ИИ в инженерной
практике

26 ноября в 15:30

MWS Meetup #12

Зарегистрироваться
онлайн26 ноября в 15:30

Онлайн-эфир для продуктовых инженеров

Подключайтесь к онлайн-встрече про ИИ в инженерных практиках от МТС Web Services.

Вы узнаете, как используют LLM в анализе логов интеграционной платформы, как построить песочницу для ИИ-агентов в Kubernetes и как оптимизировать расход токенов дорогих моделей.

У вас будет возможность задать вопросы экспертам и получить ответ в прямом эфире.

Встреча будет интересна

Разработчикам

Разработчикам

Продуктовым и платформенным инженерам

Продуктовым и платформенным инженерам

Специалистам DevOps и SRE

Специалистам DevOps и SRE

Программа мероприятия

Встречаемся онлайн 26 ноября в 15:30. Добавляйте в календарь и регистрируйтесь по кнопке справа.

15:30–16:10

Доклад «Анализатор логов: код решает, модель предлагает»

Что делать, когда модель находит разных виновников ошибки при анализе одних и тех же логов интеграционной платформы, а вам нужно объяснить причину ошибки клиенту?
Эксперт расскажет, как пришел к устройству анализатора ошибок из 8 слоев — от извлечения параметров до получения данных и подготовки ответа клиенту, — и как с этим помогла LLM. 
В докладе:

  • Проходим путь от ошибки до поиска причины и ответа пользователю. 
  • Что делать, если для корректной отработки LLM просто сложить все правила в промпт недостаточно?
  • Как реализовали подход Exoskeleton, и почему он работает.
  • Только нужные спаны вместо всего массива логов, или как очистить данные для анализа.
  • Отвечаем на вопрос, зачем нужна LLM, если большую часть работы делает код.

Павел Васильев
Павел Васильев

DevOps, интеграционная платформа MWS Octapi

16:10–17:00

Доклад «Строим песочницы для ИИ-агентов в Kubernetes»

В каких случаях подойдет готовый оркестратор, если нужно написать тонкую обёртку над рантаймом, а когда будет достаточно подходящего средства изоляции? Расскажет эксперт платформы MWS DevRails.

В докладе:

  • Обсудим, какими способами сегодня изолируют ИИ-агентов: от обычного пода до zero-trust рантаймов.
  • Разберёмся с границами изоляции, рантаймом, lifecycle-фреймворком и оркестрацией.
  • Поговорим про ключевые метрики: startup latency (cold/warm start), overhead на простаивающего агента, их количество на ноду и степень изоляции между ними.
  • Увидим, как выбор технологий влияет на показатели на примере кластера Kubernetes. 
Слушателям будут доступны конфиги для повторения на своих кластерах.

Матвей Колесниченко
Матвей Колесниченко

Разработчик MWS DevRails

17:00–18:00

Доклад «Оптимизируем расход токенов с предобработкой запросов LLM»

Агент тратит часть обращений на повторяющиеся операции: выбор инструмента, подготовку аргументов, поиск нужных фрагментов в истории и так далее. Эти решения занимают квоту основной LLM наравне со сложными задачами. Но если вынести эти операции в предобработку, у основной модели высвободится квота на выполнение основной рабочей задачи.

В докладе сравним перфоманс популярных моделей для препроцессинга: decision модели Jev и Kev, универсальные Qwen и DeepSeek flash. А также снимем замеры на промышленных задачах и выберем победителя по качеству, скорости, стоимости и нагрузке.

Руслан Пегов
Руслан Пегов

Разработчик MWS

Зарегистрироваться