Wydarzenie hybrydowe
j-labs, Zabłocie 43B, Kraków
Agenda
Prelekcje, przerwy, poczęstunki - zobacz, co w programie!
Pokażę, jak ewoluuje rola LLM w codziennej pracy developera — od inline sugestii w IntelliJ i GitHub Copilot, przez Claude Code CLI jako agenta z pełnym dostępem do projektu, narzędzi i zewnętrznych systemów, aż po projektowanie multi-agent workflow z kontrolą uprawnień, pamięcią między sesjami, MCP serverami i Human in the Loop. Na bazie realnych przykładów z produkcyjnych projektów pokażemy, gdzie kończy się asystent, a zaczyna autonomiczny agent — i jak zachować nad tym kontrolę.
Prelegent
Software Architect & Senior Java Developer z 20-letnim stażem. Doświadczony w zarządzaniu pełnym cyklem życia projektów IT – od koncepcji po wdrożenie. Specjalista w obszarach developmentu, bezpieczeństwa i architektury systemowej. Entuzjasta rozwiązań end-to-end, który w swojej pracy łączy rygor inżynierski z kreatywnym podejściem do wdrażania technologii nowej generacji, takich jak agenci AI.
Agenci AI dla SRE przechodzą dziś drogę od eksperymentów do środowisk produkcyjnych, jednak niezawodność, obserwowalność oraz bezpieczeństwo nadal pozostają dużym wyzwaniem. Podczas tej prezentacji pokażemy naszego autonomicznego agenta diagnostycznego SRE, zbudowanego z wykorzystaniem Microsoft Agent Framework, orkiestracji Magentic, Memgrapha, Kubernetesa, OpenSearch oraz OpenTelemetry.
Wyjaśnimy, dlaczego zdecydowaliśmy się na orkiestrację opartą o grafy w przypadku długotrwałych workflowów diagnostycznych, oraz podzielimy się praktycznymi doświadczeniami z budowy systemu: kontrolowaniem eksplozji kontekstu, równoległym uruchamianiem agentów diagnostycznych, wymuszaniem ustrukturyzowanych odpowiedzi oraz deduplikacją zaszumionych alertów. Pokażemy również, w jaki sposób grafowe bazy danych umożliwiają budowanie pamięci operacyjnej poprzez korelację incydentów i ponowne wykorzystywanie wcześniejszych diagnoz.
Na koniec omówimy granice bezpieczeństwa dla autonomicznych operacji oraz wyzwania związane z oceną niedeterministycznych systemów SRE opartych na AI z wykorzystaniem ITBench oraz naszych wewnętrznych eksperymentów.
Prelegent
Inżynier oprogramowania z solidnym zapleczem backendowym i konsekwentnie rozwijaną specjalizacją w obszarze sztucznej inteligencji. Zawodowo związany ze światem Javy i systemów rozproszonych, gdzie przez lata projektował i rozwijał mikroserwisy, API oraz platformy działające w środowiskach chmurowych i kontenerowych.
Obecnie pełni rolę AI Technical Leada w j-labs, gdzie zajmuje się eksploracją i praktycznym wykorzystaniem technologii AI – od klasycznych systemów backendowych po nowoczesne rozwiązania oparte o LLM-y. Łączy inżynierską precyzję z analitycznym podejściem do problemów, zawsze ważąc koszty złożoności, utrzymania i realnej wartości biznesowej.
Absolwent studiów podyplomowych z zakresu Machine Learning i Data Science na AGH, z praktycznym doświadczeniem w deep learningu, NLP i analizie danych. Interesuje się agentami AI, systemami RAG oraz realnym zastosowaniem sztucznej inteligencji w systemach produkcyjnych – z naciskiem na to, gdzie AI faktycznie pomaga, a gdzie jedynie podnosi poziom skomplikowania.
Inżynier, który zamiast obiecywać „magię AI”, woli pokazać jej realne możliwości i ograniczenia. Jeśli chcesz zrozumieć, jak łączyć klasyczne podejście do inżynierii oprogramowania z nową falą narzędzi opartych o LLM-y – jesteś we właściwym miejscu.
Agenci AI dla SRE przechodzą dziś drogę od eksperymentów do środowisk produkcyjnych, jednak niezawodność, obserwowalność oraz bezpieczeństwo nadal pozostają dużym wyzwaniem. Podczas tej prezentacji pokażemy naszego autonomicznego agenta diagnostycznego SRE, zbudowanego z wykorzystaniem Microsoft Agent Framework, orkiestracji Magentic, Memgrapha, Kubernetesa, OpenSearch oraz OpenTelemetry.
Wyjaśnimy, dlaczego zdecydowaliśmy się na orkiestrację opartą o grafy w przypadku długotrwałych workflowów diagnostycznych, oraz podzielimy się praktycznymi doświadczeniami z budowy systemu: kontrolowaniem eksplozji kontekstu, równoległym uruchamianiem agentów diagnostycznych, wymuszaniem ustrukturyzowanych odpowiedzi oraz deduplikacją zaszumionych alertów. Pokażemy również, w jaki sposób grafowe bazy danych umożliwiają budowanie pamięci operacyjnej poprzez korelację incydentów i ponowne wykorzystywanie wcześniejszych diagnoz.
Na koniec omówimy granice bezpieczeństwa dla autonomicznych operacji oraz wyzwania związane z oceną niedeterministycznych systemów SRE opartych na AI z wykorzystaniem ITBench oraz naszych wewnętrznych eksperymentów.
Prelegent
Pracował w obszarach chemii, data science, klasycznego machine learningu, deep learningu oraz budowy mikroserwisów dla cybersecurity. Ma doświadczenie zarówno w projektach badawczo-rozwojowych, jak i we wdrażaniu rozwiązań ML w praktyce.
Obecnie wykorzystuje modele językowe do budowy agentów AI. Mimo fali popularności sztucznej inteligencji pozostaje entuzjastą Linuksa, szeroko pojętego programowania oraz architektury systemów uczenia maszynowego.
Spotykamy się w naszej j-labsowej sali meetupowej na Zabłociu. Niech Cię to nie zmyli, nie ma domówkowego klimatu. Stworzyliśmy nowoczesną przestrzeń z myślą o wygodnym networkingu i wymianie wiedzy. Nie zabraknie też bufetu, ciepłych napojów oraz tych zimnych - prosto z kranów!
Adres naszego biura znajduje się poniżej, a w mailu przed wydarzeniem dostaniesz dokładne wskazówki, jak dotrzeć do salki.
Dodaj do kalendarza, bo na bank Ci umknie
Talk4Devs jest darmowy, ale obowiązują zapisy!
