diff --git a/plan.txt b/plan.txt
new file mode 100644
index 0000000..cb1cd92
--- /dev/null
+++ b/plan.txt
@@ -0,0 +1,52 @@
+# Personal AI Fluency Plan
+
+## Обо мне
+Студент курса KFU-26-1, изучаю ИИ и агентные системы на Python.
+
+## Что такое AI Fluency
+AI Fluency — это способность эффективно использовать инструменты на основе ИИ,
+понимать их возможности и ограничения, и применять их для решения реальных задач.
+
+## Мой план обучения (12 недель)
+
+### Фаза 1: Основы (недели 1–3)
+- Изучить основы работы больших языковых моделей (LLM)
+- Пройти курс AI Fluency от Anthropic (skilljar)
+- Научиться составлять эффективные промпты (prompt engineering)
+- Практика: написать 10+ промптов для разных задач
+
+### Фаза 2: Инструменты (недели 4–6)
+- Освоить LangChain: цепочки, инструменты, память
+- Научиться подключать внешние API к LLM
+- Изучить LangGraph: граф состояний, узлы, рёбра
+- Практика: создать простого агента с инструментами
+
+### Фаза 3: Агенты (недели 7–9)
+- Разобрать паттерн ReAct (Reasoning + Acting)
+- Создать агента с веб-поиском и файловой системой
+- Изучить human-in-the-loop прерывания
+- Практика: выполнить все домашние задания курса через агента
+
+### Фаза 4: Продвинутые темы (недели 10–12)
+- MCP серверы (FastMCP) — расширение возможностей агентов
+- RAG (Retrieval Augmented Generation) с Qdrant
+- Мультиагентные системы и оркестрация
+- Финальный проект: полноценный агент-ассистент
+
+## Ключевые навыки к финалу
+1. Писать агентов на LangChain/LangGraph с нуля
+2. Подключать LLM через API (BroJS, OpenRouter)
+3. Создавать MCP инструменты
+4. Строить RAG-системы
+5. Отлаживать и тестировать агентов
+
+## Метрики успеха
+- Все задания курса сданы и приняты преподавателем
+- Создан собственный проект с LLM
+- Умею объяснить как работает каждый компонент агента
+
+## Ресурсы
+- https://anthropic.skilljar.com/ai-fluency
+- https://python.langchain.com/docs
+- https://langchain-ai.github.io/langgraph/
+- Курс KFU-26-1 на platform.brojs.ru