Собираем своего кодинг-агента для анализа данных на Yandex AI Studio

GenAI и большие языковые модели (LLM)

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

Разработчики, внедряющие облачные LLM в свои продукты и думаюшие, как правильно заставить языковые модели работать для решения ваших задач AI-энтузиасты, желающие на личном опыте разобраться с умными словами harness, agentic loop, multi-agent systems и т.д.

Тезисы

Все уже наверняка пользовались кодинг-агентами, но не все задумывались: а что же у него под капотом? Мы начнем с базовых понятий (tool calling, Responses API) и посмотрим, как же обычная LLM превращается в полноценного кодинг-ассистента, работающего в формате мультиагентной системы для решения задачи анализа данных.

Дмитрий Сошников

МАИ / НИУ ВШЭ / Yandex Cloud / Econdata

Начал заниматься ИИ и многоагентными системами в 1995 году. 16 лет работал в Microsoft, видел Билла Гейтса, дважды выступал на одной сцене со Стивом Балмером (Developers, Developers, Developers). Основной автор курса Microsoft AI for Beginners Curriculum. Преподаю в НИУ ВШЭ, МАИ. Технический директор AI Lab Школы дизайна НИУ ВШЭ. Консультант Yandex Cloud. Автор телеграм-канала "Облачный адвокат".

Видео

Другие доклады секции

GenAI и большие языковые модели (LLM)

LLM в поддержке: как AgentOps повышает автоматизацию Фантеха Яндекса

Иван Насонов

Яндекс

False Positive или RCE? Как репозиторий может обмануть LLM-триаж SAST-находок

Князев Максим Андреевич

К2 Кибербезопасность

Боремся с системными искажениями в федеративном обучении: метрики и динамическая корректировка весов клиентов

Максим Мухамедов

K2 Cloud

False Positive или RCE? Поговорим о качестве триажа с использованием AI

Князев Максим Андреевич

К2 Кибербезопасность

vLLM под капотом: техники реального ускорения

Кирилл Нетреба

Авито

От документа к действию: создаём инженерный гайдлайн, который понимает AI-агент

Евгений Харченко

Райффайзен Банк

Почему spec-driven development плохо работает на микросервисах: где LLM теряет контекст и как это чинить

Станислав Королев

Авито

Эволюция рефразера промптов в Alice AI ART: от трюка для улучшение качества к несущему адаптеру

Алексей Кириллов

Яндекс

Демистификация вайбкодинга для инженеров

Александр Токарев

Яндекс

Harness важнее модели: как собрать GraphRAG на одной GPU и, главное, зачем?

Иван Бондаренко

НГУ

AI-исполнитель в Yandex Crowd: от микросервиса до LLMOps-пайплайна

Олег Лайок

Яндекс Крауд

AI ни разу не ошибся. Фичу переделывали четыре раза

Кирилл Фролов

VK Tech

Multi-agent ML platform для RecSys: автоматизация гипотез от research до production validation

Лев Рагулин

Аэроклуб

Хакеры против вайбкодеров: Атаки на кодовых ассистентов и как их отражать

Данил Капустин

HiveTrace

CV + LLM = объяснимый инцидент. Как мы построили систему, которая понимает, когда на событие действительно стоит реагировать

Илья Смирнов

ГК «Юзтех»

Анатомия надёжности LLM: white-box мониторинг активаций для предотвращения галлюцинаций

Марк Паненко

Ozon Банк

AI Agent Observability: как понять, что агент делает не так

Виталий Протасов

Just AI

Тернистный путь к подсчету стоимости токена в железе

Анжела Шумилова

X5 Tech

LLM и обработка миллионов событий

Антон Белоусов

Киберразведка

Кейсы внедрения ИИ в строительной отрасли

Кошман Патрисия

МТС

Что нужно агенту, чтобы занять топ-3 на BIRD-SQL?

Радионов Максим Сергеевич

Сбер

ИИ-агент за 90 минут: от идеи до продакшена

Евгений Денисов

Ингосстрах

Создание ИИ песочницы для нескольких тысяч щепетильных пользователей

Михаил Соколов

ГНИВЦ

AI не знает, что вы имели в виду: как превратить инженерные практики в рабочий контекст для агентов

Евгений Харченко

Райффайзен Банк

От vLLM в Docker до промышленного AI API: как модель превращается в сервис

Егор Андреев

Впрод