Этот репозиторий — starter pack знаний по LLM и AI-разработке для участников воркшопа по осознанному использованию AI в реальных задачах.

Цель: не просто "попросить AI сделать хорошо", а понять, как работают LLM под капотом, и выстроить надежный инженерный workflow.

• Для начинающих разработчиков и специалистов, которые хотят уверенно применять AI в проектах.
• Для тех, кто собирает практичные решения под услуги и бизнес-задачи.

• LLM/1-base.md — базовые принципы LLM.
• LLM/2-context.md — контекстное окно и управление контекстом.
• LLM/3-ai-tools.md — AI-инструменты и режимы работы.
• LLM/4-mcp.md — MCP: основы и архитектура.
• LLM/4-2-mcp.md — MCP: продвинутые техники.
• LLM/5-rag.md — RAG: основы.
• LLM/5-2-rag.md — RAG: продвинутые техники.
• LLM/6-llm-models.md — обзор и выбор LLM-моделей.

• DEV/1-frontend.md — frontend-основы (HTML, CSS, JavaScript).
• DEV/2-backend.md — backend-основы.
• DEV/3-base.md — базы данных: SQL и NoSQL.
• DEV/4-git.md — Git и GitHub.
• DEV/5-telegram.md — разработка Telegram-ботов.
• DEV/6-vps.md — VPS и базовый деплой.

1. Пройди материалы в папке LLM по порядку.
2. Пройди материалы в папке DEV по порядку.
3. После каждого блока фиксируй:
   • Что понял.
   • Что осталось неясным.

• Добавляй новые .md файлы в LLM/ или DEV/.
• Придерживайся понятных имен: N-topic.md (например, 6-evals.md).
• Пиши простым языком: теория + практический пример + мини-чеклист.
• Если обновляешь существующий материал, сохраняй структуру и логику блока.

• Олег Мифле (тимлид Т-Банк)
• Данил Щуцкий (CutCode)