AI-агент для workflow-графов: как довести автопатчи до production
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Разберу production-кейс AI-агента, который чинит workflow-графы: находит причину ошибки, предлагает патч, запускает проверки и отдает изменение на ревью.
Покажу, почему для такого агента недостаточно подключить LLM и дать tools. Нужны подготовленная среда, доступ к логам, описание графа, ограничения на действия, воспроизводимые проверки и понятный audit trail.
В докладе будет: архитектура контура, набор tools, формат контекста, валидация графа, проверка diff, запуск тестов, границы автономности и типовые failure modes при попытке довести агента до production.
Строит production-решения для бизнес-моделирования: с нуля разработала архитектуру прогноза бизнес-метрик и довела ее до использования бизнесом и разработчиками. Работает на стыке аналитики, ML-инфраструктуры и продуктовой разработки.
Видео
Другие доклады секции
Platform Engineering
