Найти, изменить и доказать: как внутри устроены кодовые агенты
Подробнее о докладе
Другие доклады и треки
- 26 гейтов недоверия: как мы отдали прод AI-агентуВолков Денис, Разумовский Дмитрий
Спикеры
Мастер спорта по AI-first разработке и энтерпрайз вайб-кодингу: люблю копаться внутри технологий и тулинга кодогенерации, строить evals/harness, считать экономику и эффективность команд в пост-LLM эпоху и участвовать в пересборке того, как вообще будут выглядеть процессы создания продуктов в новой реальности. Глубоко разбираюсь в агентах и не могу спокойно спать, когда одновременно есть недоутилизированные токены и нерешенные задачи. Помимо агентологии, верю в голос как интерфейс и автономные системы с минимальным участием в них человека.
Отзыв программного комитета
Спикер из Сбера расскажет о том, как обучают агентов работать с большими кодовыми базами. Обзор истории и подходов к поиску кода: почему сначала grep побил векторный поиск, а потом семантика снова понадобилась - но уже вместе с AST, с tree-sitter-графами, ngram-индексами и горячим файловым кэшем.
Кому полезно
Разработчики, их руководители и все, кто причастен к созданию продуктов
О чём доклад
Большинство обсуждений кодогенерации агентами сводится к вопросу "а какая модель лучше", при том что большую часть времени агенты код не пишут, а ищут и проверяют его.
В докладе мы заглянем под капот кодовых агентов и постараемся разобраться, чем код похож и чем отличается от текста, как классический поиск стал зависеть от LLM и почему агенты вернулись к инструментам типа grep из 1973 года. Обсудим, как экономика KV-cache диктует архитектуру агентов, как RL учит модели находить код и почему те начинают взламывать среду, в которой их проверяют.
А также почему мы сами захотим писать другой код: скучный, предсказуемый и легко проверяемый.