Вчера на TeamLead++ Siberia возникло несколько дискуссий о том, а как долго отрасль будет приспосабливаться к новой схеме работы с агентами внутри SDLC. А что вы думаете, как долго мы будем ещё пробовать, искать лучшие практики?

Провожу небольшой опрос.

Как вы думаете, эта вакханалия вокруг агентов в разработке когда и чем закончится?
anonymous poll

Ещё год-два будем искать новые лучшие практики, затем устаканится в новой схеме с агентами – 65
👍👍👍👍👍👍👍 55%

Да, в принципе уже всё понятно, как работать с агентами, это уже не вопрос для дискуссий. – 25
👍👍👍 21%

Ещё три-четыре года будем перестраивать разработку на агентов – 14
👍👍 12%

Ускорения разработки не наблюдается, всё постепенно вернётся к тому, как было раньше – 8
👍 7%

Перестроимся на агентов, но ещё пять и более лет будет в режиме "ничего не понятно". – 6
👍 5%

👥 118 people voted so far.

Сервис, который не переключили на новую базу, когда старую уже отключили

#хроникиITбудней

С выходом AI-агентов в production появляются инфраструктурные задачи: долгие сессии, контроль поведения, стоимость результата, скорость инференса и новые сценарии атак.

В сегодняшнем дайджесте — пять свежих материалов прошедшей недели об этих задачах от OpenAI, AWS, NVIDIA и Anthropic.

1️⃣ Introducing the Agents API. 
OpenAI открыла публичную бету Agents API для долгих агентных сессий: с автоматическим сжатием контекста, MCP и параллельной работой субагентов.

2️⃣ Monitoring production agent lifecycle with AWS DevOps Agent and AgentCore Evaluations.
AWS показывает двухуровневую наблюдаемость: AgentCore Evaluations оценивает качество работы агентов, а AWS DevOps Agent расследует инфраструктурные сбои по логам, метрикам и трассировкам.

3️⃣ Beyond the price per token: Choosing the right OpenAI model on Amazon Bedrock for your workload. 
AWS предлагает воспроизводимую методику выбора модели по стоимости успешного результата. В расчёте учитываются точность, число ходов агента и качество итоговых материалов.

4️⃣ When to Use Encode-Prefill-Decode Disaggregation to Accelerate Multimodal Model Serving. 
NVIDIA разбирает разделение encode, prefill и decode в мультимодальном инференсе. На запросах с большим числом изображений и короткими или средними ответами ускорение TTFT — до 5 раз, полного ответа — до 7 раз.

5️⃣ Detecting and countering misuse of AI: September 2026.
Отчёт Anthropic о выявленном использовании Claude в кибератаках: от разведки и поиска уязвимостей до групп агентов с постоянной памятью.

Качество ответа — только одна из метрик агентной системы. Для production также важны устойчивость сессий, задержки, стоимость и безопасность.

Программа пополняется, на сайте добавились принятые доклады 🙌

Сейчас среди тем — устройство кодовых агентов, масштабирование AI-ассистента до миллиона клиентов, обработка запросов в WAF, гибридный поиск в YDB, real-time обновления для RecSys и SDLC highload-проекта на 100 агентов. И это ещё не всё.

Чтобы выбрать темы программы, мы четыре месяца следили за 30+ каналами и 20 тематическими сайтами. Проанализировали 16 800 тредов, 5 200 статей, 23 000 вакансий и 524 000 сообщений. Выделили 288 тем и взвесили каждую по частоте и глубине обсуждения.

Так появился «Пульс сообщества» — срез тем, которые инженеры чаще и глубже всего обсуждают прямо сейчас. Среди них — нестабильные зависимости, экономика и проверка AI, безопасность цепочки поставок, PostgreSQL под нагрузкой и агенты в проде.

Если у вас сейчас одна из этих задач, в программе уже есть разборы решений, проверенных в проде. Спикеры покажут, на каком масштабе работает подход, где начинаются ограничения и что пришлось изменить при внедрении. Это поможет проверить собственный план и обосновать выбор перед командой или руководством.

⚡До 30 сентября билет можно купить по текущей цене. 1 октября она станет выше.

✅ Узнать подробнее о программе и забронировать билет — на сайте

Тусовка, всем привет от Игоря Сысоева!

Вы же знаете, кто это такой, а фронтенд это не только JavaScript с вёрсткой? :)

Встречались вчера одним из первых составов ПК HighLoad++ периода бурного роста.

