← Материалы разборы Yersham
разбор · агентытема-фронтир · H 1.51
4.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал

Интеграция AI-агентов в event-sourced системы через семантический слой

Let's integrate AI Agents in Event-Sourced Systems — Divakar Kumar, FlyersSoft

Доклад о том, как добавить AI-агентов в существующую event-sourced архитектуру для обработки серых зон в real-time fraud detection. Предложен подход с оркестратором, семантическим слоем и несколькими агентами (риск, поведение, вердикт), не заменяя старые rule-based/ML системы.

AI-агенты в event-sourced системах решают серые зоны фрод-детекции, собирая контекст через семантический слой…

что из этого моё

Можно применить при построении оркестрации AI-агентов в event-driven системах: подход с семантическим слоем и агентами-вердиктами полезен для автоматизации решений в серых зонах. Конкретно для buyanov.io — использовать fan-out агентов для анализа разных аспектов задачи и отдельного агента для финального решения, а также собирать контекст из разных источников в единое хранилище.

Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
собрать контекст из разных bounded contexts в единый семантический слой через CDC или message broker
настроить fan-out паттерн с несколькими агентами и отдельным агентом-вердиктом для снижения false positives
установить лимит на цикл рассуждений агента для соблюдения SLA
о чём говорят, по времени
главы доводят до 16:00 · дальше по ролику меток нет
01
Введение и проблема00:00
Спикер рассказывает о личном опыте блокировки транзакции и о том, как rule-based/ML системы не имеют контекста.
02
Подход: гибридная система04:00
Предлагается добавить AI-агентов для обработки серых зон, не заменяя существующие системы.
03
Архитектура и bounded contexts08:00
Описание различных bounded contexts (транзакции, аккаунты, устройства, платежи) и проблемы обмена данными между ними.
04
Семантический слой и event sourcing12:00
Как собрать данные из разных контекстов в единый materialized view через CDC и message broker.
05
Агенты и их компоненты16:00
Описание структуры агента: LLM, инструменты, память. Применение fan-out паттерна и агента-вердикта.
дальше в дело
Собрать это в маршрут
все маршруты →
не хочешь разбираться сам
Сделаю это под задачу
форматы и цены →
похожие по смыслу · из облака
ещё разборы