Программирование [Podlodka] AI Crew #4: «Мультиагентные системы» (2026)

[Gatsby]

[Podlodka] AI Crew #4: «Мультиагентные системы» (2026)

AI Crew #4: «Мультиагентные системы» — это конференция о проектировании, разработке и внедрении AI-агентов в реальные процессы разработки ПО. Вы разберёте, когда достаточно одного агента, а когда нужна мультиагентная система, как распределять роли между агентами, управлять контекстом, памятью, качеством и стоимостью таких решений.

О курсе
Четвёртый сезон AI Crew посвящён мультиагентным системам: архитектурам AI-агентов, оркестрации, автономной разработке кода, локальным LLM, инструментам для команд разработки и практическим подходам к созданию «фабрики ПО» на базе искусственного интеллекта.

Материалы подойдут тем, кто хочет не просто использовать отдельные AI-инструменты, а понимать, как собирать устойчивые агентные решения: от постановки задач и выбора архитектуры до тестирования, контроля качества и оценки экономической эффективности.

Что вы изучите

• Когда одного AI-агента достаточно, а когда стоит переходить к мультиагентной системе.
• Как проектировать взаимодействие агентов: распределять роли, задачи и зоны ответственности.
• Какие архитектуры мультиагентных систем используются в разработке ПО.
• Как устроена оркестрация AI-агентов и какие подходы помогают управлять их работой.
• Как собрать автономный «заводик» по написанию кода и оценить его реальные ограничения.
• Как работать с контекстом, долговременной памятью и состоянием агентов.
• Как тестировать мультиагентные системы и контролировать качество их результатов.
• Как оценивать стоимость работы кодинг-агентов и оптимизировать агентную архитектуру.

Кому будет полезно

• Разработчикам, которые хотят применять AI-агентов для автоматизации задач, работы с кодом, ревью и интеграции с Jira или Git-процессами.
• Тимлидам и архитекторам, которым важно понимать, как строить масштабируемые агентные системы и не превращать их в неконтролируемый набор инструментов.
• ML- и AI-инженерам, изучающим практическое применение LLM, MCP, памяти, оркестрации и локальных моделей.
• CTO и техническим руководителям, которые оценивают внедрение AI-платформ, AI-коллег и автоматизированных фабрик разработки ПО.
• Продуктовым и инженерным командам, которым нужно понять, где AI-агенты дают реальную пользу, а где создают дополнительные риски и расходы.

Программа сезона
Открытые сессии AI Crew

• AI в разработке: купить нельзя внедрить — обсуждение практических проблем внедрения AI в инженерные процессы.
• Фабрика будущего: от harness к полноценной AI-платформе — путь от отдельных инструментов к системной AI-инфраструктуре.

Доклады

• Эффективная оркестрация AI-агентов / Родион Мостовой, codealive.ai
• Строим собственный завод по написанию кода / Александр Пахомов
• Как архитектура кодинг-агента определяет его стоимость / Максим Качурин
• Масштабирование интеллекта через мультиагентность? / Савелий Батурин, Postgres Pro
• Как сделать фабрику ПО и всё не развалить / Владимир Иванов, Supplied
• Работа AI-агента: архитектура, защита, экономика / Егор Урванов

Демо-сессии

• Codey: как задача из Jira превращается в проверенный MR / Михаил Мужаровский, EXANTE
• Агентный сетап на осень 2026: избавляемся от субагентов, MCP, памяти / Николай Шейко
• ИИ-коллега команды разработки / Надежда Волкова, Т-Банк
• Безоблачные локальные LLM: зачем и как / Роман Алейников
• Рой над одной средой / Алексей Григорьев и Иван Опарин

Какие навыки вы получите

• Понимание ключевых принципов построения мультиагентных систем.
• Умение выбирать архитектуру агентного решения под конкретную задачу.
• Представление о том, как организовать взаимодействие AI-агентов в разработке ПО.
• Навык оценки рисков: качества, безопасности, стоимости и управляемости AI-агентов.
• Понимание ограничений автономной генерации кода и роли человека в агентных процессах.
• Знание практических сценариев применения AI-агентов в командах разработки.

Результат после изучения
После просмотра материалов вы будете лучше понимать, как проектировать мультиагентные системы для разработки ПО, как выбирать подходы к оркестрации, памяти и контролю качества, а также как оценивать практическую пользу AI-агентов для команды и бизнеса.

Курс поможет перейти от разрозненного использования AI-инструментов к более осознанному проектированию агентных решений: с понятной архитектурой, ролями, процессами, ограничениями и критериями качества.

Подробнее:

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.