Это примерно когда у первого айтишника возникла мысль "А не плохо бы смузи!", DevRel'ы ещё не знали, что они DevRel'ы. На HL++ стояли стенды Facebook, Google и Oracle, а Брюс Момжан был завсегдатаем конференции и мы с ним пили водку в Бочке.

В общем, в прошлой жизни.

Все выросли в IT-предпринимателей, у одного даже получилось :) Разговоры скачут с цепей Маркова на организацию продаж.

У Фишера продюсерский центр по обучению highload, Макс прогоняет через себя половину телевидения в стране, Костя пишет (пишет ему теперь Клод) продает СУБД Пикодата, а я торгую билетиками.

Вот только Игорь ничего не продает, может себе позволить.

А ведь были же нормальными людьми разработчиками!

Куда-то пропали с моих радаров из того состава только Слоник_в_домене и Постгресмен. Ну и некому раз в год приносить программу HighLoad++ на проверку (я приносил её старшим товарищам, Илье Сегаловичу и Володе Габриеляну).

—
Олег Бунин

Каких компромиссов потребует новое решение?

Выбирая архитектуру, базу или AI-инструмент, важно понять, где решение упрётся в нагрузку, сколько будет стоить в эксплуатации и что произойдёт при отказе. На HighLoad++ 2026 будем разбирать всё это на реальных примерах.

В программу уже принято 35 докладов об архитектуре, базах, AI в SDLC, агентных платформах, безопасности и эксплуатации. И ещё один формат — деловая игра про жизненный цикл создания ИИ-агента. В этой игре участники станут командами-разработчиками и в ходе тендера заказчика будут искать слабые места, генерировать тесты, разбирать ошибки и оценивать риски.

Но и это ещё не всё 😉

Нашли задачи, с которыми работаете? Изучите программу подробнее и забронируйте билет на сайте ⬅️

⚡До 30 сентября действует текущая цена. 1 октября она вырастет в последний раз и станет максимальной.

AI в разработке: как довести эксперименты до работающего продукта

Сгенерировать код стало проще. Но кто проверит, что он решает задачу? Как подключить агента к существующей инфраструктуре? Что произойдёт, если пользователь начнёт управлять им через prompt injection?

20 октября на AI Native Conf разберём, как команды используют AI в разработке и продуктах, какие решения принимают и с какими ограничениями сталкиваются.

Вот несколько задач, с которыми стоит прийти:

→ Сохранить качество кода при переходе на AI-разработку.
Максим Лапшин из Erlyvideo расскажет, как компания с 17-летней историей за три месяца перешла на AI-first разработку и какие методики использует, чтобы получать работающий продукт. Подробнее о докладе.

→ Встроить LLM-агента в существующую систему.
Никита Зеленский из APEX Games разберёт подключение агента к инфраструктуре данных, галлюцинации в аналитике, выбор между MCP и прямыми API-вызовами, а также стоимость работы агента. Подробнее о докладе.

→ Понять, где агент может заменить привычный интерфейс.
Артем Самойлов из Сбера покажет, как заменил GUI работающего сервиса чатом на OpenClaw, сохранив бэкенд. Обсудим, что это меняет в разработке новых сценариев и какие риски prompt injection появляются. Подробнее о докладе.

Если вы уже пробуете AI в рабочих задачах, приходите сопоставить свой опыт с решениями других инженеров и обсудить, что применимо в вашем проекте.

📍 20 октября 2026 · Москва, кластер «Ломоносов», и онлайн

Посмотреть программу и выбрать формат участия

Начинаем подробно рассказывать о программе HighLoad++ 2026 🙌

Сегодня три доклада из направления программы — AI в SDLC. Задачи, решение которых вы найдёте в этой тематике: как перестроить процесс разработки после внедрения AI, наладить проверку результата и оценить изменения в скорости, качестве и стоимости.

✔️ Self-Improving Software Factory: от AI-агентов к автономному SDLC. Андрей Неведин (Райффайзен Банк).
При переходе от отдельных coding agents к Software Factory приходите разобрать её архитектуру: модель, inner/outer harness и orchestration/control plane, а также verification и feedback loops для контроля качества результата и улучшения фабрики.

✔️ Свой «Claude Cowork» внутри контура компании — как мы прикрутили OpenCode к GitLab и получили универсального внутрикорпоративного агента для самых разных задач. Иван Красников (wikilect.com).
Для корпоративного агента в закрытом контуре Иван разберёт реализованное on-premise-решение на OpenCode и GitLab: разграничение доступа, изолированные среды, контроль расходов и аналитику использования документов в RAG.

