Источники и границы утверждений

Проверено 2026-08-30. Эта страница — source ledger курса, а не список обязательных технологий.

Курс различает:

• mechanics: что говорит текущий API/spec и что можно проверить в коде;
• research: результат в конкретной experimental постановке;
• provider guidance: опыт/политика конкретного автора или платформы;
• engineering heuristic: синтез курса, который нужно подтвердить в своём домене.

Быстро меняющиеся источники

Перепроверять перед изменением production-контракта

MCP specification, model APIs/Model Spec, OWASP taxonomy, OpenTelemetry GenAI semantic conventions, framework SDK и serving documentation versioned и могут измениться после даты проверки. Стабильное понятие курса не должно зависеть от случайного имени поля одной версии.

Область	Зафиксированная версия/статус	Когда перепроверять
MCP	Specification 2026-07-28; TypeScript SDK v2 stable	Новый protocol/SDK adapter
OpenAI Responses	Current API reference на дату проверки	Изменение adapter/streaming/tool schema
OpenAI Model Spec	Public version 2026-08-18	Использование provider behavior policy
OWASP Agentic	Top 10 for Agentic Applications 2026	Security threat mapping/review
NIST AI RMF	AI RMF 1.0 находится в процессе revision на AIRC	Governance/compliance claim
OTel GenAI agents	Semantic conventions status Development	Exporter/schema или dashboards
scikit-learn	Stable docs, version может двигаться	Upgrade ML lock/deprecation
Serving runtimes	Current vendor docs	Deployment/config tuning

Protocols, APIs и security mechanics

Model interface

• OpenAI Responses API — vendor-specific пример современного input/instructions/tools/conversation/streaming interface. Концептуальный ModelPort курса provider-neutral.
• OpenAI Model Spec 2026-08-18 — публичная политика поведения одного provider, полезная для примеров instruction authority и bounded autonomy; не заменяет application policy.

MCP

• MCP specification 2026-07-28 — authoritative protocol version для host/client/server, negotiation и primitives.
• MCP 2026-07-28 release notes — изменения версии, включая новые/дополнительные primitives.
• MCP TypeScript SDK v2 — implementation documentation; SDK interface не определяет domain policy.

Ссылки курса на stateful assumptions из specification 2025-06-18 удалены. Historical version может быть нужна только для migration analysis.

Security и governance

• OWASP Top 10 for Agentic Applications 2026 — current risk taxonomy ASI01–ASI10; mapping mitigations в курсе является engineering interpretation.
• NIST AI Resource Center / AI RMF — primary governance framework и актуальный статус revision.
• OpenTelemetry GenAI agent spans — emerging telemetry vocabulary; status Development, поэтому публичную storage schema нельзя жёстко привязывать без versioning.

Research evidence

Вводный слой и лаборатории (проверено 2026-09-07)

Эта дополнительная проверка относится к источникам ниже; даты проверки остальных разделов сохранены.

• Hugging Face: Tokenizers — преобразование текста в ID и зависимость от tokenizer.
• Hugging Face: How Transformers work — учебное объяснение language modeling, training и inference.
• Vaswani et al.: Attention Is All You Need — исходная архитектура Transformer; результаты перевода не являются гарантией поведения современных agentic-систем.
• Introduction to Information Retrieval: ranked evaluation — ranking metrics; Recall@k отличается от Hit@k при нескольких релевантных документах.
• scikit-learn: text feature extraction — TF-IDF и символьные признаки; они не равны dense neural embeddings.
• scikit-learn: model evaluation — определения classification metrics.
• Lewis et al.: Retrieval-Augmented Generation — исследование сочетания retrieval и генерации; offline-лаборатория курса изолирует retrieval и extracts.
• PostgreSQL: Transactions — базовые свойства локальных транзакций.
• OWASP: System Prompt Leakage — границы секретности промпта и системных мер защиты.

Источник Anthropic: Demystifying evals также перепроверен для новой главы о выборе модели. Синтетические reports, heading reranker, пороги gate и учебная карточка отката созданы для курса; они не являются результатами этих исследований.

Agent feedback и interfaces

• ReAct: Synergizing Reasoning and Acting in Language Models — historical research о feedback между reasoning/actions в рассмотренных environments. Это не требование публиковать hidden chain of thought и не production architecture standard.
• SWE-agent — evidence на software-engineering benchmarks, что agent-computer interface влияет на результат. Числа не переносятся автоматически на support/finance/telehealth.

Calibration и distillation

• Hinton, Vinyals, Dean: Distilling the Knowledge in a Neural Network — classical teacher/student knowledge distillation.
• Guo et al.: On Calibration of Modern Neural Networks — calibration study и temperature scaling в исследованных settings.
• scikit-learn probability calibration — current library mechanics и важное требование disjoint calibration data.

Speech

• Speech Commands paper — limited-vocabulary dataset/benchmark.
• Google Research dataset announcement — происхождение и CC BY 4.0.
• TensorFlow simple audio recognition — vendor tutorial и dataset example; TensorFlow не является обязательной зависимостью labs.

Provider engineering guidance

Эти материалы полезны как опыт их авторов, но не являются независимым универсальным доказательством:

• Anthropic: Building effective agents — workflow/agent patterns и simplicity-first guidance.
• Anthropic: Effective context engineering — working context, compaction и long-running patterns.
• Anthropic: Writing tools for agents — tool interface guidance.
• Anthropic: Demystifying evals for AI agents — task/trial/transcript/outcome/harness и grader practice.

Applied ML data и serving mechanics

Public data

• CFPB Consumer Complaint Database — public complaints; CFPB прямо предупреждает, что это не статистически репрезентативная выборка всех consumer experiences.
• CFPB Terms of Credit Card Plans survey — semiannual public product terms; snapshot устаревает.

Serving

• NVIDIA Triton dynamic batching — один vendor implementation dynamic/sequence batching и queue policy.
• ONNX Runtime quantization — dynamic/static quantization, calibration и debugging mechanics.
• ONNX Runtime float16/mixed precision — hardware/accuracy trade-offs.
• Kubernetes Deployments — application rollout/rollback mechanics; сами по себе не оценивают model quality.

Как читать рекомендации курса

Формулировка	Что она означает
«Runtime обязан валидировать schema до вызова tool»	Contract/invariant, проверяемый executable test
«MCP 2026-07-28 определяет…»	Versioned protocol fact
«Исследование показало…»	Result только в scope paper/benchmark
«Обычно полезно…»	Heuristic; нужен local eval
«Vendor рекомендует…»	Provider guidance; сравнить с alternatives

Если source исчез, поменял status/version или противоречит code behavior, сначала обновите claim и его owner chapter, затем references и tests/adapter — атомарно.