За последние два года он организовал инфраструктуру для трёх распределённых команд разработки и поддерживает домашний сервер с полным набором сервисов.

Приходите послушать о том, как мы разрабатывали Cloud․ru Evolution AI Factory — цифровую среду для разработки приложений и агентов на основе искусственного интеллекта.

Покажем, как все устроено под капотом: от вызовов, с которыми столкнулись, до развертывания популярных моделей для рабочих задач.

Multi-Agent AI Systems in Practice: архитектуры, метрики, эффекты
Дмитрий Юдин

Погружаемся в практическую сторону создания AI-агентов для продаж: разберем архитектурные паттерны, управление состояниями, интеграцию с CRM и внешними данными, вызовы масштабируемости и устойчивости. Поговорим о реальных проблемах внедрения и обозначим ключевые технологические направления, которые формируют будущее AI-продаж.

Как мы переосмыслили инференс
Максим Блинов

В докладе расскажем о том, как мы делали решение SharedGPU, позволяющее разделять ресурсы между разными пользователями. Обсудим model-analyser и пройдем путь запуска популярных моделей. Доклад будет полезен всем, у кого есть собственное клиентское облако, чтобы перестать бояться и понять, что инференс — это простое и дешевое решение, позволяющее быстро запустить любые модели.

RAG как инструмент: когда LLM знает, о чем говорит
Евгений Третьяков

Расскажем о прикладном применении RAG в рабочих задачах: от внутренних процессов до технической поддержки и консультирования клиентов и обучения AI-агентов. Доклад будет полезен product-owner'ам и всем, кто использует LLM на практике и желает контролировать достоверность выдаваемой информации.

Мультиагентные системы нового поколения
Артемий Мазаев

В докладе обсудим проблемы поддержки, версионирования и тестирования AI-агентов. Расскажем, как на платформе Cloud․ru Evolution реализована возможность создания собственных AI-агентов.

Как мы меняем клиентский сервис с помощью AI
Максим Михайлов

Внедрение искусственного интеллекта и создание Al-агентов стали одними из самых обсуждаемых тем за последние два года. В своем выступлении я расскажу о практическом применении этих технологий в процессах поддержки пользователей, покажу, на какие метрики можно повлиять, зачем это делать и какие усилия потребуется приложить. Обсудим co-pilot и боты в поддержке, новые инструменты, аналитику, будущее Al-агентов и реальные результаты.

AI-помощник, упрощающий работу в облаке
Илья Жбанов

Доклад посвящен созданию мультиагентной системы для автоматизации облачной инфраструктуры, мониторинга и персонализации решений, снижающей порог входа пользователей. Рассмотрим, что под капотом и как устроена архитектура, обсудим функционал и вызовы, с которыми столкнулась команда при создании системы.

AI-помощник уже доступен в режиме открытого тестирования

Теперь любой бизнес и разработчики могут легко работать с LLM, создавать AI-агентов, запускать мультиагентные системы и решать полный цикл ML-задач.

Покажем, как быстро развернуть инференс популярных open source моделей с платформы Hugging Face в сервисе Evolution ML Inference. Расскажем про нашу технологию Shared GPU, позволяющую потреблять только необходимое количество видеопамяти для работы модели и платить только за нее.

Покажем, как собрать агентную RAG-систему с помощью GigaChain и Evolution ML Inference от Cloud․ru для эффективного инференса моделей и LLM.

➡️ Evolution ML Inference — сервис для запуска ML-моделей из библиотеки Hugging Face. Благодаря нашей технологии Shared GPU, вы можете использовать только необходимое количество видеопамяти для запуска моделей и платить только за него.

➡️ Evolution Foundation Models — сервис с популярными open source моделями, доступными по API. Модели уже готовы к использованию — вам не придется развертывать инференс и писать код.

➡️ Evolution Managed RAG — готовый сервис для Retrieval Augmented Generation. Это способ обогатить LLM вашими данными. Сначала из базы знаний извлекаются релевантные документы, затем языковая модель генерирует ответ, учитывая найденный контекст. Такой подход уменьшает галлюцинации и позволяет отвечать фактологически точно даже на доменные вопросы.

➡️ Evolution ML Finetuning — сервис для тонкой настройки LLM под ваши задачи. Используя технологию LoRA, можно быстро адаптировать модель под конкретные задачи бизнеса без дорогостоящего полного переобучения.

➡️ Evolution Notebooks — сервис для работы и экспериментов с машинным обучением в облаке. Запускайте и тестируйте ML-гипотезы на мощных GPU, используя пользовательские или базовые Docker-образы на базе JupyterLab.

➡️ Evolution AI Agents — сервис для создания AI-агентов, работающих автономно. AI-агенты могут анализировать информацию, обучаться на данных, планировать действия и адаптироваться к изменяющимся условиям среды, в которой работают. А еще вы можете объединить до пяти разных AI-агентов и создать мультиагентную систему.

Следующий уровень — это ВЫ 🍑

Рассказываем как решить эту проблему клиентской балансировкой и headless-сервисами без Service Mesh.

😶‍🌫️ Открытие митапа
Дмитрий Юдин, технический лидер по развитию искусственного интеллекта, Cloud․ru

😶‍🌫️ «Как мы встроили AI-агента в онлайн-обучение»
Стас Гридин, менеджер проектов и Илья Жбанов, Data Science инженер, Cloud․ru

😶‍🌫️ «Model Context Protocol (MCP): главный тренд AI-индустрии»
Игорь Латкин, управляющий партнер и системный архитектор, KTS

И еще два секретных доклада — от наших экспертов и приглашенного гостя.