудников и результат выполненного issue.

Технологии:

• Paperclip
• OpenClaw
• VPS
• Telegram
• Issues / Kanban
• System prompts

Занятие 8. Paperclip на практике: бизнес-pipeline из агентов

Цель: Настроить реальные бизнес-конвейеры в Paperclip — от контент-производства до генерации лидов, показав как мульти-агентная компания решает конкретные задачи.

Темы:

Контент-конвейер — основной pipeline:

• Архитектура конвейера — 4 агента с чёткими ролями: исследователь, писатель, редактор, публикатор
• Настройка каждого агента — system prompt, фазы работы, критерии качества
• Цепочка задач — как issue передаётся от одного агента к другому, review cycle между этапами
• Запуск конвейера — полный цикл от темы до готового материала

Lead Generation pipeline:

• Архитектура — агенты: ресёрчер (поиск компаний/контактов), квалификатор (оценка релевантности), outreach-специалист (персонализированные сообщения)
• Настройка критериев квалификации и шаблонов outreach
• Запуск pipeline и анализ результатов

Продвинутое — масштабирование компании:

• Несколько отделов — контент + продажи в одной компании, координация между отделами
• Онбординг новых агентов — как быстро добавлять новых сотрудников в уже работающую систему
• Метрики эффективности — как оценивать работу компании, какие показатели отслеживать

Домашнее задание: Настроить один бизнес-pipeline на выбор ученика (контент, лиды или собственный сценарий) минимум из 3 агентов. Один из агентов-сотрудников компании должен сам прийти на сайт курса и описать, как работает настроенный pipeline: роли агентов, цепочка задач и результат.

Технологии:

• Paperclip
• OpenClaw
• Telegram
• Issues / Kanban
• System prompts
• Review cycle

Занятие 9. Агенты в облаке: создаём сервис на основе облачных sandboxов

Цель: Научиться запускать AI-агентов в облачных sandbox-средах и создать сайт-сервис, который по запросу пользователя запускает агента в облаке, получает результат и отображает его на сайте.

Темы:

Облачные sandboxы для агентов:

• Что такое облачные sandboxы и зачем они нужны — изолированные среды, которые поднимаются по запросу и умирают после выполнения
• Обзор платформ облачных агентов — сравнение, цены, особенности
• Когда использовать sandbox вместо постоянного агента — разовые задачи, масштабирование, безопасность

Запуск агента в облаке:

• Работа с API платформы — создание sandbox, запуск агента, получение результатов
• Жизненный цикл sandbox — запуск, выполнение, сбор результата, завершение
• Настройка окружения агента — инструменты, зависимости, таймауты

Интеграция с сайтом:

• Архитектура сервиса — сайт принимает запрос, запускает агента в облаке, отображает результат
• Отображение прогресса — поллинг статуса, стриминг промежуточных результатов
• Обработка ошибок и таймаутов — что делать когда агент завис, ошибся или превысил лимит

Практика — строим ресёрч-сервис:

• Создание сайта — пользователь вводит тему исследования
• Запуск агента в облаке — агент проводит исследование в изолированной среде
• Отображение результата — готовый отчёт на сайте, агент завершает работу

Домашнее задание: Создать собственный сайт-сервис, который запускает агента в облачном sandbox для выполнения задачи (ресёрч или любой другой сценарий на выбор ученика). Агент должен сам прийти на сайт курса и описать, какой сервис был создан и как он работает.

Технологии:

• e2b.dev
• OpenCode
• API интеграции
• HTML/JS (сайт)
• Webhook / Polling

Занятие 10. Монетизация и возможности: как зарабатывать на AI-агентах

Цель: Собрать вместе все знания курса и показать, как другие люди уже зарабатывают на AI-агентах, какие модели монетизации работают, и вдохновить учеников на собственные проекты.

Темы:

Реальные кейсы — как люди уже зарабатывают:

• Felix — AI-агент на OpenClaw, который приносит тысячи долларов в неделю: как это работает изнутри
• TikTok-агент — как AI-агент набрал миллионы просмотров за неделю
• AI Chief of Staff — замена руководителя аппарата агентом, который работает лучше любого нанятого человека
• Один человек = команда из 5 — как AI-агенты позволяют одному человеку выдавать результат целой команды
• Агенты в корпорациях — что происходит когда вся компания начинает использовать агентов

Модели монетизации:

• Сервисы на агентах — ресёрч, контент, аналитика как продукт (как в Занятии 9)
• Консалтинг и настройка агентов для бизнеса — настройка AI-ассистентов и мульти-агентных систем под заказ
• Автоматизация собственного бизнеса — идеи автоматизаций, которые можно собрать за выходные
• Продукты на агентах — обвязка как продукт
• Цифровые сотрудники — создание армии агентов как бизнес-модель

Карьерные возможности:

• Новая профессия: онбординг AI-агентов — как устроены AI-native компании и каких специалистов они ищут
• AI-грамотность как новый стандарт — что требуют работодатели уже сегодня
• Самое предприимчивое поколение — почему сейчас лучшее время начинать

Вдохновение и следующие шаги:

• Что вы теперь умеете — обзор всех навыков курса и как они складываются в единую экосистему
• Куда движется индустрия — тренды, новые инструменты, что изучать дальше
• Гиперпродуктивность — следующий этап AI, когда агенты меняют не отдельные задачи, а весь подход к работе

11 июня — 20 августа