В докладе делимся опытом быстрой промышленной разработки действительно полезных AI-агентов на базе новейшего фрейморка DSPy и их оптимизаци под разные LLM, включая BitrixGPT.

Примерный план доклада:

1. Введение: от экспериментов к промышленной разработке AI-агентов
Кратко обозначим проблему: почему создание полезных AI-агентов для бизнес-задач часто тормозится из-за сложности адаптации под разные модели и контексты. Объясним, что классический подход не работает в enterprise-среде.

2. Что такое DSPy и GEPA и зачем они нужны бизнесу
Простым языком объясним, что это за инструменты. Сфокусируемся на их преимуществах для бизнеса: как они позволяют быстро создавать и оптимизировать агентов, не переписывая код каждый раз при смене языковой модели (LLM) или усложнении задачи.

3. Личный опыт в создании агентов
Разберем конкретный практический пример из опыта нашей команды. Покажем путь от бизнес-задачи до работающего AI-агента.

4. Оптимизация под разные модели
Расскажем, как заставить агента одинаково хорошо работать на разных LLM (включая открытые модели). Поделимся практическими приёмами из фреймворков DSPy/GEPA, которые позволяют автоматически подгонять поведение агента под конкретную модель.

5. Измерение эффективности
Покажем, какие метрики мы используем для оценки работы AI-агентов в бизнес-процессах.