בניית סוכני קוד רקע

תיאור

נקודות עיקריות

שיחה 1: איך לבנות סוכני AI שמתחברים לנתוני רגישות רוב הדגמות AI פועלות כי הנתונים קלים לגישה. נתוני ארגונים אמתיים אינם. הם נמצאים בבסיסי נתונים פרטיים, APIs פנימיים, VPC של לקוחות ומערכות אחרות שצוותי אבטחה לעולם לא יחשפו לאינטרנט הציבורי. במפגש הזה, נבנה עובד AI שפועל בתוך סביבה שבבעלות הלקוח בעוד שסוכן ה-AI נשאר בענן שלך. הסוכן עושה את ההיגיון; העובד מבצע פעולות מאושרות ליד הנתונים הפרטיים, כמו קריאת קבצים, שאילתת מערכות, וכתיבת תוצאות חזרה, מבלי לפתוח פיתוחים נכנסים או להעתיק מערכי נתונים גולמיים מעלה. נראה איך לפרוס את העובד וכיצד הארכיטקטורה הזו פועלת על פני AWS, GCP, Azure וסביבות מקומיות, מבלי לפתוח פיתוחים נכנסים או לבקש מהלקוחות לייצא מערכי נתונים גולמיים מעלה. שיחה 2: סוכנים שמתקנים CI, סוקרים PRים ומסובבים תצוגות מקדימות רוב סוכני סקירת PR קוראים דיפים, אבל הם לא מריצים את האפליקציה שלך. אסף בנה סוכנים אוטונומיים שלוקחים כשלי CI ומתקנים PRים, סוקרים PRים ומסובבים סביבות תצוגה מוקדמות PR. הם משנים את ה-MicroVMs האמיתיים עם המערכת המלאה, מאמתים שהתקון אכן עובד, סוקרים את השינוי בסביבה חיה, ומפרסמים תצוגה מקדימה של PR. במפגש הזה הוא ידבר על מה שהם בנו, מה קרה בדרך, והאינפרה שעושה את זה אפשרי. שיחה 3: הערכת סוכנים עבור המוצר שלך מדדים כלליים לא אומרים לך הרבה אם הסוכן שלך מתמודד עם ה-stack שלך, את מצבי הכישלון שלך, או את מקרי הקצה של הלקוחות שלך. ניר יכסה דפוסי סוכן-כשופט ואיך לבנות חבילת הערכה עבור המוצר שלך - מקרים מזהב, חבילות ניקוד, חזרה סינתטית וייצור - ואיפה להריץ את זה (CI, לפני השקה, אחרי אירוע). מי צריך להשתתף מהנדסים ומובילים טכנולוגיים הבונים עם או על גבי סוכני קוד AI - בין אם אתה רק מתחיל או כבר מריץ סוכנים בייצור.