Dosu x Pydantic: хватит заново объяснять ИИ-агентам специфику вашей компании

Досу и Пидантик обсуждают, как обеспечить внутренних ИИ-агентов общими знаниями компании, поддерживать их актуальность и измерять, действительно ли это помогает. Разделы 0:00 Введение 2:51 Что такое внутренние ИИ-агенты? 4:00 Знания как строительный блок 7:57 Аннулирование кэша и события изменения 10:17 С трудом добытый контекст в автономных агентах 12:38 Получение сигнала без следов 14:16 Кэши знаний против памяти 18:35 Каким источникам доверяют модели? 21:24 Оценка того, помогают ли знания 24:55 Создание оценочных наборов данных с помощью Logfire 27:48 Модели System One, Jev и Clef 29:32 Вопросы и ответы: Обработка противоречивой информации 32:11 Когда кэшированная память вредит 34:25 Вопросы и ответы: Нужен ли по-прежнему слой знаний для моделей на границе? 39:57 Вопросы и ответы: Переключение семейств моделей 44:38 Разметка LLM и участие человека 49:06 Вопросы и ответы: Передовые модели для золотых множеств 50:36 Вопросы и ответы: Коннекторы, библиотеки и контроль доступа 54:27 Начните с простого 59:26 Заключение Источники Pydantic AI https://ai.pydantic.dev/ Pydantic Logfire https://pydantic.dev/logfire Pydantic Evals https://ai.pydantic.dev/evals/ Code Puppy https://github.com/mpfaffenberger/cod... Cloudflare Clef https://blog.cloudflare.com/clef-deci... TypeSafe Jev https://typesafe.ai/blog/introducing-... Совет LLM Карпати https://github.com/karpathy/llm-council Dosu https://dosu.dev Спикеры Лайс Карвалью, специалист по связям с разработчиками, Pydantic Доуве Маан, руководитель направления ИИ в Pydantic Майкл Пфаффенбергер, старший инженер по разработке решений для ИИ, Pydantic Девин Штайн, основатель и генеральный директор, Dosu Тейлор Долезал, руководитель экосистемы, Dosu Запись: 20 октября 2026 г.