‹ Rafturi ■ Agentic AIUn curs în care fiecare lecție vine cu o lucrare citabilă, un citat verificat și o lecție video: ce este un agent și de ce e o buclă, nu un prompt; ingineria contextului; fluxuri de lucru sau agenți; unelte, MCP și A2A; framework-uri și lanțul lor de aprovizionare; rutare între modele, modele mici, LoRA și când merită fine-tuning; evaluări; on-prem sau cloud; date personale, injecția de prompt, cel mai mic privilegiu; supraveghere umană și AI Act; bugete și buclele care nu se opresc; RPA sau agent; observabilitate; modele locale de decizie care judecă o unealtă înainte să ruleze.
36 lecții · 54 min
Traseul de lectură 36 lecții Toate Cu video · 36 Toți autorii Anthropic (documentația Claude Code) · 4
01 Un agent pe model de limbaj nu e un prompt mai lung, ci o buclă: percepe, decide, acționează, apoi percepe din nou rezultatul propriei acțiuni. Artificial Intelligence: A Modern Approach · Stuart Russell, Peter Norvig · 1995 ▶ Lecția video › 02 Comportamentul unui agent e în mare parte forma mediului lui: ingineria contextului bate ingineria promptului. The Sciences of the Artificial · Herbert A. Simon · 1969 ▶ Lecția video › 03 Nu împacheta cunoașterea ta în reguli pe care modelul le va depăși: construiește agentul astfel încât un model mai bun să-l facă mai bun, nu să-l strice. The Bitter Lesson · Richard S. Sutton · 2019 ▶ Lecția video › 04 Întâi flux de lucru cu pași ficși; agent autonom doar când pașii nu pot fi știuți dinainte. Building effective agents · Erik Schluntz, Barry Zhang · 2024 ▶ Lecția video › 05 Bucla gând–acțiune–observație e forma de bază a oricărui agent modern: modelul raționează, cheamă o unealtă, citește rezultatul, apoi gândește iar. ReAct: Synergizing Reasoning and Acting in Language Models · Shunyu Yao et al. · 2022 ▶ Lecția video › 06 Sistemele multi-agent merită când sarcina se descompune în roluri cu context diferit, nu pentru că mai mulți agenți sună mai inteligent. The Society of Mind · Marvin Minsky · 1986 ▶ Lecția video › 07 O unealtă bună pentru un agent are o interfață îngustă la ieșire și tolerantă la intrare; MCP standardizează exact acest contract. RFC 793 — Transmission Control Protocol · Jon Postel · 1981 ▶ Lecția video › 08 Topologia agenților tăi va copia organigrama; A2A e protocolul care face granițele dintre agenți explicite, ca să le poți alege tu. How Do Committees Invent? · Melvin E. Conway · 1968 ▶ Lecția video › 09 Alege framework-ul după ce ai un agent simplu care merge; framework-ul trebuie să-ți lase buclele vizibile, nu să le ascundă. Systemantics: How Systems Work and Especially How They Fail · John Gall · 1975 ▶ Lecția video › 10 Un server de unelte e cod pe care agentul îl execută cu privilegiile tale, iar descrierea lui e un prompt pe care nu l-ai citit. Reflections on Trusting Trust · Ken Thompson · 1984 ▶ Lecția video › 11 Nu plăti raționament pentru ce se poate face fără să gândești: rutează apelurile ieftine la modele ieftine și lasă modelul de raționament pentru deciziile grele. An Introduction to Mathematics · Alfred North Whitehead · 1911 ▶ Lecția video › 12 Într-un agent, majoritatea apelurilor sunt înguste și repetitive; un model mic specializat le face mai ieftin, mai rapid și adesea la fel de bine. Small Language Models are the Future of Agentic AI · Peter Belcak et al. (NVIDIA Research) · 2025 ▶ Lecția video › 13 LoRA antrenează doar niște matrice mici pe lângă modelul înghețat: de aceea costă o placă video și câteva ore, nu un cluster. LoRA: Low-Rank Adaptation of Large Language Models · Edward J. Hu et al. · 2021 ▶ Lecția video › 14 Ordinea e prompt, apoi RAG, apoi LoRA: fine-tuning-ul merită când comportamentul e îngust și repetat, nu când lipsesc cunoștințe. LoRA Without Regret · John Schulman et al. · 2025 ▶ Lecția video › 15 Evaluările sunt singura frână a unui agent, iar un evaluator pe care îl optimizezi devine el însuși ținta. «Improving ratings»: audit in the British University system · Marilyn Strathern · 1997 ▶ Lecția video › 16 Tokenii ieftini înseamnă mai mulți tokeni; decizia on-prem sau cloud se ia pe utilizare susținută și pe unde au voie datele să stea, nu pe prețul de azi. The Coal Question · William Stanley Jevons · 1865 ▶ Lecția video › 17 Trifecta letală: acces la date private, expunere la conținut neverificat și posibilitatea de a comunica în exterior; ai toate trei, ai o scurgere. The lethal trifecta for AI agents · Simon Willison · 2025 ▶ Lecția video › 18 Un agent primește uneltele pe listă albă, cu drepturi minime, într-un sandbox, cu buget; tot ce nu e permis explicit e interzis. The Protection of Information in Computer Systems · Jerome H. Saltzer, Michael D. Schroeder · 1975 ▶ Lecția video › 19 Datele personale intră într-un agent prin unelte, nu prin prompt; pseudonimizează înainte de model, redactează ieșirile uneltelor și ține memoria oprită implicit. Regulamentul (UE) 2016/679 — GDPR · Parlamentul European și Consiliul · 2016 ▶ Lecția video › 20 Autonomia