Строительные блоки LLM‑агентов: планировщик, память, RAG и рабочие цепочки
Доклад принят в программу конференции
Целевая аудитория
Тезисы
- Разобраться в ролях планировщика, инструментов, памяти, контекста и RAG.
- Обзор свежих фреймворков 2025 г. LangChain 0.2, Microsoft AutoGen, CrewAI и их проблемы.
- Научиться собирать работающие цепочки и многоагентные ансамбли.
- Понять, как измерять качество, ставить guardrails и мониторить.
Более 15 лет в IT. Был на позициях: Solution Architect / Team Lead / Tech Lead / Developer.
Основной опыт — коммерческая продуктовая разработка. Есть широкий технический кругозор. Около 100 реализованных проектов за плечами (стоимостью до 20 млн.).
Hardskill: Проектирую архитектуру по нотации C4 UML. Веду проектную разработку по стандартам PMBoK. Проектирую микросервисы, связи с другими сервисами, их API, структуру БД, учитываю потенциальную нагрузку, угрозы безопасности. Описываю бизнес процессы. Пишу ТД продуктов. Валидирую архитектурные решения. Оптимизирую и автоматизирую рабочие бизнес-процессы. Планирую разработку. Провожу ретроспективы. Нанимаю сотрудников, формирую команду, выстраиваю работу по KPI. Провожу Performance Review. Прорабатываю UX/UI, Review кода команды, При проработке архитектуры учитываю потенциальную окупаемость сервиса и нагрузку (когда делать проще и дешевле, когда на века и с запасом по нагрузке).
Видео
Другие доклады секции
GenAI и большие языковые модели (LLM)
