Использование AI-ассистентов в разработке — это тренд, за которым надо следовать, чтобы потом не оказаться догоняющим.

Когда я начал кодить с нейросетями, прошёл весь путь от отрицания к полному принятию. Сейчас я в восторге от возможностей, которые мне подарили нейросети: я преодолел страх чистого листа, в разы быстрее решаю задачи, сократил путь от мысли до результата и, по ощущениям, расширил возможности сознания.

В докладе я расскажу про преимущества AI-ассистентов, когда они действительно приносят пользу и какие навыки нужны для работы с ними, а все тезисы проиллюстрирую примерами из своей работы.

Бывало такое, что вы открываете старый проект и не можете понять, почему код выглядит именно так? Кто добавил этот хак, зачем убрали тот компонент и почему в соседнем файле логика другая?

Git вроде бы хранит всю историю, но копаться в блеймах и дифах — боль. Мы сделали свой MCP-сервер, который умеет анализировать историю изменений в кодовой базе и отвечать на вопросы вроде «когда и зачемэто было переписано?». Он помогает нам быстрее разбираться в коде — особенно когда проект переезжает между командами или мы возвращаемся к старым участкам кода.

В докладе я расскажу, почему голого агента нам оказалось мало,как мы написали и встроили MCP в свои процессы и что получили на выходе: быстрый онбординг и лучшее понимание кода.

Что нужно, чтобы ваша библиотека компонентов стала источником истины для AI? В докладе я разберу инструменты управления контекстом во фронтенде и путь от Figma до генерации кода. На примере Орбиты в Яндекс 360 покажу, как MCP-серверы снижают галлюцинации и делают дизайн-систему AI-ready.

Мы сделали агентскую систему, которая помогает разработчикам решать свои проблемы, от поиска актуальной информации до анализа логов. Под капотом системы — LangGraph, RAG и MCP.

В докладе расскажу, как мы разрабатывали систему. Поделюсь подходами промпт-инжиниринга под разные роли и реальными проблемами, с которыми мы столкнулись.

В докладе я разберу агентские сценарии по частям, чтобы наглядно показать, какие реальные задачи пользователя они решают. «Глаза» агента — парсинг страниц для LLM/VLM. Расскажу, как JS используется для анализа DOM и извлечения данных для передачи в модели.

«Руки» агента — действия в контексте вкладки. Как происходит взаимодействие с элементами страницы (клики, заполнение полей, навигация) на основе инструкций LLM и какие есть ограничения и вызовы функциональности и безопасности.

В конце доклада сравню «БроПилот» и конкурентов (Perplexity Comet и др.), чтобы определить их архитектурные и функциональные различия, а также показать, почему наш подход особенный.

В этой активности вам предстоит примерить на себя роль тимлида, который недавно присоединился к крупному проекту. Есть проект, есть младший разработчик и задача, которую необходимо решить с его помощью. Для этого нужно всего лишь составить план...