✔️ Харнес, который написал сам себя: SDLC highload-проекта на 100 агентов. Андрей Носов (Raft).
Масштабирование харнеса от одного человека до команды из пяти и сотни параллельных агентов требует новых правил. Андрей разберёт версионирование agent.md, Red/Green Zone, права MCP, резервирование ресурсов и проверку согласованности правил.

Для команд, которые переходят от отдельных AI-инструментов к системной работе с агентами, эти доклады дадут конкретные ориентиры для архитектурных и процессных решений.

Программа ещё формируется, принятую часть можете посмотреть на сайте

Доброе утро!

По результатам моего последнего опроса большинство считает, что нам нужен ещё год-два на исследование AI-агентов, потом ситуация устаканится. Второй по популярности ответ - всё уже устаканилось. Моё личное мнение - общество (и нас) будет колбасить ещё пару десятилетий :)

IT-сообщество продолжает исследование AI-агентов как феномена. Прямо звезда в этом процессе - встреча Алексея Федорова и Андрея Морозова с философом Павлом Щелиным, на мой взгляд - смотреть обязательно любому, кто хочет осмысленно участвовать в процессе изменения мира.

Продолжение на втором дне Joker Conf (вообще сама идея сделать второй день Java-конференции посвященным философским аспектам того, как ИИ меняет профессию разработчика - смелая и правильная).

Наш вклад - доклад Олега Бартунова, основателя PostgreSQL Pro, о архитектуре данных в эпоху AI.

Что такое данные? Я предлагаю смотреть на них как на различия, зафиксированные наблюдателем в некотором контексте.

На протяжении истории мы учились всё лучше сохранять и передавать такие различия. Письменность отделила мысль от человека, измерения — наблюдение от наблюдателя, компьютеры превратили данные в формальные структуры. При этом часть исходного контекста неизбежно терялась, и каждое следующее поколение технологий пыталось его вернуть: появились типы, схемы, связи, описания, история происхождения данных.

Искусственный интеллект — следующий этап этой эволюции. Машина уже не только хранит и обрабатывает данные, но начинает их интерпретировать, сопоставлять и использовать для принятия решений.

В докладе я попробую проследить эту цепочку — от первых способов фиксации наблюдений до современных систем с ИИ — и понять, какими должны стать данные и архитектура их хранения на следующем этапе.

Конференция AI Native Conf, 20 октября, Москва, https://ainativeconf.ru/

Если у вас растёт нагрузка, база приближается к пределам, AI входит в процесс разработки или меняются требования к безопасности и эксплуатации — в программе HighLoad++ 2026 уже есть разборы таких задач. Вы сможете сравнить подходы команд и понять, какие ограничения и затраты важно учесть в своём контексте.

До 30 сентября билет можно купить по текущей цене и сэкономить 6000 руб. 1 октября стоимость вырастет в последний раз и станет максимальной.

✅ Изучите принятую часть программы и забронируйте билет на сайте

*Программа ещё формируется, это не финал

🚀 Ищем волонтёров на AI Native Conf и AI Cases Conf

Хотите увидеть закулисье наших конференций, получить опыт организации мероприятий и стать частью профессионального сообщества? Присоединяйтесь к команде волонтёров!

Вас ждут: классная команда, понятные задачи и поддержка координаторов, доступ к контенту конференций, общение с экспертами и профессионалами из крупнейших IT-компаний, горячее питание в дни работы и, конечно, памятные подарки 🎁

Задачи: работа в залах, помощь с логистикой на площадке, регистрация участников и помощь в зоне выставки.

➡️ Отправить заявку на участие

Новый выпуск Podcast++ про то, как AI меняет разработку целиком, а не только ускоряет написание кода: что происходит с SDLC, когда нейросети становятся частью инженерного процесса.

🎤 Ведущий: Кирилл Россохин, CIO ВсеИнструменты.ру.

🖐 В гостях: Александр Поломодов, Technical Director & Fellow, AI4SDLC Advocate.

Обсудили: где AI уже реально дает эффект в разработке, почему одних копайлотов недостаточно, как меняются процессы и роли внутри команды и что нужно, чтобы перейти от отдельных AI-инструментов к системному AI4SDLC.

Этот выпуск будет полезен CTO, техлидам, engineering managers и всем, кто сейчас пытается понять, как встроить AI в разработку не ради эксперимента, а как рабочий инженерный процесс.

🎧 Слушать подкаст:
ВКонтакте
Яндекс Музыка
mave

AI в SDLC: как работают агенты и что меняется в разработке.

Внедрение AI в разработку важно оценивать не по факту подключения инструмента, а по изменениям в процессе, скорости, качестве и стоимости. На HighLoad++ 2026 обсудим, как агенты меняют разработку — от устройства инструментов до архитектуры, процессов и контроля результата.

