Балансировка поисковой выдачи, безопасность LLM, корпоративный поиск на базе RAG, компьютерное зрение для логистики и автоматизация управления рекламой ⤵️

В этой подборке записи докладов Saint HighLoad++ 2025 для инженеров и архитекторов, которые проектируют, внедряют и развивают сложные системы на основе данных и машинного обучения.

1️⃣ Динамическое ранжирование поисковой/рекомендательной выдачи в высоконагруженных системах: PID-регулятор для баланса KPI и релевантности. Марк Паненко

ML-ранжирование хорошо работает, когда нужно выдать самый релевантный товар или поисковый результат. Но как только появляется платное продвижение своих позиций в выдаче — необходимо искать баланс между пользовательским опытом и выручкой. В докладе простое в реализации и управлении решение.

2️⃣ Обход защиты LLM при помощи состязательных суффиксов и AutoDAN. Никита Беляевский

Как найти странный набор символов, скушав который в конце запроса, практически любая крупная LLM «сломается» и отключит цензуру? Как и почему это работает? Для чего это нужно? Ответы на эти вопросы — в докладе.

3️⃣ Умный поиск по внутренней базе знаний с использованием LLM: от архитектуры до внедрения. Алексей Болтава

История о том, как Т-Банк улучшал поиск по всей внутренней проектной (и не только) информации. Тот случай, когда просто «нормально» — это мало, и нужны постоянные улучшения. Рекомендуется тем, кто хочет использовать информацию по полной.

4️⃣ Склад Шредингера: как с помощью компьютерного зрения сократить инцидентность на больших складах логистического оператора. Михаил Красильников

В докладе — про оптимизацию затрат на складах с использованием ML. В частности, Михаил рассказал про нюансы обучения моделей и о реальном применении детекторов обнаружения аномального поведения на складах, а также о том, как это помогает экономить большие бюджеты на этапе логистики.

5️⃣ Автоматизированный алгоритмический трейдер-бот для управления и оптимизации ставок и бюджетов рекламных кампаний в Телеграм. Виктор Делисов, Ильшат Хафизов

Опыт создания трейдер-бота для управления тысячами рекламных кампаний на основе data-driven-подхода с целью максимизации ключевых бизнес-метрик на платформе Телеграм. Бот в режиме реального времени заменяет собой 100% функционала множества людей или может быть использован в качестве «цифрового консультанта». В основе лежит комплексная архитектура со своими контурами хранения, мощным ML-движком и интеграция с Telegram Ads API.

Продуктивного просмотра 🙌

#записидокладов

С AI-инструментами все более-менее понятно. Теперь нужно разобраться с решениями, которые приходят вслед за ними: какие процессы менять, что автоматизировать, как оценивать результат и где оставлять контроль за человеком.

Сегодня рассказываем о трех выступлениях на Saint HighLoad++ 2026, которые помогут понять, на каком этапе внедрения AI находится команда, как встроить новые практики в существующий процесс разработки и где проходит граница между полезной автономностью агентов и дополнительными рисками для продукта.

1️⃣ Уровни зрелости внедрения AI в процессы разработки. Иван Поддубный (Вебпрактик)

А вы уже в AI-native разработке? Или просто выдали разработчикам Claude/Cursor и считаете, что внедрили AI? Или построили сквозной процесс с общим контекстом? Или вся агентная инфраструктура уже работает автономно, а людям оставлены HITL-вставки в критичных точках? Кто-то застрял на начальных этапах, кто-то пытается перепрыгнуть стадии и запрыгнуть в полную автоматизацию. Приходите на доклад Ивана за инструментом самооценки и пониманием, какие именно архитектурные и процессные изменения нужны для следующего шага, а не для очередной галочки «внедрили AI».

2️⃣ Битва за урожай: внедряем Spec Driven Development в процесс разработки без его разрушения. Даниил Подольский (YADRO)

Внедрение AI в разработку ПО - тема новая, но весьма горячая, и материалов про то, как внедрять самое новое и самое прогрессивное в интернете достаточно. Чего в интернете недостаточно, так это практических руководств по внедрению AI именно в процессную часть разработческой рутины. Это воркшоп, который будет построен по схеме:
- делаем вот так, и ждем вот этого...
- получаем вот что
- и это совсем не то, чего мы ждем...
- корректируем свою деятельность вот так...

