Разработка AI-агентов: с нуля до мультиагентной системы антифрода

GenAI и большие языковые модели (LLM)

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Доклад Димы — практическое руководство по созданию системы AI-агентов с нуля на примере детекции финансового мошенничества. Мы пройдем весь путь: от простого text2SQL-запроса до сложной мультиагентной архитектуры: управление контекстом, координация агентов и оценка эффективности системы.

Целевая аудитория

backend-разработчики, ML-инженеры, продакт-менеджеры AI и все те, кто хочет знать, что под капотом у ии-агентов

Тезисы

Пошагово с нуля построим систему AI-агентов на примере задачи детекции фрода — от простого text2SQL до мультиагентной архитектуры. Мы возьмем специально подготовленную базу, где есть фрод и попробуем его найти агентами.

Начнем с концепции агентов, попробуем text2SQL для анализа транзакций, построим первого агента с инструментами, затем создадим систему специализированных агентов для детекции разных типов фрода и скоординируем их взаимодействие.

В процессе внимательно и детально разберем ключевые концепции ии-агентов: различные архитектуры и паттерны, поговорим про управление контекстом и памятью, протоколы взаимодействия между агентами, их координацию и специализацию. И научимся правильно измерять эффективность и другие важные метрики как отдельных агентов, так и всей системы в целом.

Дмитрий Антипов

Сбер / АБТ

Руководит разработкой и внедрением AI-агентов в трудоемкие бизнес-процессы и сложные продукты, которые оптимизируют работу колл-центров, юристов, аналитиков, дизайнеров и других сотрудников. Строит автономные системы, обожает LLM и все, что с ними связано. Слегка в прошлом - разработка большой платформы по мультимодальной разметке любой сложности, которая развила особую любовь к качеству данных.