Schema-Guided Reasoning на практике: архитектура и паттерны SGR Agent Core
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Агентные системы часто быстро превращаются в набор разрозненных промптов, тулов и частных решений, которые сложно сопровождать и масштабировать. В докладе расскажу, какие проблемы мы встретили в реальных проектах и почему пришли к Schema-Guided Reasoning как к способу сделать поведение агентов более предсказуемым, управляемым и повторяемым. Разберем типовые сложности с отладкой и ростом числа интеграций, а также как мы упаковали эти уроки в архитектуру SGR Agent Core.
Покажу, как устроена централизованная настройка через конфиг и зачем она нужна, чтобы единообразно управлять моделями, промтами, инструментами и окружениями без правок по всему коду. Отдельно разберем OpenAI-совместимый сервер, который позволяет подключать фреймворк как привычный backend для клиентов и быстро встраивать его в существующий стек.
Главная идея - пользователям не нужно разбираться в том, как работает ядро, чтобы собирать свои решения. Мы обсудим, как проектировать агентов и инструменты как расширения поверх стабильного API, какие паттерны упрощают разработку и поддержку, и как ускорить путь от прототипа к продакшену без потери контроля над поведением агентной системы.
20 лет в IT (10 лет в разработке, 3 года в ML/AI); прошел путь от системного администратора и разработчика до Lead Software Developer и руководителя направления, специализируется на интеграции и создании агентных ИИ-систем на базе LLM, а также на DevOps-практиках и High Availability решениях; уверенно владеет с Python/PHP, Linux, Docker, Kubernetes и AWS, выстраивает CI/CD и процессы качества (BDD и TDD), управляет командами и проектами; в свободное время бегает марафоны, играет на гитаре и увлекается вайбкодингом.
Видео
Другие доклады секции
LLM