se dă pe trepte, cu praguri de aprobare la ce e ireversibil; AI Act cere supraveghere umană eficace la sistemele cu risc ridicat. Computer Power and Human Reason · Joseph Weizenbaum · 1976 ▶ Lecția video › 21 Cele mai scumpe eșecuri ale agenților sunt scopuri prost specificate și bucle care nu se opresc; bugetul de pași și butonul de oprire nu sunt opționale. Some Moral and Technical Consequences of Automation · Norbert Wiener · 1960 ▶ Lecția video › 22 RPA automatizează pașii existenți ai unui proces; un agent poate rescrie procesul; alegi după cât de structurat și de reversibil e fiecare pas. Reengineering Work: Don't Automate, Obliterate · Michael Hammer · 1990 ▶ Lecția video › 23 Stiva hibridă: RPA sau cod determinist execută pașii care se pot spune; agentul preia pașii pe care oamenii îi știu fără să-i poată descrie. The Tacit Dimension · Michael Polanyi · 1966 ▶ Lecția video › 24 Un agent fără urme nu se poate depana: fiecare apel de model și de unealtă intră într-o urmă cu părinte, cost și conținut, ca să poți rejuca ce s-a întâmplat. The Elements of Programming Style · Brian W. Kernighan, P. J. Plauger · 1974 ▶ Lecția video › 25 Tendințele din 2026 spun același lucru: capabilitățile cresc repede, iar majoritatea proiectelor pică pe organizare, nu pe model. Computing Machinery and Intelligence · Alan M. Turing · 1950 ▶ Lecția video › 26 Fereastra de context e resursa pe care o consumă fiecare fișier citit și fiecare ieșire de comandă; performanța scade pe măsură ce se umple, deci productivitatea într-un agent de cod e, înainte de orice, igienă de context. Effective context engineering for AI agents · Prithvi Rajasekaran, Ethan Dixon, Carly Ryan, Jeremy Hadfield (Anthropic Engineering) · 2025 ▶ Lecția video › 27 Fără o verificare rulabilă, «pare gata» e singurul semnal și tu devii bucla de verificare; cu una, bucla se închide singură și sesiunea poate merge fără tine. Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026 ▶ Lecția video › 28 Codul care rezolvă problema greșită e cel mai scump cod; planul separă înțelegerea de execuție, dar are un cost, așa că se aplică doar când incertitudinea îl justifică. Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026 ▶ Lecția video › 29 Claude Code se configurează pe șase niveluri, fiecare cu alt raport între costul de context și autoritate; a pune instrucțiunea la nivelul greșit costă fie tokeni permanenți, fie reguli ignorate. Steering Claude Code: when to use CLAUDE.md, skills, hooks, and subagents · Anthropic (blogul Claude) · 2026 ▶ Lecția video › 30 Odată ce ești eficient cu o sesiune, următoarea treaptă e să multiplici: worktrees pentru izolare, mesaje între sesiuni pentru coordonare, rulări fără interfață pentru fan-out — iar vara lui 2026 a mutat exact aceste piese din experiment în implicit. What's new in Claude Code — weekly dev digest · Anthropic (documentația Claude Code) · 2026 ▶ Lecția video › 31 Majoritatea sesiunilor proaste nu au un model prost, ci un context poluat și un prompt care n-a spus ce înseamnă «gata»; ghidul numește cinci tipare recurente și le dă fiecăruia o corecție mecanică. Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026 ▶ Lecția video › 32 Un model System One nu scrie text: primește o stare și întrebări cu răspunsuri predefinite și întoarce, pentru fiecare, o opțiune plus o probabilitate calibrată — o decizie pe care codul o poate folosi direct, într-un singur pas. Introducing System One Models & Jev · TypeSafe AI (blogul companiei) · 2026 ▶ Lecția video › 33 Cu Jev, tipul de ieșire este promptul: un Enum e un «choice», un bool e un «noul», un IntEnum cu docstring-uri e o grilă; textul pe care îl trimiți e doar starea judecată, iar codul primește obiecte validate, nu șiruri de parsat. Pydantic AI — documentația modelului TypeSafe (Jev) · Pydantic (documentația oficială) · 2026 ▶ Lecția video › 34 Laya e un model de decizie cu greutăți deschise (Apache 2.0) care vorbește același contract ca Jev — stare, întrebări choice/score/noul, probabilități — dar rulează pe hardware-ul tău, cu 0 $ per token și fără ca datele să iasă din rețea. Laya — model card · Convai Innovations (Hugging Face) · 2026 ▶ Lecția video › 35 Cel mai bun loc pentru un model de decizie e între «modelul a propus un apel de unealtă» și «unealta rulează»: în 30–300 ms răspunde dacă apelul e ireversibil, dacă se potrivește cu intenția și dacă argumentele par injectate — iar verdictul e run, ask sau reject, nu un paragraf. Building a harness with Jev · LangChain (blogul de inginerie) · 2026 ▶ Lecția video › 36 Viteza unui model de decizie se măsoară în milisecunde per întrebare și în tokeni per dolar, dar valoarea lui se măsoară în calibrare: dacă «0,9» nu înseamnă «nouă din zece», pragurile tale sunt superstiție — iar calibrarea se repară cu un singur număr, temperatura, dacă ai date ținute deoparte. Laya — README-ul proiectului, secțiunile «Benchmarks» și «Honest limits» · Convai Innovations (GitHub) · 2026 ▶ Lecția video ›