Доклад

ИИ-конвейер разработки полного цикла в Диасофт: от кнопки "сделать" до релиза на прод

Подробнее о докладе

Дата 30 ноября, 13:30
Зал Зал «Пекин-Шанхай»
Формат Доклад, 50 минут
Уровень Средняя сложность

Спикеры

Отзыв программного комитета

Как построить мультиагентный конвейер разработки enterprise-ПО: от бизнес-требования до проверенного кода и релиза. На примере Диасофт — спецификации, детерминированная обвязка вокруг LLM, проверка контрактов и агентная платформа в закрытом контуре; инженерные решения, ограничения и роль человека.

Кому полезно

Когда вместо Claude вы построили мультиагентный конвейер из 150 субагентов, который работает в закрытом контуре на локальной модели, а задача не одна фича вайбкодинга, а параллельная разработка десятков сервисов в системе из сотен модулей, всплывают проблемы, которых нет в демо на YouTube. Агент не знает архитектуру предприятия и дублирует существующее. Синхронные вызовы к трекеру, фреймворкам и low-code платформам делают конвейер хрупким: одна упавшая система останавливает всё. Наивный поиск существующей функциональности по каталогу превращается в 161 вызов LLM и 352K токенов. Локальная модель слабее облачной и требует компенсирующей обвязки. Расскажем, как решаем это в промышленном AI-Native SDLC для финтеха: детерминированная генерация 70% кода из метаданных как клетка для LLM, Git как асинхронный control plane вместо синхронных MCP-вызовов, иерархический отбор при поиске компонентов (161 вызов превращается в 14), мультиарендная агентная платформа на H200 с очередями, приоритетами и чекпоинтами. Доклад для тимлидов, архитекторов и руководителей платформ: первая часть про инженерные решения на уровне процесса, вторая про runtime-платформу. Ничего не рекламируеем, выкладываем конкретные инженерные выборы, их ограничения и нерешённые вопросы. Остальное обсудим на автопати.

О чём доклад

Ни для кого не новость, что AI-агенты уже пишут код. Не автодополняют, а именно пишут: принимают задачу, генерируют файлы, прогоняют тесты. Но в enterprise-системе из десятков-сотен микросервисов этого мало. Агент изначально не знает, что в системе уже есть куча сервисов, которые можно реиспользовать. Напишет своё. Не знает ваших стандартов именования событий Kafka, правил аннотаций безопасности, паттернов обработки ошибок. Не проверяет, что код соответствует замыслу. Запустите ту же задачу завтра, получите другой результат. Для системы, которую поддерживают годами, это неприемлемо. Мы строим мультиагентский конвейер полного цикла: от бизнес-требования до верифицированного кода в репозитории и выпуска готовых артефактов. Ключевая идея: спецификация поведения как единственный источник истины, код как производный артефакт. Вокруг LLM выстроен детерминированный harness: контекст организации, gate-условия, валидаторы, генераторы кода из метаданных, проверка контрактов между сервисами. Модель меняется, инфраструктура остаётся. Доклад для тех, кто строит микросервсиные распределённые системы (Go/Java, JS/TS/Angular/React, Kafka, PostgreSQL и т.п.). Для тех, кто уже использует AI-агентов и сталкивается с похожими проблемами: нет воспроизводимости, агент не знает корпоративного контекста, невозможно масштабировать на десятки сервисов параллельно. Покажем конкретную архитектуру, не абстрактные рассуждения.

Видео