Cursul se adresează profesioniștilor care folosesc deja un chat AI și vor să îl includă mai eficient în activitatea lor. Sunt suficiente utilizarea obișnuită a unui calculator și capacitatea de a descrie o sarcină de lucru. Cursul nu cere experiență de programare.
Cursul își propune să atingă următoarele obiective:
• Să explice rolul tokenurilor, al atenției și al contextului, precum și limitele unui model de limbaj.
• Să aleagă un model după cerințele sarcinii, calitatea rezultatului, cost, viteză, date și resurse disponibile.
• Să transforme o discuție liberă într-un prompt clar, apoi într-un plan cu sarcini și criterii de verificare.
• Să înțeleagă și să exerseze folosirea agenților, a boților Hermes, a skill-urilor și a conexiunilor MCP.
• Să proiecteze un flux reutilizabil pentru propria activitate, cu verificarea rezultatelor și control asupra acțiunilor.
Cursul va aborda următoarea tematică:
Ziua 1
Cum funcționează modelele și cum le alegem
Prima zi construiește baza necesară pentru alegeri informate. Explicațiile pornesc de la exemple vizuale și de la comportamente pe care participanții le întâlnesc în conversațiile cu un model.
1. Modelul și aplicația prin care îl folosim
Diferența dintre un model de limbaj, o aplicație de chat, un furnizor și un agent. Ce produce modelul și ce funcții adaugă aplicația. Diferența dintre antrenare și generarea unui răspuns.
Exemplu: identificarea modelului, a aplicației și a instrumentelor într-un serviciu cunoscut.
2. Tokenuri și context
Cum devine textul o secvență de tokenuri și cum generează modelul răspunsul. Rolul mecanismului de atenție și al ferestrei de context. Efectele instrucțiunilor, documentelor și istoricului asupra răspunsului, costului și limitelor conversației.
Demonstrație: aceeași întrebare cu informații lipsă, relevante sau contradictorii.
3. Dimensiunea modelului și calitatea rezultatului
Numărul de parametri, calitatea antrenării, specializarea și cuantizarea. Modele dense și arhitecturi Mixture of Experts (MoE), care activează o parte dintre experți. Diferența dintre parametrii totali și cei activi. Alegerea include arhitectura, memoria necesară și rezultatele pe sarcina concretă.
Discuție ghidată: de ce numărul de parametri, luat separat, nu stabilește modelul potrivit.
4. Descărcarea și rularea modelelor locale
Unde găsim un model și cum citim fișa lui. Alegerea unei variante compatibile cu memoria și calculatorul disponibil. Demonstrarea descărcării, încărcării și primei conversații. Diferențele dintre rularea locală și accesul la un model găzduit de un furnizor.
Demonstrație pe un mediu pregătit. Participanții identifică cerințele pentru propriul calculator.
5. Orientarea pe GitHub și alegerea informată
Citirea unui README, a cerințelor, a licenței și a versiunilor publicate. Rolul secțiunilor Issues, al istoricului de modificări și al contribuțiilor. Recunoașterea unui fork și identificarea proiectului din care provine. Compararea modelelor după nevoia de lucru.
Exercițiu scurt: găsirea sursei unui proiect și argumentarea unei alegeri între două modele.
Ziua 2
De la o nevoie de lucru la un flux cu agenți
A doua zi aplică noțiunile pe sarcini de lucru. Participanții exersează o metodă pe care o pot adapta la alte modele și aplicații.
Discuție liberă → Prompt clar → Plan → Execuție delegată → Verificare
1. Acces la modele și comparație în OpenRouter
Crearea unui cont, accesul la modele și rolul unei chei API, care permite unei aplicații să folosească serviciul. Conectarea instrumentelor și înțelegerea consumului. Compararea a două modele pe aceeași cerere, cu aceleași date și criterii de calitate.
Exercițiu: alegerea unui model pentru o sarcină și explicarea compromisului dintre calitate, timp și cost.
2. Din conversație în prompt și plan
Participantul descrie liber problema. Un model îl ajută să clarifice scopul, contextul, restricțiile și rezultatul dorit, apoi redactează un prompt. Participantul verifică promptul și îl transmite unui model avansat de tip frontier pentru un plan cu etape și criterii de acceptare.
Exercițiu: obținerea și revizuirea unui prompt și a unui plan pentru aceeași nevoie.
3. Execuție cu Hermes și OpenCode
Folosirea unui agent cu fișiere și instrumente. După revizuire, planul se împarte în sarcini pentru modele mai economice sau subagenți. Fiecare primește datele necesare, limitele și rezultatul așteptat. Participanții urmăresc dependențele, predarea rezultatelor și verificarea lor.
Exercițiu ghidat: separarea planificării de execuție și schimbarea modelului fără pierderea cerințelor.
