За последний год AI-ассистенты прошли путь от инструментов на базе LLM к агентским системам, способным планировать действия, вызывать инструменты и анализировать результаты их выполнения. Несмотря на изменения в архитектуре, базовые принципы остались прежними: качество работы AI определяется сочетанием агента, модели и доступных данных — и слабое звено в этой цепочке неизбежно приводит к плохому результату. В докладе мы разберём практическую и до боли знакомую каждому задачу — исправление багов, в том числе воспроизводящихся нестабильно. Поговорим о том, какие неочевидные на первый взгляд данные действительно повышают качество AI-фиксов, как формализовать задачу для агента и какие результаты можно получить на практике при разных ограничениях моделей и инфраструктуры. Некоторые достижения AI-агентов удивили даже нас самих. Презентация - https://disk.360.yandex.ru/i/s5Bom5A7C8_x5Q Сайт - https://16.codefest.ru