Пошаговый план: от чата до своего агента

10 шагов от полного нуля до работающего локального AI-ассистента.

← FAQ · Установка на Windows → · 🇬🇧 English

Маршрут за 2-3 часа

Этот план проведёт вас от установки первой программы до создания собственного AI-агента.
Каждый шаг занимает 10-30 минут. Делайте по порядку.

Шаг 1  ▸ Установить LM Studio и просто пообщаться
Шаг 2  ▸ Установить Ollama и запустить модель
Шаг 3  ▸ Понять, какие бывают модели и чем отличаются
Шаг 4  ▸ Разобраться с контекстом и квантованием
Шаг 5  ▸ Выбрать модель под свою задачу
Шаг 6  ▸ Настроить локальный кодинг-ассистент
Шаг 7  ▸ Попробовать Aider — кодинг через терминал
Шаг 8  ▸ Создать первого AI-агента
Шаг 9  ▸ Настроить Open WebUI — веб-интерфейс для моделей
Шаг 10 ▸ Собрать команду агентов для проекта

Шаг 1. LM Studio — просто попробовать

Время: 5 минут
Результат: вы впервые общаетесь с локальной AI-моделью.

1. Скачайте LM Studio — программа с кнопками, не требует терминала
2. Установите и откройте
3. В поиске наберите «Qwen 3.5 4B», нажмите Download
4. После загрузки нажмите Load → Chat
5. Напишите: «Привет! Что ты умеешь?»

Готово. Вы только что запустили AI-модель на своём компьютере. Бесплатно, без интернета, без регистрации.

Шаг 2. Ollama — установка и первая модель

Время: 10 минут
Результат: вы установили Ollama и запускаете модели через терминал.

Выберите свою платформу:

• Mac: ../local-models/getting-started.ru.md — пошаговая инструкция
• Windows: setup-windows.ru.md
• Linux: setup-linux.ru.md

После установки выполните:

ollama run qwen3.5:4b

Общайтесь с моделью. Попробуйте /bye для выхода.

Шаг 3. Разобраться в моделях

Время: 15 минут
Результат: вы понимаете, чем отличаются модели и какую выбрать.

Прочитайте:

• ../local-models/running-models.ru.md — как находить и запускать модели
• what-is-ai.ru.md — что такое параметры 7B, 14B, 70B

Запустите две разные модели и сравните:

ollama run phi4-mini        # маленькая (2.5 GB)
ollama run llama3.3:8b      # побольше (4.9 GB)

Шаг 4. Контекст и квантование

Время: 15 минут
Результат: вы понимаете, почему модели тормозят и как это исправить.

Прочитайте:

• ../local-models/memory-and-context.ru.md — как работает память
• ../local-models/quantization.ru.md — что такое квантование

Попробуйте:

# Запустить с увеличенным контекстом
OLLAMA_CONTEXT_LENGTH=16384 ollama run qwen3.5:4b

Шаг 5. Выбрать модель под задачу

Время: 10 минут
Результат: вы знаете, какую модель использовать для кодинга, чата, перевода, RAG.

Прочитайте:

• ../local-models/models.ru.md — выбор модели под задачу

Скачайте модель для кодинга:

ollama pull qwen2.5-coder:7b

Шаг 6. Локальный кодинг-ассистент

Время: 20 минут
Результат: AI помогает вам писать код прямо в редакторе.

Следуйте ../use-cases/coding.ru.md:

• Установите VS Code + Continue.dev
• Настройте подключение к Ollama
• Начните писать код с AI-помощником

Что попробовать:

• Cmd+I — открыть чат с AI в редакторе
• Выделите код и попросите «объясни эту функцию» или «найди баги»
• Попросите написать функцию: «напиши функцию, которая сортирует список по убыванию»

Шаг 7. Aider — кодинг AI в терминале

Время: 15 минут
Результат: вы можете давать AI задачи по кодингу, и он сам меняет код.

# Установка
pip install aider-chat

# Запуск с локальной моделью
export OLLAMA_API_BASE=http://127.0.0.1:11434
aider --model ollama_chat/qwen2.5-coder:7b

Что попробовать:

1. Откройте любой Python-файл
2. Напишите: «добавь docstring ко всем функциям в этом файле»
3. Aider сам прочитает файл, внесёт изменения и покажет diff

Подробнее: ../use-cases/coding.ru.md

Шаг 8. Создать первого AI-агента

Время: 30 минут
Результат: вы написали программу, в которой модель сама решает, когда вызвать инструмент.

Пройдите туториал: ../agents/tutorials/01-first-agent.ru.md

Вы создадите агента, который:

• Получает задачу
• Решает, нужно ли вызвать инструмент (калькулятор, поиск)
• Выполняет и возвращает результат
• Повторяет, пока задача не решена

Шаг 9. Open WebUI — красивый веб-чат

Время: 15 минут
Результат: у вас веб-интерфейс для моделей, как ChatGPT, но локально.

Через Docker:

docker run -d -p 3000:8080 \
  -v open-webui:/app/backend/data \
  ghcr.io/open-webui/open-webui:main

Или без Docker через pip:

pip install open-webui
open-webui serve

Откройте http://localhost:3000 — готово.

Шаг 10. Команда агентов для проекта

Время: 30-60 минут
Результат: у вас несколько AI-агентов, работающих вместе: один планирует, второй пишет код, третий тестирует.

Пройдите туториалы:

1. ../agents/tutorials/02-agent-team.ru.md — команда агентов
2. ../agents/multi-agent.ru.md — мульти-агентные системы

Что после 10 шагов

Поздравляю! У вас есть:

• Работающий локальный AI на вашем компьютере
• AI-ассистент в редакторе кода
• Терминальный AI для кодинга (Aider)
• Первый AI-агент
• Понимание, как всё работает

Куда расти дальше:

Сокращённый маршрут (1 час)

Если совсем мало времени:

Шаг 1 → LM Studio (5 мин)
Шаг 2 → Ollama + модель (10 мин)  
Шаг 6 → Continue.dev + VS Code (20 мин)
Шаг 8 → Первый агент (30 мин)

Что дальше

В разделе: what-is-ai · how-models-work · cloud-vs-local · hardware-guide · glossary · faq · learning-path · setup-windows · setup-linux
Связанные разделы: Локальные модели · AI-агенты · Use Cases
Навигация: ← Нулевой уровень · ↑ На главную · 🇬🇧 English