· AI Engineer World's Fair 2026
Агентные сайты: создание гиперперсонализированных веб-сайтов
Agentic Sites: Building Hyper Personalized Websites — Carlos Sanchez, Adobe
Персонализированный сайт можно собирать под посетителя в реальном времени, если LLM выбирает и переписывает только готовые блоки сайта.
- Генерация только по блокам — LLM не создаёт весь сайт заново, а выбирает и переписывает отдельные блоки (главный блок, товары, навигацию). Опора на RAG по контенту сайта, по словам автора, не даёт модели выдумывать факты и помогает соблюдать брендбук.
- Скорость важнее размера модели — по словам автора, Gemma 4 на Cerebras собирает страницу в среднем за 1,1 секунды против 4,6 секунды у другого провайдера на 15 промптах. Задача модели простая: выбрать блоки и написать текст, поэтому большая модель не нужна.
- Оценка моделей под каждый сайт — выбор модели зависит от размера и тематики сайта, поэтому автор гоняет промпты через Promptfoo по точности и задержке. Цель: страница не должна генерироваться дольше 1–2 секунд.
- Персоны от маркетологов — сигналы просмотров группируются в типы намерений, например покупка или поиск информации, а маркетологи задают стратегию на естественном языке. Заранее сгенерированные рекомендации снижают требования к скорости, но увеличивают число вызовов LLM.
Кому полезно: тем, кто строит персонализацию контента на LLM поверх CMS и выбирает модель по задержке. Доклад — презентация продукта Adobe Experience Manager, поэтому часть демо касается конкретной платформы.
Статья по теме
На какие вопросы отвечает доклад
Как выбрать LLM для генерации страниц, если ответ нужен за 1–2 секунды?
Спикер прогоняет набор промптов через разные модели и провайдеров в Promptfoo и смотрит на точность и задержку. По его данным, на 15 промптах Cerebras с Gemma 4 давала в среднем 1,1 секунды на страницу, другой вариант 4,6 секунды. Для выбора блоков небольшая модель, по его словам, подходит.
▶ 4:47Оценка моделей по скоростиКак не дать LLM выдумывать факты, когда она персонализирует сайт под бренд?
Генерируется не весь сайт, а только выбранные блоки, а контекст строится через RAG по всему существующему контенту сайта. Так ответ опирается на страницы, которые уже одобрил маркетинг.
▶ 0:01Персонализация сайтов по интентуКак подстраивать страницы сайта под пользователя по его просмотрам и поисковым запросам в реальном времени?
Сигналы просмотров, включая страницы и время на каждой, и запросы передаются в LLM, которая меняет hero-карточку, товары, ленту блогов и навигацию под персону. Маркетологи описывают персоны на естественном языке, а AI выбирает блоки для каждой группы.
▶ 8:16Сигналы браузинга и персонализация блоковСтоит ли заранее генерировать персональные рекомендации или считать их на лету?
Спикер говорит, что блок с рекомендациями можно генерировать заранее по мере сбора сигналов и предзагружать, тогда скорость менее критична. Но страницу нужно постоянно обновлять по ходу навигации, и это увеличивает стоимость множественных вызовов LLM.
▶ 8:16Сигналы браузинга и персонализация блоков
Главы
Похожие доклады
Конец статичного экрана: проектирование UX на основе намерений
Близко по содержанию
360Brew: Персонализированное ранжирование и рекомендации на основе LLM
AI Engineer World's Fair 2025
Близко по содержанию
Одна модель для всех рекомендаций: большая ставка Netflix
AI Engineer World's Fair 2025
Близко по содержанию
Машины, покупающие и продающие благодать
AI Engineer World's Fair 2025
Близко по содержанию

