Applied AI для .NET Senior/TL

Інтеграція моделей у застосунки. Усе локально (Ollama + Docker + .NET), крім опційних блоків з позначкою «Хмара» (Claude, Jev, трек до іспиту CCAR-F).

Принципи

Ядро пишу сам. Cursor допомагає з рутиною (setup, конфігурація, тести), але tool calling, retrieval, eval-метрики й захисні контролі пишу власноруч.
Кожне покращення через evals. Без цифр «до/після» зміна не приймається.
Модель пропонує, код вирішує. Authorization, ліміти, пороги впевненості й валідація живуть у коді.
Один наскрізний проєкт. Support Assistant: FAQ + замовлення + повернення коштів. Документи й дані англійською.
ADR після кожного блоку: яке рішення ухвалив і чому, що здивувало. Позначати висновки, які можуть бути наслідком слабкої локальної моделі. Разом із README це стане портфоліо.

Стек

Запуск моделей	Ollama (OpenAI-сумісний API на `localhost:11434`)
Підключення з .NET	Microsoft.Extensions.AI + OllamaSharp (`IChatClient`, `IEmbeddingGenerator`)
Chat-моделі	16 GB RAM: 7–8B Q4 · 32 GB: 14B (оптимально) · 64 GB+: 30B+. Для tools перевіряти тег «tools» у каталозі
Embeddings	`nomic-embed-text` (потрібні префікси `search_query:` / `search_document:`) або `mxbai-embed-large`
Vector store	PostgreSQL + pgvector у Docker; full-text з конфігурацією `english` → hybrid
Reranking	LLM як reranker (основне); cross-encoder через ONNX Runtime (опційно)
Agents	Microsoft Agent Framework поверх `IChatClient` (працює з Ollama)
Observability	.NET Aspire Dashboard (standalone, Docker) через OTLP
MCP	MCP C# SDK, stdio transport
Хмара: Jev (блок 6.5)	Vercel AI Gateway + TypeSafe Jev, `POST /v1/evaluate`
Хмара: Claude (0.6, трек 10)	Claude Code; C# SDK `Anthropic` (реалізує `IChatClient`); Python `anthropic` + `claude-agent-sdk` (Agent SDK є лише для Python / TypeScript)

Іспит CCAR-F коротко

Claude Certified Architect – Foundations. Доступ лише для працівників організацій у Claude Partner Network, реєстрація з корпоративною поштою через Partner Academy. Факти нижче — зі сторонніх розборів exam guide v1.0 (липень 2026); звірте з офіційним guide у блоці 10.0.

Формат	~60 питань, 120 хв, прохідний бал 720 / 1000; 4 сценарії з 6, Pearson VUE (онлайн або центр)
Рекомендований досвід	6+ місяців практики з Claude API, Agent SDK, Claude Code і MCP
D1 Agentic Architecture & Orchestration — 27%	Блоки 6, 10a, 10c
D2 Tool Design & MCP Integration — 18%	Блоки 1b, 7, 10d
D3 Claude Code Configuration & Workflows — 20%	Блоки 0.6, 10e
D4 Prompt Engineering & Structured Output — 20%	Блоки 1a, 10b
D5 Context Management & Reliability — 15%	Блоки 1b, 6.5, 10f

Сценарії іспиту → де практикуються

Customer Support Resolution Agent	1b, 6, 10a, 10c, 10f — це ваш Support Assistant
Code Generation with Claude Code	0.6, 10e
Multi-Agent Research System	10c, 10f
Developer Productivity with Claude	7, 10d, 10e
Claude Code for Continuous Integration	10e
Structured Data Extraction	1a, 10b

Поки не вивчати

fine-tuning, LoRA, PyTorch, training models, CUDA;
LangChain, Semantic Kernel deep dive (наступник — Agent Framework);
multi-agent системи: в основному плані лише концептуально (блок 6), повністю — у треку 10 (потрібно для CCAR-F);
GraphRAG, agentic RAG;
порівняння десятків vector DB і моделей.