3️⃣ Баттл. AI в продуктовой команде: быстро или правильно? Алексей Шерченков (Wallet), Федор Васильев (xStack), Юрий Бабак (Независимый эксперт)

Это баттл с участием зала. Четыре раунда: размытие ролей, архитектура против скорости, релизы и доступ агентов к данным. Спикеры с разными позициями, без правильного ответа — голосуют зрители. Участники заберут с собой: практические ответы на три вопроса — где граница между «AI ускоряет» и «AI создает аварию»; как защитить прод от нейрослопа; что разрешать агентам делать самостоятельно, а где нужен человек.

Если сегодня вы принимаете решения не о выборе очередного инструмента, а о том, как должна работать команда в новых условиях, эти доклады стоит добавить в расписание на предстоящей конференции ✅

Я не буду впаривать вам идеальную архитектуру

Посмотрите это видео от Дарьи Борисовой из ПСБ и узнайте, какую задачу решала ее команда, какие важные вопросы стояли перед ними, и что вы сможете вынести из ее доклада на Saint HighLoad++ 2026 ✅

AI замедлил работу опытных разработчиков на 19% — звучит как парадокс, не так ли?

Многие компании бросаются внедрять искусственный интеллект, ожидая мгновенного роста продуктивности, но реальность оказывается сложнее. Мы привыкли думать, что AI — это универсальный ускоритель, но на деле он может стать «усилителем» текущих проблем, если процессы не готовы.

В чем же загвоздка? Дело не только в скорости генерации кода, а в перестройке всего инженерного цикла. Фокус смещается с написания кода на постановку задач AI-агентам и проверку результатов. Это требует новых навыков, меняет роли разработчиков, превращая их в T-shape-специалистов, способных охватить архитектуру, тестирование и продукт. Игнорировать эти изменения нельзя, иначе есть риск проиграть конкуренцию.

Мы собрали мнения экспертов программного комитета Saint HighLoad++ 2026, которые честно рассказали о реальном уровне зрелости индустрии. О том, где хайп обманывает цифрами, и что нужно сделать до внедрения AI, чтобы не наступить на чужие грабли. Почему AI сегодня — это усилитель, а не волшебная палочка, и как пройти путь от экспериментов до устойчивого масштабирования?

Подробности — в статье ✅

Архитектура СУБД, колоночные движки, масштабирование баз данных, векторный поиск и WAL в PostgreSQL. ⤵️

В этой подборке записи докладов Saint HighLoad++ 2025 для разработчиков, архитекторов, DBA и всех, кто проектирует и эксплуатирует системы хранения данных.

1️⃣ Эволюция архитектуры баз данных. Владимир Комаров.
Почему современные промышленные СУБД такие, какие они есть? Есть ли идеальная база и какой она могла бы быть? Свою версию ответов на эти вопросы представил в своем докладе эксперт по базам данных.

2️⃣ Когда Seq Scan не миновать: Data Skipping в новом колоночном движке Tarantool. Андрей Саранчин.
Доклад от разработчика in-memory базы данных Tarantool о том, как они делали индекс для нового колоночного движка. In-memory базы данных обладают своей спецификой, поэтому разработчикам пришлось придумать свой подход и собственные структуры данных: B-дерево с модифицированным алгоритмом балансировки.

3️⃣ Пределы масштабирования дисковой СУБД Сокол. Андрей Коротченко.
Использование дисковой СУБД напрямую без «ускоряющих» вышестоящих слоев всегда интересовало разработчиков, потенциально такая система значительно проще и надежнее и, вероятно, конечная система будет с меньшими требованиями к оборудованию. Вопрос только, с какой СУБД это возможно. Предлагаем рассмотреть СУБД Сокол в сравнении с другими системами.

4️⃣ Эволюция векторного поиска в YDB: от базовых методов к масштабируемому глобальному индексу. Александр Зевайкин.
Хотите знать, что же такое векторный поиск? Хотите знать, причем здесь ИИ? А как сделать так, чтобы он был быстрым? А как сделать так, чтобы он масштабировался на множество нод? Посмотрите на доклад Александра о том, как векторный поиск со всеми этими свойствами сделан внутри YDB.

5️⃣ Про избыточность WAL в Postgres. Андрей Бородин.
Все, что вы хотели знать про WAL-логи, но боялись спросить! Глубокий нырок в тему от признанного гуру PostgreSQL.

Продуктивного просмотра 🙌

#записидокладов