Как работают AI агенты в бигтехе? Воркшоп 16 сентября

Демо работает. Прод — нет.

Агент уверенно отвечает, тесты на пяти примерах проходят. В проде он теряет контекст, вызывает не тот инструмент, ошибается в редком сценарии. Об этом узнают от пользователей.

Разница между «отвечает» и «решает задачу» — в архитектуре: как разбита задача, как проверяется результат, что происходит при ошибке модели. Разберём на реальных кейсах.

Как строить надёжных агентов на 10М+ пользователей

Несколько кейсов из прода и принципы, которые из них следуют. На выходе — чек-лист для проверки своего агента.

01

Где нужен агент, а где хватит обычного кода. Границы задачи и декомпозиция.

02

Как проверить, что агент решил задачу. Критерии успеха и оценка качества до релиза.

03

Что делать, когда модель или инструмент ошиблись. Ретраи, fallback, контроль стоимости и задержек.

04

Кейсы из прода: агент прошёл демо и не справился. Что сломалось, почему, что изменили.

Как пройдёт воркшоп

Не лекция про агентов вообще. Разбор реальных кейсов: агент прошёл демо и не справился в проде. По каждому — что сломалось, почему и что изменили в архитектуре.

01 · КЕЙС

Агент, который прошёл демо

Что должен был делать, как выглядел на презентации, почему его выкатили.

02 · РАЗБОР

Где сломалось в проде

Не тот инструмент, потерянный контекст, редкий сценарий, цена запроса. Как это заметили и во что обошлось.

03 · ВЫВОД

Что изменили

Какие решения в архитектуре и проверках убрали проблему. Что из этого забрать в свой проект.

Длительность1 час.

ФорматОнлайн в Zoom, прямой эфир. Вопросы в чате. Ссылка сразу после записи и на почте.

ВедутАлександр Лыков и Василий Исаев.

Для кого

Для вас, если

Есть агент или прототип на LLM, и непонятно, выдержит ли он реальных пользователей
Отвечаете за то, чтобы AI-инструмент решал задачу, а не только отвечал: разработчик, ML-инженер, тимлид
Хотите увидеть реальные ошибки прод-агентов до того, как повторите их

Не для вас, если

Ещё ничего не собирали на LLM. Кейсы про архитектуру, не про первые шаги
Нужен готовый агент под ключ

Спикеры

Александр Лыков

Академический руководитель Школы Высшей Математики
Кандидат физико-математических наук, девять лет на мехмате МГУ. Работает в технологическом банке, разрабатывает AI-агентов. Автор программы курса «AI-агенты».

Василий Исаев

LinkedIn →

ML-инженер, Wildberries · ранее Точка Банк
Агентные системы в Wildberries: агенты-кодеры, ревьюеры, сбор информации по спринтам. В Точка Банке построил оценку качества звонков на ~5 000 звонков в день. Вёл воркшоп «AI Code Review Agent».

Если захотите пойти дальше

Воркшоп — час про то, где агент ломается. Как строить, чтобы не ломался, — 12 недель на курсе «AI-агенты» с теми же преподавателями: LLM API, tool calling, RAG, evals, мониторинг, деплой. Старт 24 сентября.

Программа курса →

Отзывы участников курса

Воркшоп ведут преподаватели курса «AI-агенты». Отзывы первого потока, рядом — Telegram авторов.

Мы сами пишем агентов, поэтому я шёл за нюансами. И нашёл их — мелкие production-детали по RAG, неочевидные ссылки на проекты, разбор методов обучения агентов. Видно, что преподаватели — практики.

Антон ШелинПервый поток · курс «AI-агенты»

У меня очень специфическая задача — мультиагентная система для анализа психотерапевтических сессий. Самым ценным было то, что я смог напрямую спросить преподавателя про свою архитектуру и получить подтверждение, что подход правильный. Это сэкономило мне недели экспериментов.

Александр ЯрцевПервый поток · курс «AI-агенты»

До курса агенты были для меня тёмным лесом — я не понимал даже базовых вещей вроде LangChain. За курс разобрался, как всё устроено под капотом, и на праздниках собрал свой первый RAG по внутренней документации проекта. Теперь у меня есть и понимание, и идеи, что предлагать на работе.

Павел РазуваевПервый поток · курс «AI-агенты»

Кроме разработчиков, в первом потоке учились владелец продукта, специалист по корпоративному хранилищу данных и эксперт геофизической организации.

Кто проводит

6+лет делаем образовательные продукты

120+выпускников поступили в ШАД и ML-магистратуры

4.9из 5 — средняя оценка учеников

Школа Высшей Математики выросла из подготовки к ШАД: годовые программы по математике и алгоритмам, 200 000+ прочтений статей на Habr, 30+ прямых эфиров. Преподаватели — из МГУ, МФТИ, Сбера и продуктовых команд.

Команды, которые проходили обучение у нас

Частые вопросы

Нужен ли опыт с агентами?

Нужно понимать, как устроено приложение на LLM: промпт, вызов инструментов, ответ. Собирать агентов самому не обязательно.

Можно спросить про свою задачу?

Да, в чате во время эфира. Отдельного разбора задач участников на этом воркшопе нет.

Кейсы под NDA?

Кейсы рассказываются без названий и деталей, по которым узнают компанию. Для разбора важна структура ошибки.

Будет ли запись?

Уточним отдельно и напишем зарегистрированным на почту.