Tech Meridian
← К СУЩНОСТЯМ
КОМПАНИЯ · ENTITY #5143
Хронология связанных событий, источники и контекст из новостной базы.
На QCon AI Сьюзен Чанг (ведущий дата-сайентист Elastic) рассказала, как компания перешла от разрозненных ручных оценок агентов к единой производственной системе оценки, сочетающей LLM-вёрдикты и детерминированные правила, связывающей Python-оценки с TypeScript-продакшеном и использующей глубокий трассинг для обнаружения регрессий в RAG и кибербезопасности при сохранении контекста домена.
На QCon AI инженеры DoorDash Сварууп Читлур и Сиддхарт Кодвани рассказали о создании внутренней GenAI-платформы для примерно 5 000 сотрудников: архитектурные решения, переход от поставщиков к открытым моделям, конструкция шлюзов для LLM и агентов, а также компромиссы между точностью, задержкой и стоимостью. Они подчеркнули подход API/SDK в первую очередь, ориентацию на продуктовых инженеров, автоматизацию лучших практик и фокус на бизнес-эффекте вместо простых чат-ботов.
На QCon AI главный инженер Forter Бен Мараней рассказал о двухнедельном внутреннем спринте, в ходе которого около 200 сотрудников R&D получили практический опыт создания AI‑агентов. Команда снизила барьеры, запустив собственный MCP‑сервер, сочетая no‑code и кодовые платформы, избегая сложных RAG‑настроек и согласовав действия с отделами безопасности и юристами для ускорения внедрения.
Маллика Рао, бывший инженерный руководитель в Twitter, Walmart и Netflix, выступает на QCon AI с докладом об операционных и архитектурных задачах адаптивных рекомендательных систем. Она подчёркивает важность обратных связей в реальном времени, актуальности поиска, многоступенчатой оркестрации и балансировки сквозной задержки и затрат для непрерывного обучения и развития рекомендателей в продакшене.
На QCon AI инженер OpenAI Винот Говиндараджан представил «Agent Harness», подчеркнув, что сбои в рабочих AI-агентах часто связаны с управлением состоянием и инженерией, а не только с галлюцинациями модели. На примере OpenClaw он изложил ключевые принципы надёжного «харнеса» агентов: явное владение состоянием, сериализация конкурентных изменений состояния, ограничение полномочий выполнения и проверка действий на пользовательском крае.
На QCon AI инженер LinkedIn Аджай Пракаш представил систему «Contextual Agent Playbooks and Tools» — организационный слой контекста, построенный на Model Context Protocol (MCP), который предоставляет агентам процедурную память, поиск по коду и инструкции (runbooks). LinkedIn заявляет, что система (используется в сотнях рабочих процессов) даёт рост продуктивности на 20% без потери надёжности и описал её архитектуру и эксплуатационные меры.
Allow Google Analytics to measure visits? It stays off until you choose. You can change your choice at any time.