Předmět se věnuje moderním systémům umělé inteligence postavených na foundation modelech. Vychází z praktického využití předtrénovaných jazykových modelů prostřednictvím API i open-weight modelů a zahrnuje prompt a context engineering, strukturované výstupy a volání funkcí. První polovina semestru je zaměřena na rozšiřování modelů o znalosti: textové embeddingy, vektorové databáze (FAISS, Qdrant, pgvector), husté a hybridní vyhledávání, rerankery, strategie segmentace dokumentů a návrh a evaluaci RAG (retrieval-augmented generation) systémů včetně metrik vyhledávání, frameworku RAGAS a metodiky LLM-as-judge.

Druhá polovina semestru se věnuje agentním systémům: využití nástrojů, plánování, architekturám ReAct a plan-and-execute, orchestraci multi-agentních systémů a správě stavu a paměti. Napříč semestrem jsou probírána průřezová témata: evaluace, observabilita a tracing, optimalizace latence a nákladů, parametricky efektivní adaptace (LoRA, DPO) jako alternativa k in-context přístupům a bezpečnostní aspekty včetně prompt injection, úniku dat a guardrails. Předmět je zakončen tematikou nasazení a týmovým projektem, ve kterém studenti postaví a vyhodnotí doménově zaměřenou agentní aplikaci nad reálnou znalostní bází. Výuka probíhá v anglickém jazyce.