· AI Engineer World's Fair 2026
AI agents для производительности: быстрее выпускать, меньше тратить
AI Agents for Performance: Ship Faster, Pay Less
Агент, которому дают CPU-профиль и ревизию из продакшена, находит дорогие участки кода и, по словам спикера, доводит их до code review за несколько минут.
- Квадратичный цикл в продакшене — O(N²)-паттерн занимал 8,8% CPU во время профилирования, и агент нашёл его по стекам вызовов, без ручного поиска по горячим путям. Исправление дало измеримое снижение CPU и задержки в продакшене.
- Один антипаттерн в семи сервисах — создание счётчика метрик Spectator на каждой итерации горячего пути нашлось в семи сервисах через поиск по репозиториям; по оценке авторов, исправление всех дало бы от 0,5 до 4,6% CPU.
- Каталог в markdown вместо векторной базы — паттерны и антипаттерны лежат в центральном git-репозитории с уровнем уверенности, и агенты других сервисов переиспользуют уже найденное. Тот же каталог можно подключить к агенту при написании кода, чтобы не ловить антипаттерн на ревью.
- Canary как проверка, человек как approver — агент открывает code review только после тестов и сравнения canary с основным трафиком, а мерж решает инженер, потому что без знания бизнес-контекста правка может сломать логику.
Кому полезно: тем, кто снижает CPU-затраты сервисов в продакшене и думает, как подключить агентов к профилированию, поиску hot path и code review.
Статья по теме
На какие вопросы отвечает доклад
Как LLM-агент находит горячие пути в CPU profile без ручного разбора flame graph?
Агента кормят данными профайлера: стеками вызовов, self и inclusive CPU по методам. По этим данным он узнаёт паттерны вроде O(N²) и указывает на дорогие участки, а не на всё подряд. Ручной поиск, который занимал около двадцати минут, агент выполняет быстрее.
▶ 2:16Ручное профилирование CPU и обнаружение узких мест с помощью LLMКак агенту найти в репозитории именно тот код, который работает в продакшене?
Из сборки берут commit, который сейчас развёрнут в продакшене, и агент клонирует Git-репозиторий на этом revision. Затем он находит нужный метод и прослеживает весь путь вызовов.
▶ 7:07Отслеживание развернутых коммитов Git и оптимизация узкого места O(N²) в productionКак найти одинаковую проблему производительности сразу в нескольких сервисах?
Агент ищет паттерн по репозиториям через cross-repo code search. В примере счётчики метрик Spectator создавались на каждой итерации горячего пути в семи сервисах, а исправление дало по оценке спикера от 0,5 до 4,6% CPU.
▶ 7:07Отслеживание развернутых коммитов Git и оптимизация узкого места O(N²) в productionКак передавать знания о антипаттернах производительности между командами и агентами без векторной базы?
Достаточно централизованного Git-репозитория с markdown-файлами, где описаны паттерны и антипаттерны, символы, сервисы-подтверждения и уровень уверенности. Каталог должен быть иерархичным, чтобы агент не забивал контекст.
▶ 15:08Переиспользуемая память агента и шаблоны производительности между сервисамиСтоит ли позволять агенту сразу выкатывать оптимизации производительности в продакшен?
Спикер считает, что нет: агент открывает code review, а решение принимает инженер. Перед этим нужны unit и integration тесты, а также canary на одинаковом трафике с проверкой CPU, задержек и числа ошибок.
▶ 15:08Переиспользуемая память агента и шаблоны производительности между сервисамиКак агент для кодинга может избегать антипаттернов производительности ещё при написании кода?
Каталог антипаттернов подключают к агенту, и он сверяется с ним до генерации кода. Для этого каталог должен быть структурирован, чтобы агент находил нужный раздел, не загружая весь контекст.
▶ 25:05Проактивный code review, интеграция в жизненный цикл и выводы по внедрению
Главы
Похожие доклады
Агенты, кодовые базы и команды: что нужно, чтобы выпускать продукты вместе
AI Engineer World's Fair 2026
Близко по содержанию
ИИ пишет код быстрее, чем команда успевает его ревьюить
Близко по содержанию
Ваш agent действует вслепую
AI Engineer Europe 2026
Близко по содержанию
Постоянно работающие агенты для эксплуатации без дежурств
AI Engineer World's Fair 2026
Близко по содержанию