Сегодня рассказываем о трёх докладах направления программы «AI в SDLC». В каждом своя практическая задача.

✔️ Пишем полноценную игру с новым CodeSpeak. Леша Гладков (независимый эксперт, ex-Head of Mobile в Леруа Мерлен).
Доклад поможет понять, как CodeSpeak работает с нестандартной задачей — разработкой игры, которая отличается от привычной прикладной разработки архитектурой и подходами.

✔️ Найти, изменить и доказать: как внутри устроены кодовые агенты. Дмитрий Антипов (Группа Сбер / VSRobotics).
Вы разберётесь, как агенты ищут и проверяют код, как LLM влияет на классический поиск и почему экономика KV-cache определяет архитектуру.

✔️ Вайбкодинг в облаке: API, документация и деплой под агента, а не под человека. Александр Сербул (Битрикс24).
На докладе вы разберётесь, как определить границы применимости enterprise-вайбкодинга, спроектировать высоконагруженную архитектуру и обеспечить прослеживаемость и качество результата.

Приходите, чтобы задать спикерам вопросы, сверить их опыт со своим и понять, что из услышанного можно применить в работе.

📍30 ноября и 1 декабря, Москва, Кампус СКОЛКОВО, и онлайн

✅ Посмотреть принятую часть программы и выбрать формат участия можно на сайте

Принесли вам пять свежих материалов. Здесь про оптимизацию сети, потоковые данные, ML-инфраструктуру, защищённый инференс и надёжность Kubernetes 🙌

1️⃣ We’re making Tailscale faster.
Инженерный разбор оптимизаций data plane Tailscale: меньше копирований пакетов, более короткие очереди и параллельная обработка. Изменение работы с буферами само по себе дало около 5% ускорения во многих конфигурациях.

2️⃣ Deduplicating Streams with Flink SQL.
Практический разбор дедупликации во Flink SQL. Автор сравнивает подходы по работе с состоянием, опоздавшим событиям, задержке и детерминированности и объясняет, когда Process Table Function предсказуемее сложного SQL-запроса.

3️⃣ Taming the ML Firehose: Scaling Feature Consistency.
Production-кейс Uber о согласованности признаков между обучением и инференсом при нагрузке до 8 млн предсказаний в секунду. Внутри — архитектура пайплайна, масштабирование Flink и результаты: объём сообщений сократился в 4–5 раз, пиковое отставание обработки — примерно на 70%.

4️⃣ Enabling Private High-Performance Production AI Inference with NVIDIA Confidential Computing.
Технический бенчмарк confidential computing на восьми GPU B200 и разбор узких мест. Система сохранила 96,1–98,2% исходной пропускной способности, а время генерации токена выросло на 1,2–4,3%.

5️⃣ Spotlight on SIG Apps.
Интервью с председателями SIG Apps о развитии workload-контроллеров Kubernetes. В фокусе — сбои узлов, надёжность базовых контроллеров и согласованный перезапуск распределённых задач через JobSet и LeaderWorkerSet.

Во всех пяти случаях результат зависит от конкретных решений: как обрабатывать пакет, хранить состояние, ограничивать нагрузку и восстанавливаться после сбоя.

А вот, кстати, реально серьезный вопрос о том, как решать сложные задачи с помощью агентов. Допустим, надо проанализировать миллион переписок в сотне чатов.

Вариант 1, я его называю "Инженерный", через архитектуру и процессы. Я проектирую конвейер моделей, понимая каждый этап обработки, проектируя систему хранения каждого этапа. В результате я уверен в выводах анализа, потому что понимаю каждый шаг алгоритма обработки данных.

Вариант 2, я его назвал бы "AI Native", через eval'ы. Я описываю источник данных, требуемый результат и способы проверки. Потом отпускаю модель добиваться нужного результата самостоятельно до тех пор, пока все проверки не проходят.

Вы как работаете?

Что сейчас для вас важнее: понять пределы PostgreSQL под нагрузкой, посчитать экономику AI-инструментов или разобраться, как безопасно выпускать агентов в прод?

На HighLoad++ 2026 выбирать всё равно придётся: докладов много, а оказаться одновременно в нескольких залах пока невозможно 😉 Поэтому мы опубликовали предварительное расписание.

✏️ Уже можно отметить нужные разборы и собрать свой маршрут на 30 ноября и 1 декабря.

➡️ Смотрите расписание на сайте.
Пока планируйте карандашом — программа ещё формируется, поэтому возможны изменения.