· 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
Как устранить узкое место в проверке PR
AI Engineer Code 2025
Близко по содержанию
Как в Anthropic ежедневно мержат 30 000 изменений кода
Близко по содержанию
За пределами покрытия кода: функциональное тестирование с Playwright
AI Engineer Europe 2026
Близко по содержанию
Автономная разработка продуктов: от продуктовых сигналов до pull request
AI Engineer Europe 2026
Близко по содержанию

