← Каталог

· AI Engineer World's Fair 2026

От слепых зон к влитым PR: непрерывная оптимизация производительности с помощью агентов

From Blind Spots to Merged PRs: Continuous Agentic Performance Optimization

Еженедельный агентный workflow на данных продакшена сам находит и проверяет оптимизации производительности и приносит человеку готовый отчёт вместо списка идей.

  • Ранжирование по ROI — агент оценивает находки по частоте вызова горячего пути, влиянию на бизнес и риску миграции, поэтому на ревью попадают несколько задач, а не 80 PR. По словам спикера, команда начинала с одной задачи в неделю, чтобы выработать привычку.
  • Проверка на рантайме — исправление прогоняется тестами, и замеряется, как оно меняет время того же потока в продакшене. Человек получает diff и доказательство эффекта, и только после этого ревьюит.
  • Контекст на уровне функций — трассировки связываются с функциями и эндпоинтами, а детальная диагностика снимается только для запросов дольше P99. По словам спикера, это убирает разрыв между сервисными метриками и кодом, в котором работает агент.
  • Типовые ошибки агентов — правдоподобные, но непроверенные исправления, сложные запросы к ClickHouse и поверхностные фиксы вроде перехвата исключения. Навыки (Skills) поверх запросов, по словам спикера, сделали результаты оценок стабильнее.

Кому полезно: тем, кто хочет находить проблемы производительности в продакшене до жалоб продукта и автоматизировать этот поиск через GitHub Actions и MCP.

Статья по теме

Главы

Похожие доклады