4. Boți Hermes și proceduri reutilizabile
Crearea unui bot Hermes cu rol, instrucțiuni, model și instrumente potrivite. Citirea și redactarea unui skill: instrucțiuni și resurse pentru o sarcină repetată. Stabilirea situațiilor de utilizare, a pașilor și a verificărilor. Testarea procedurii pe un exemplu nou.
Exercițiu: definirea unui bot pentru o activitate concretă și redactarea unui skill simplu.
5. MCP și integrarea în activitatea curentă
Rolul Model Context Protocol (MCP) în conectarea agenților la instrumente și surse de date. Diferența dintre instrucțiunile unui skill și accesul oferit de o integrare. Alegerea unei sarcini recurente, a punctelor de control și a rezultatului util în fluxul existent.
Demonstrație MCP și exercițiu final: schițarea fluxului și a unui prim test la locul de muncă.
Cum se desfășoară cursul
Ziua 1 folosește prezentări HTML interactive, explicații, demonstrații și exerciții scurte. Ziua 2 acordă mai mult spațiu lucrului ghidat. Ritmul și complexitatea exercițiilor se adaptează experienței participanților și accesului disponibil.
Exemplele pot include pregătirea unui raport, verificarea unor informații, redactarea unei propuneri sau organizarea unei sarcini recurente. Trainerul urmărește legătura dintre cerere, plan, rezultat și verificare. La delegare, modelul se alege explicit pentru fiecare rol, iar costul se verifică.
Rezultatele urmărite în atelier
Pentru un caz de lucru, participanții pregătesc un prompt clar, un plan revizuit, o comparație între modele și o procedură reutilizabilă. Ei descriu rolul unui bot și modul de integrare în activitatea proprie. Configurarea efectivă a boților și rulările individuale se fac pe mediile pregătite pentru curs.
Verificarea urmărește respectarea cerințelor, corectitudinea informațiilor și utilitatea rezultatului. Efectul asupra productivității se evaluează printr-un test care include timpul de pregătire, execuție, verificare și corectare.
Ce trebuie pregătit înainte
• Laptop, browser actualizat, internet și acces la fișierele exercițiilor.
• Posibilitatea de a crea sau utiliza un cont OpenRouter. Organizatorul și trainerul pregătesc accesul la modelele alese, stabilesc bugetul și cine suportă consumul API.
• Pentru practica individuală în Hermes și OpenCode, aplicațiile și accesul la furnizor se verifică înainte de curs. Restricțiile de instalare se discută cu echipa IT.
• O sarcină relevantă pentru participanți, cu date fictive sau aprobate pentru utilizarea în instrumentele alese.
Dacă un calculator nu permite instalarea sau rularea locală, participantul urmărește demonstrația și lucrează la cerere, plan și verificare în mediul disponibil.
Investiția include suport de curs online de tipul share screen si suport din partea trainerului pe durata parcurgerii cursului, precum si diploma de participare.
Cursul dezvoltă capacitatea participanților de a alege și folosi instrumente de inteligență artificială pentru sarcini concrete de lucru. Participanții înțeleg cum funcționează modelele de limbaj, compară opțiuni și construiesc un flux care pornește de la o nevoie reală.
Obiectivul central este autonomia în alegerea modelelor și a furnizorilor. Participanții învață să păstreze cerințele, documentele și criteriile de verificare atunci când schimbă modelul sau aplicația. Hermes, OpenCode și OpenRouter sunt instrumentele de lucru prin care exersează această metodă.
Cursul se va desfășura după următorul program:
- 02 noiembrie 2026, 6 ore, în intervalul orar 09:00-15:00
- 03 noiembrie 2026, 6 ore, în intervalul orar 09:00-15:00
Cernat Cezar-Adonis este consultant și trainer tehnic cu experiență în securitate cibernetică, analiză de date operaționale, automatizare Python, threat intelligence, OSINT, vulnerability management și dezvoltarea de platforme tehnice pentru procesarea, corelarea și prioritizarea informației. Experiența profesională include activități de analiză, raportare executivă, integrarea surselor de intelligence în procese operaționale, dezvoltare de fluxuri automate și livrare de instruiri tehnice către audiențe specializate. Profilul este relevant pentru livrarea programului de instruire în Inteligență Artificială Aplicată, LLM, Machine Learning, Evaluare, RAG și Securitate prin experiența practică în procesarea datelor, automatizare, analiză de informații nestructurate, dezvoltare de platforme software și structurarea de sesiuni hands-on. Certificat OSWE, OSCP, GPEN, CompTIA Security+, Auditor Securitate Cibernetică DNSC și Formator autorizat, cu experiență în proiectarea și livrarea de cursuri tehnice aplicate.
